美國(guó)國(guó)防部先進(jìn)計(jì)劃署(DARPA)目前正資助開(kāi)發(fā)一種全新的非馮-諾伊曼(non-von-Neumann)架構(gòu)處理器——稱(chēng)為“分層識(shí)別驗(yàn)證利用”(HierarchicalIdentifyVerifyExploit;HIVE)。DARPA計(jì)劃在4年內(nèi)半內(nèi)投入8，000萬(wàn)美元，打造這款HIVE處理器。包括英特爾(Intel)與高通(Qualcomm)等芯片商以及國(guó)家實(shí)驗(yàn)室、大學(xué)與國(guó)防部承包商N(yùn)orthGrumman都加入了這項(xiàng)計(jì)劃。

美國(guó)太平洋西北國(guó)家實(shí)驗(yàn)室(PacificNorthwestNationalLaboratory;PNNL)和喬治亞理工學(xué)院(GeorgiaTech)負(fù)責(zé)為該處理器打造軟體工具，而NorthrupGrumman則將建立一座巴爾的摩中心，利用這款號(hào)稱(chēng)全世界首款圖形分析處理器(GAP)執(zhí)行國(guó)防部(DoD)的圖表分析任務(wù)。

HIVE使用以數(shù)據(jù)的多層圖形顯示作為開(kāi)始的序列(如圖)，開(kāi)啟了圖解分析處理的方式，在各層之間識(shí)別數(shù)據(jù)之間的關(guān)系。(數(shù)據(jù)來(lái)源：DARPA)

DARPA微系統(tǒng)技術(shù)辦公室(MTO)計(jì)劃經(jīng)理TrungTran表示：“今日的電腦架構(gòu)同樣采用1940年代發(fā)明的[John]vonNeumann架構(gòu)。CPU與GPU均采取平行運(yùn)算，但它的每個(gè)核心仍然是vonNeumann處理器。”

Tran說(shuō)：“HIVE并不是馮諾依曼架構(gòu)，因?yàn)樗臄?shù)據(jù)稀疏，而且能同時(shí)在不同的記憶領(lǐng)域同時(shí)執(zhí)行不同的過(guò)程。這種非馮-諾依曼途徑可讓許多處理器同時(shí)存取，各自采用其本地暫存記憶體，在全局記憶體上同時(shí)執(zhí)行分散和匯集作業(yè)?！?/p>

“芯片拼貼圖”象征DARPA資助開(kāi)發(fā)的新型處理器計(jì)劃——“超越微縮：電子復(fù)興計(jì)劃”(BeyondScaling：AnElectronicsResurgenceInitiative)正推動(dòng)微系統(tǒng)結(jié)構(gòu)和性能的新紀(jì)元。(來(lái)源：DARPA)

圖形分析處理器目前并不存在，但在理論上與CPU和GPU有著顯著的不同。首先，它們經(jīng)最佳化用于處理稀疏圖形元素。由于所處理的項(xiàng)目稀疏地位于全局記憶體，因而也涉及一種新的記憶體架構(gòu)——能以每秒高達(dá)TB容量的超高速度隨機(jī)存取記憶位置。

當(dāng)今的記憶體芯片經(jīng)過(guò)最佳化，能以最高速度存取長(zhǎng)序列位置(以填補(bǔ)其快取)，這些速度大約落在每秒GB的范圍。另一方面，HIVE將以最高速度從全局記憶體隨機(jī)存取8位元數(shù)據(jù)點(diǎn)，然后再以專(zhuān)用的暫存記憶體分別處理。該架構(gòu)據(jù)稱(chēng)也具有可擴(kuò)展能力，但需要許多HIVE處理器執(zhí)行特定的圖形演算法。

Tran說(shuō)：“當(dāng)今所收集的所有數(shù)據(jù)中，只有大約20%是有用的——這就是為什么稀疏——讓我們的8位元組粒度對(duì)于巨量數(shù)據(jù)(BigData)的問(wèn)題效率更高。”

即時(shí)繪圖分析需要高達(dá)GigaTEPS的處理速度(綠色)，才能識(shí)別現(xiàn)場(chǎng)呈現(xiàn)的關(guān)系，這較目前速度最快的GPU(藍(lán)色)或CPU(紅色)速度更快1，000倍。(來(lái)源：DARPA)

這種圖形分析處理器采用最佳化的新式演算法處理單元(APU)，加上DARPA提供的新記憶體架構(gòu)芯片，據(jù)稱(chēng)其功耗較今日的超級(jí)電腦功耗更低1，000倍。參與這項(xiàng)計(jì)劃的組織，特別是英特爾與高通，也將有權(quán)商用化這款處理器與記憶架構(gòu)。

圖形分析處理器目前并不存在，但在理論上與CPU和GPU有著顯著的不同。首先，它們經(jīng)最佳化用于處理稀疏圖形元素。由于所處理的項(xiàng)目稀疏地位于全局記憶體，因而也涉及一種新的記憶體架構(gòu)——能以每秒高達(dá)TB容量的超高速度隨機(jī)存取記憶位置。

Tran說(shuō)：“從我的立場(chǎng)來(lái)看，下一個(gè)需要解決的大問(wèn)題就是BigData，目前采用的方法是回歸分析，但對(duì)于非常稀疏的數(shù)據(jù)點(diǎn)之間的關(guān)系來(lái)說(shuō)，這種方法是無(wú)效的。我們發(fā)現(xiàn)，CPU與GPU在處理問(wèn)題的大小與結(jié)果的豐富性之間留下了很大的差距，而圖形理論則完美契合目前所看到的這一新興市場(chǎng)?！?/p>

除了HIVE芯片，DARPA也呼吁共同開(kāi)發(fā)軟體工具，并借由同步平行存取隨機(jī)記憶體位置，協(xié)助編程這種超越今日平行處理典范的新架構(gòu)。如果成功了，DARPA宣稱(chēng)這種圖形分析處理器將有能力識(shí)別傳統(tǒng)CPU與GPU難以處理的許多情況類(lèi)型。

英特爾CPU、NvidiaGPU、GoogleTPU和DARPA提出的HIVE處理器之間的應(yīng)用(上)和性能(下)比較。(來(lái)源：DARPA)

DARPA認(rèn)為，BigData為圖形節(jié)點(diǎn)提供了感測(cè)器饋送、經(jīng)濟(jì)指標(biāo)、科學(xué)和環(huán)境測(cè)量，而圖形的邊緣則是不同節(jié)點(diǎn)之間的關(guān)系，例如亞馬遜(Amazon)案例中的“購(gòu)買(mǎi)”行為。

圖形理論分析的基礎(chǔ)可以追溯到著名的哲學(xué)家GottfriedWilhelmLeibniz，以及LeonhardEuler在1736年出版的首篇相關(guān)論文：“柯尼斯堡七橋問(wèn)題”(SevenBridgesofK?nigsberg)。從那時(shí)起，圖形理論已經(jīng)發(fā)展成為建模隨機(jī)數(shù)據(jù)點(diǎn)之間關(guān)系的一系列演算法和數(shù)學(xué)結(jié)構(gòu)。HIVE架構(gòu)的設(shè)計(jì)就在于使用這些圖形分析來(lái)識(shí)別威脅、追蹤疾病爆發(fā)，以及解答B(yǎng)igData的問(wèn)題，因?yàn)檫@些問(wèn)題寺于目前的傳統(tǒng)CPU和GPU來(lái)說(shuō)相當(dāng)棘手。

為期四年半的DARPA計(jì)劃在第一年將與英特爾和高通共同設(shè)計(jì)芯片架構(gòu)，而GeorgiaTech和PNNL則負(fù)責(zé)開(kāi)發(fā)軟體工具。在第一年之后，將會(huì)選出一款硬體設(shè)計(jì)和一款軟體工具。DARPA將為贏得硬體設(shè)計(jì)的公司提供5，000萬(wàn)美元的贊助，但該公司也將自行提供5，000萬(wàn)美元。此外，DARPA還將為贏得軟體設(shè)計(jì)的組織提供700萬(wàn)美元的贊助。

同時(shí)，Northrup將獲得1，100萬(wàn)美元的資金，用于打造巴爾的摩中心，調(diào)查國(guó)防部對(duì)于圖形分析的所有需求，并確保硬體和軟體制造商滿足這些需求。

英特爾數(shù)據(jù)中心副總裁DhirajMallick表示：“HIVE計(jì)劃目的在于針對(duì)數(shù)據(jù)處理，利用圖形分析處理器發(fā)揮機(jī)器學(xué)習(xí)以及其他人工智能(AI)的影響力?！?/p>

Mallick有信心英特爾的芯片設(shè)計(jì)將會(huì)贏過(guò)高通，他說(shuō)：“英特爾已被要求在這項(xiàng)計(jì)劃結(jié)束時(shí)提供16節(jié)點(diǎn)的平臺(tái)，在一塊電路板上使用16個(gè)HIVE處理器，英特爾也將擁有為全球市場(chǎng)提供產(chǎn)品的權(quán)利。”

隨著這項(xiàng)計(jì)劃進(jìn)展，這款HIVE處理器將可實(shí)現(xiàn)即時(shí)識(shí)別與感知策略資產(chǎn)。相形之下，Mallick說(shuō)，至今我們還得依靠“失馬鎖廄，為時(shí)已晚”的事后分析…