Dale McHerron任IBM Research公司高级经理，负责异构集成研究。在演讲中，Dale谈到了构建下一代人工智能系统的需求，以及运行高技术水平人工智能系统对基础设施的意义。
Nolan Johnson：Dale，你刚刚做完演讲，是否可以对演讲做简要总结。
Dale McHerron：当然可以。我的演讲焦点是高性能计算，重点讨论了人工智能及其工作负载，以及我们需要如何构建下一代系统以支持人工智能的发展。我以传统的IBM高性能计算为起点，讨论了目前的技术发展现状，以及Z Systems 大型机的情况。针对更多计算能力逐渐融合的需求，芯片规模和制程提升也有所放缓。我们需要为新的工作负载进行架构设计，它需要大量内存。如何把所有这些需求结合起来，这会从封装开始对工艺有所影响。
Johnson：人工智能计算能力需求每3个半月翻一番，您列举的数据值得关注，能详细介绍一下这个数据吗？
Dale McHerron：AI算法越来越复杂，人工智能技术正在蓬勃发展，并且已经有很多实际应用。这些算法变得如此复杂，比推理要复杂得多。训练时，是针对模型进行；实际上，推理是在现实世界中使用训练结果。这些算法的训练要求变得如此复杂，因此需要每3个半月增加一倍的计算量。软件和算法领域，在复杂性和能力方面确实取得了很大的飞跃和进步。
Johnson：感觉比摩尔定律更快。有些观点认为摩尔定律已经无法维持，现在，事实上，对硬件的要求反而更高。
McHerron：是的。业界对数据中心的能源消耗量有很多看法。世界上约3%的能源被用于数据中心，这些新的工作负载没有达到较高的效率。
Johnson：你还谈到了阻碍计算发展的制约因素——其一是电力消耗。但从封装的角度来看，您还讨论了多芯片模块（Multi Chip Module，简称 MCM）的复兴。20~25年前，MCM存在后又消失了,是什么使其又重回人们视野的？
McHerron：随着芯片制程和规模提升的放缓，每一代硅芯片上的晶体管数量已经不像过去那样快速提升。随着计算量的增加，需要越来越多的晶体管。系统架构师会问：“怎么能在我的封装里放入更多的硅晶片来完成这项工作？”正如我所提到的，我们已经达到了光刻尺寸的极限，下一代硅光刻机可能会在2030年前投入制造；光刻尺寸将缩小一半。现在，要获得能够满足计算所需的硬件，必须在单位体积中放入更多的晶片，但不能把它们放得太开，那样耗电量会非常高。要在单位体积中塞进更多的晶片，但我们无法像以前那样通过缩小晶体管，必须通过封装实现。
Johnson：是否可以比较一下多芯片模块、小芯片（chiplet）和异构集成型封装的区别？
McHerron：过去，MCM基本上只是将更多相同的芯片放入同一个封装中。在小芯片架构中，每一块芯片都有各自的功能和特性，必须以高效的方式将封装内所有不同的功能互连起来，才能获得高能效。
Johnson：太好了。谢谢您接受采访。
McHerron：不客气。
欢迎扫码关注我们的微信公众号
“PCB007中文线上杂志”
点击这里即可获取完整杂志内容。
.jpg)
