全球首款非馮諾伊曼架構處理器即將面世
http://www.eettaiwan.com/news/article/20170612NT02-World-1st-Non-Von-Neumann-P
rocessor
https://goo.gl/a0xfKp
--
美國國防部先進計劃署(DARPA)目前正資助開發一種全新的非馮-諾伊曼
(non-von-Neumann)架構處理器——稱為「分層辨識驗證利用」(Hierarchical Identify
Verify Exploit；HIVE)。DARPA計劃在4年內半內投入8,000萬美元，打造這款HIVE處理器
。包括英特爾(Intel)與高通(Qualcomm)等晶片商以及國家實驗室、大學與國防部承包商
North Grumman都加入了這項計劃。
美國太平洋西北國家實驗室(Pacific Northwest National Laboratory；PNNL)和喬治亞
理工學院(Georgia Tech)負責為該處理器打造軟體工具，而Northrup Grumman則將建立一
座巴爾的摩中心，利用這款號稱全世界首款圖形分析處理器(GAP)執行國防部(DoD)的圖表
分析任務。
http://images.eettaiwan.com/3b4bbff7-1480-4254-b8e8-2f0240978c16.jpg
HIVE使用以資料的多層圖形顯示作為開始的序列(如圖)，開啟了圖解分析處理的方式，在
各層之間辨識資料之間的關係。（資料來源：DARPA）
DARPA微系統技術辦公室(MTO)計劃經理Trung Tran表示：「今日的電腦架構同樣採用1940
年代發明的[John] von Neumann架構。CPU與GPU均採取平行運算，但它的每個核心仍然是
von Neumann處理器。」
Tran說：「HIVE並不是馮諾依曼架構，因為它的資料稀疏，而且能同時在不同的記憶領域
同時執行不同的過程。這種非馮-諾依曼途徑可讓許多處理器同時存取，各自採用其本地
暫存記憶體，在全局記憶體上同時執行分散和匯集作業。」
http://images.eettaiwan.com/811228fb-8bd6-45af-8fc5-54414060addd.jpg
「晶片拼貼圖」象徵DARPA資助開發的新型處理器計劃——「超越微縮：電子復興計劃」
(Beyond Scaling: An Electronics Resurgence Initiative)正推動微系統結構和性能的
新紀元。（來源：DARPA）
圖形分析處理器目前並不存在，但在理論上與CPU和GPU有著顯著的不同。首先，它們經最
佳化用於處理稀疏圖形元素。由於所處理的項目稀疏地位於全局記憶體，因而也涉及一種
新的記憶體架構——能以每秒高達TB容量的超高速度隨機存取記憶位置。
當今的記憶體晶片經過最佳化，能以最高速度存取長序列位置(以填補其快取)，這些速度
大約落在每秒GB的範圍。另一方面，HIVE將以最高速度從全局記憶體隨機存取8位元資料
點，然後再以專用的暫存記憶體分別處理。該架構據稱也具有可擴展能力，但需要許多
HIVE處理器執行特定的圖形演算法。
Tran說：「當今所收集的所有資料中，只有大約20%是有用的——這就是為什麼稀疏——
讓我們的8位元組粒度對於巨量資料(Big Data)的問題效率更高。」
http://images.eettaiwan.com/bb630494-cf78-427d-bff1-fbc0ed8e3a72.jpg
即時繪圖分析需要高達Giga TEPS的處理速度(綠色)，才能辨識現場呈現的關係，這較目
前速度最快的GPU (藍色)或CPU (紅色)速度更快1,000倍。（來源：DARPA）
這種圖形分析處理器採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
架構晶片，據稱其功耗較今日的超級電腦功耗更低1,000倍。參與這項計劃的組織，特別
是英特爾與高通，也將有權商用化這款處理器與記憶架構。
根據DARPA，圖形分析處理器可用於解決Big Data的問題，因為這方面的問題通常是多對
多的關係，而非為目前的處理器最佳化的多對一或一對一的關係。
Tran說：「從我的立場來看，下一個需要解決的大問題就是Big Data，目前採用的方法是
回歸分析，但對於非常稀疏的資料點之間的關係來說，這種方法是無效的。我們發現，
CPU與GPU在處理問題的大小與結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。」
除了HIVE晶片，DARPA也呼籲共同開發軟體工具，並藉由同步平行存取隨機記憶體位置，
協助編程這種超越今日平行處理典範的新架構。如果成功了，DARPA宣稱這種圖形分析處
理器將有能力辨識傳統CPU與GPU難以處理的許多情況類型。
http://images.eettaiwan.com/de3b30ca-02e5-44a2-ad89-f6127d92efad.jpg
英特爾CPU、Nvidia GPU、Google TPU和DARPA提出的HIVE處理器之間的應用(上)和性能(
下)比較。（來源：DARPA）
DARPA認為，Big Data為圖形節點提供了感測器饋送、經濟指標、科學和環境測量，而圖
形的邊緣則是不同節點之間的關係，例如亞馬遜(Amazon)案例中的「購買」行為。
圖形理論分析的基礎可以追溯到著名的哲學家Gottfried Wilhelm Leibniz，以及
Leonhard Euler在1736年出版的首篇相關論文：「柯尼斯堡七橋問題」(Seven Bridges
of Königsberg)。從那時起，圖形理論已經發展成為建模隨機資料點之間關係的一系列
演算法和數學結構。HIVE架構的設計就在於使用這些圖形分析來辨識威脅、追蹤疾病爆發
，以及解答Big Data的問題，因為這些問題寺於目前的傳統CPU和GPU來說相當棘手。
為期四年半的DARPA計劃在第一年將與英特爾和高通共同設計晶片架構，而Georgia Tech
和PNNL則負責開發軟體工具。在第一年之後，將會選出一款硬體設計和一款軟體工具。
DARPA將為贏得硬體設計的公司提供5,000萬美元的贊助，但該公司也將自行提供5,000萬
美元。此外，DARPA還將為贏得軟體設計的組織提供700萬美元的贊助。
同時，Northrup將獲得1,100萬美元的資金，用於打造巴爾的摩中心，調查國防部對於圖
形分析的所有需求，並確保硬體和軟體製造商滿足這些需求。
英特爾數據中心副總裁Dhiraj Mallick表示：「HIVE計劃目的在於針對資料處理，利用圖
形分析處理器發揮機器學習以及其他人工智慧(AI)的影響力。」
Mallick有信心英特爾的晶片設計將會贏過高通，他說：「英特爾已被要求在這項計劃結
束時提供16節點的平台，在一塊電路板上使用16個HIVE處理器，英特爾也將擁有為全球市
場提供產品的權利。」
隨著這項計劃進展，這款HIVE處理器將可實現即時辨識與感知策略資產。相形之下，
Mallick說，至今我們還得依靠「失馬鎖廄，為時已晚」的事後分析…
--
怎麼沒有邀 AMD 幫QQ
--
http://www.eettaiwan.com/news/article/20170612NT02-World-1st-Non-Von-Neumann-P
rocessor
https://goo.gl/a0xfKp
--
美國國防部先進計劃署(DARPA)目前正資助開發一種全新的非馮-諾伊曼
(non-von-Neumann)架構處理器——稱為「分層辨識驗證利用」(Hierarchical Identify
Verify Exploit；HIVE)。DARPA計劃在4年內半內投入8,000萬美元，打造這款HIVE處理器
。包括英特爾(Intel)與高通(Qualcomm)等晶片商以及國家實驗室、大學與國防部承包商
North Grumman都加入了這項計劃。
美國太平洋西北國家實驗室(Pacific Northwest National Laboratory；PNNL)和喬治亞
理工學院(Georgia Tech)負責為該處理器打造軟體工具，而Northrup Grumman則將建立一
座巴爾的摩中心，利用這款號稱全世界首款圖形分析處理器(GAP)執行國防部(DoD)的圖表
分析任務。
http://images.eettaiwan.com/3b4bbff7-1480-4254-b8e8-2f0240978c16.jpg
各層之間辨識資料之間的關係。（資料來源：DARPA）
DARPA微系統技術辦公室(MTO)計劃經理Trung Tran表示：「今日的電腦架構同樣採用1940
年代發明的[John] von Neumann架構。CPU與GPU均採取平行運算，但它的每個核心仍然是
von Neumann處理器。」
Tran說：「HIVE並不是馮諾依曼架構，因為它的資料稀疏，而且能同時在不同的記憶領域
同時執行不同的過程。這種非馮-諾依曼途徑可讓許多處理器同時存取，各自採用其本地
暫存記憶體，在全局記憶體上同時執行分散和匯集作業。」
http://images.eettaiwan.com/811228fb-8bd6-45af-8fc5-54414060addd.jpg
(Beyond Scaling: An Electronics Resurgence Initiative)正推動微系統結構和性能的
新紀元。（來源：DARPA）
圖形分析處理器目前並不存在，但在理論上與CPU和GPU有著顯著的不同。首先，它們經最
佳化用於處理稀疏圖形元素。由於所處理的項目稀疏地位於全局記憶體，因而也涉及一種
新的記憶體架構——能以每秒高達TB容量的超高速度隨機存取記憶位置。
當今的記憶體晶片經過最佳化，能以最高速度存取長序列位置(以填補其快取)，這些速度
大約落在每秒GB的範圍。另一方面，HIVE將以最高速度從全局記憶體隨機存取8位元資料
點，然後再以專用的暫存記憶體分別處理。該架構據稱也具有可擴展能力，但需要許多
HIVE處理器執行特定的圖形演算法。
Tran說：「當今所收集的所有資料中，只有大約20%是有用的——這就是為什麼稀疏——
讓我們的8位元組粒度對於巨量資料(Big Data)的問題效率更高。」
http://images.eettaiwan.com/bb630494-cf78-427d-bff1-fbc0ed8e3a72.jpg
前速度最快的GPU (藍色)或CPU (紅色)速度更快1,000倍。（來源：DARPA）
這種圖形分析處理器採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
架構晶片，據稱其功耗較今日的超級電腦功耗更低1,000倍。參與這項計劃的組織，特別
是英特爾與高通，也將有權商用化這款處理器與記憶架構。
根據DARPA，圖形分析處理器可用於解決Big Data的問題，因為這方面的問題通常是多對
多的關係，而非為目前的處理器最佳化的多對一或一對一的關係。
Tran說：「從我的立場來看，下一個需要解決的大問題就是Big Data，目前採用的方法是
回歸分析，但對於非常稀疏的資料點之間的關係來說，這種方法是無效的。我們發現，
CPU與GPU在處理問題的大小與結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。」
除了HIVE晶片，DARPA也呼籲共同開發軟體工具，並藉由同步平行存取隨機記憶體位置，
協助編程這種超越今日平行處理典範的新架構。如果成功了，DARPA宣稱這種圖形分析處
理器將有能力辨識傳統CPU與GPU難以處理的許多情況類型。
http://images.eettaiwan.com/de3b30ca-02e5-44a2-ad89-f6127d92efad.jpg
下)比較。（來源：DARPA）
DARPA認為，Big Data為圖形節點提供了感測器饋送、經濟指標、科學和環境測量，而圖
形的邊緣則是不同節點之間的關係，例如亞馬遜(Amazon)案例中的「購買」行為。
圖形理論分析的基礎可以追溯到著名的哲學家Gottfried Wilhelm Leibniz，以及
Leonhard Euler在1736年出版的首篇相關論文：「柯尼斯堡七橋問題」(Seven Bridges
of Königsberg)。從那時起，圖形理論已經發展成為建模隨機資料點之間關係的一系列
演算法和數學結構。HIVE架構的設計就在於使用這些圖形分析來辨識威脅、追蹤疾病爆發
，以及解答Big Data的問題，因為這些問題寺於目前的傳統CPU和GPU來說相當棘手。
為期四年半的DARPA計劃在第一年將與英特爾和高通共同設計晶片架構，而Georgia Tech
和PNNL則負責開發軟體工具。在第一年之後，將會選出一款硬體設計和一款軟體工具。
DARPA將為贏得硬體設計的公司提供5,000萬美元的贊助，但該公司也將自行提供5,000萬
美元。此外，DARPA還將為贏得軟體設計的組織提供700萬美元的贊助。
同時，Northrup將獲得1,100萬美元的資金，用於打造巴爾的摩中心，調查國防部對於圖
形分析的所有需求，並確保硬體和軟體製造商滿足這些需求。
英特爾數據中心副總裁Dhiraj Mallick表示：「HIVE計劃目的在於針對資料處理，利用圖
形分析處理器發揮機器學習以及其他人工智慧(AI)的影響力。」
Mallick有信心英特爾的晶片設計將會贏過高通，他說：「英特爾已被要求在這項計劃結
束時提供16節點的平台，在一塊電路板上使用16個HIVE處理器，英特爾也將擁有為全球市
場提供產品的權利。」
隨著這項計劃進展，這款HIVE處理器將可實現即時辨識與感知策略資產。相形之下，
Mallick說，至今我們還得依靠「失馬鎖廄，為時已晚」的事後分析…
--
怎麼沒有邀 AMD 幫QQ
--
All Comments