一个盒子外的计算方法

迈克•穆勒的首席技术官手臂,坐下来与半导体工程谈论改变客户机和服务器之间的界限,摩尔定律和机器学习在芯片架构的影响。以下是摘录的谈话。

SE:之间的界限模糊的被认为是一个客户端设备和服务器是什么?

穆勒:这是关于电脑比从古代世界的客户端设备连接到一个服务器,它生活在一个服务器农场在地球的另一边,比发生了什么来计算整个频谱。有很多东西在云端。有很多发生在网络,在发射塔,然后引导你的车和你的客户端设备。计算会发生在更多的地方,而不是今天。基本上,云的服务器搬出去,到网络和设备。

SE:我们似乎走向曾经被称为无处不在或普适计算,不仅仅是设备,尤其是当这些设备的功能得到改善。

穆勒:你仍然有程度的专业化。当你有一个服务器农场,你要的设备放在19英寸机架与冷却管理不同于我们最终会把基站或在您的手机。什么改变了很多这些东西是编程模型。编写应用程序,你关心多少是在客户端应用程序和运行的服务器软件?现在你说,‘这是我想要部署的应用程序。的计算将会发生。有时它会在设备上。有时它会在云中运行。

SE:有时会投机取巧,因为5克你可能不会得到相同的信号强度无处不在?

穆勒:是的,它是什么很难的并不一致。

SE:所以这对结构产生什么影响?

穆勒:从硬件架构的角度来看,这意味着你不能有相同级别的细分,这些特性只在这些服务器上。“我们试图将手臂是相同的架构,但它也可以运行在整个频谱。

SE:这里的变化之一是数据类型的数量需要桥接所有的工作。数据从一个视觉传感器将不同于振动数据在工厂。

穆勒:一个物联网系统可以生成大量的数据,从而导致的问题,这些数据被收集和处理。有些是接近完成收集数据,和一些批处理作业在一个服务器上别的地方。不同的数据类型有不同的特点。它是由一些时间。其中一些是由你想如何搜索数据。毫无疑问,数据类型导致非常不同类型的处理。但是你也可能想要回头看看相同的数据从不同的角度看,这意味着你有时必须存储甚至缓存数据,与多个视图的数据,所以当有人快速查询,你可以给他们答案。

SE:现在我们不只是现在看一件事,对吧?我们看不同种类的数据来自多个地方的聚在一起。

穆勒人真正架构系统,不仅是单个组件。

SE:你如何定义系统?

穆勒通信基础设施和计算机。

SE:所以手臂的潜在的新机遇和风险?

穆勒我们依赖于一定的线性摩尔定律扩展,让我们更快,低功率晶体管,这使得一些建筑的选择相对简单的。路线图慢下来,你必须认为更聪明。如果你想做的事机器学习机器学习,你需要想出一个加速器。你不能打开CPU运行得更快。而不是花更多的晶体管,使你的处理器更快,你把这些晶体管和获得更多的性能从机器学习通过构建自己一个毫升加速器。人更具创造性如何度过他们的晶体管。不仅仅是更多的相同。这是最大的变化从硬件体系结构的观点。然后你要开发一个软件栈,你不知道它是什么样子,因为今天是一个加速器,和明天可能回到核心。然后第二天可能是一些完全不同的系统上运行。所有这些不同的权衡。

SE:硬件的挑战是将一切都联系在一起,了解流程和数据优先与其他流程和数据?

穆勒:人们一直在构建复杂软件栈了很长一段时间。与互联网,当你建立一个网站你可以看到从你如何用来构建一个web站点。你现在有多个组件放在一起。现在你已经有了一个非常复杂的网站,你可以从视频到主页。人真的学会了如何整合复杂系统的15种不同的编程语言中,所有用脚本。构建复杂系统的动态的方式,能够扯掉组件,今天人们正在接近的方式设计。多年来,人们会帮助您构建这些构建平台。你会选择你的工具集,别人将关注同样的问题和建立一些完全不同的。将规模比另一个更便宜,放在一起,和其他将完全non-maintainable。但是没有一个简单的方法。 There are a few popular languages today, but when you decompose them and stitch things together, there is no commonality.

SE:这使得很多创新的空间,对吧?

穆勒:是的。还有,如果不是更多,创新的软件平台和硬件平台。

SE:但它不再是软件定义的硬件。每一个都有自己的潜在的不同的方向。

穆勒:过渡不再是关于硬件和软件。它是关于交付服务。我们必须维护它。我们必须保持活着。我们必须改变它而动态也保持服务启动并运行。

SE:这是困难的,对吧,因为我们不一定知道这都是标题吗?边缘是这整个一个新元素。有时候客户端/服务器,有时不是。

穆勒:那你加入有什么服务是由数据收集和处理。数据流是一样重要你怎么加入传感器到云上。

SE:这是管道的数据而不是电子呢?

穆勒:是的,这发生在这些数据的计算。

SE:这将怎样改变你的工作吗?

穆勒:以前的系统架构在一个盒子里。现在,你必须走出的盒子。这是一个完整的端到端系统,当我开始没有许多大系统,造就了如此众多的不同组件。

SE:机器学习/ AI适合呢?

穆勒:机器学习的一部分,不会发生在云中或边缘。它到处都在发生。得到毫升加速器在客户端和云计算设备。传统上,训练中发生的云。在未来,它会发生。你必须权衡,而不仅仅是关于cpu。将会有大毫升加速器和小毫升加速器。机器学习的变化带来的是数据的收集和处理成为整体提供服务。因此,您需要测量的数据,存储,你如何架构。我消费的数据去做我需要做的任何事情,在过去你可以扔掉它。 With ML, you need to keep it because without the training data you don’t have anything.

SE:现在,而不是权力,性能和成本,这仍然是重要的,你在看数据作为考虑的第一点吗?你打算怎么处理这些数据?

穆勒:就像一个缓存的问题。它可能是真的便宜做缓存,但它也可能会很慢。很多这些系统如何设计你需要多少数据快速复制,这样你就可以得到它。在汽车,有你需要的东西靠近车,等等,可以更远。随着时间的推移,成为一个动态的移动数据。

SE:几年前,物联网是一个热门话题。今天的物联网在哪里?

穆勒:什么都没有从根本上得到改变。随着越来越多的设备连接,更多的设备发送、消费和存储数据。你连接所有这些传感器和设备,你将会有很多更多的设备在云端。现在有机器学习和明显的接触点在消费产品。没有人愿意谈论更好的控制。他们想谈下一个功能在你的手机。机器学习是表示在你的手机照片识别和其他特性。实际的机器学习发生在物联网不断在幕后。它不是那么令人兴奋。你的建筑运行效率比前一年增加了12%。