一对一:迈克穆勒

部门首席技术官迈克穆勒坐下来与半导体工程讨论范围广泛的技术和市场变化,包括机器学习的影响,会出现新的市场机会,半导体行业将如何需要改变拥抱他们。以下是摘录的谈话。

SE:获得,而不只是开发芯片,我们看我们能做什么与技术。我们有足够的处理能力来实现机器学习,和足够的带宽和内存,让它无处不在。这只是一个狭窄的区域。你在哪里看到这个标题?

穆勒:我们会挂在所有的高易怒的/晶体管没有/软件/云/ appsy世界,“但是有很多其他地方。 例如,在基因编辑,人们从我们在路上特别美味的食物谁会给你注射血浆从年轻人因为你将如何恢复你的活力。有很多生物医学的东西这是转型。CRISPR基因编辑提出了一大堆的伦理和道德问题,但技术已经有了,它会工作,我们要了解更多关于移动所需的比特实现什么。它的经典科幻满足技术符合生物学与人类,将模糊的界限。

SE:整个手机时代的重点是低功率延长电池寿命,因为我们有足够的处理能力。但突然间,处理能力似乎重新流行。为什么?

穆勒。在加工方面,明显的是,人们会找到有用的东西不管你给他们。如果你看看手机进化,我不认为有人真的把它一起能够说,‘这是应用在2017年将会做什么,这是多少带宽消耗,因此这是计算需要多少。它更像是,如果我们有更多的计算,或更多的审稿,我们可以做一点。人们消费将继续使用它。我们还没有到达高原。

SE:一些热市场所有的处理能力是人工智能和机器学习。接下来会发生什么?

穆勒:我们构建引擎来启用。如果你回到手机的进化,我可以给你手机的硬件路线图,因为我们可以看看摩尔定律在做,你可以看看处理器架构是要做的,你可以看看那些东西做在1960年代,你可以映射出来。我们在手机做了前瞻性的预测。但是我们没有说“超级”或“虚拟现实游戏。所有的消费者现在没有手机联系起来,即使你知道硬件的路线图是什么。

SE:我们也有一个硬件路线图。现在,IEEE打破了它分成垂直市场和水平技术太少了。

穆勒:但是在任何特定的细分市场可以形成一个对制造技术要做什么,我们能够构建、内存技术是要上演。

SE:不过,这不是所有的进化,对吧?我们现在跳跃到不同的地区。

穆勒:是的。你可以说硬件到哪里去了。但随着生物医学,在某种程度上的人会把它连同任何适当的移动电话技术。它不是等待下一代的手机等待下一代生物医学的东西来,它的工作原理。是的,我们会用它的计算组件。

SE:这是整个市场。你不知道事情将会进入这一市场,而之前这是一个相当线性发展。如果你看看自己的收购软银,没有人期望。

穆勒这里有两块。一是,底层平台是什么?“将会有一个新兴生物医学平台,将使事情发生。这些平台上的软件和服务,人们的梦想,这一点这是最不可预测和最难有路线图结果会怎样。那才是真正的发明和创造。

SE:翻转,所有这一切,你担心的是什么技术?

穆勒:随着技术变得越来越嵌入到人们的生活,黑客和安全漏洞的影响更显著。有一个脱节的人说他们想要什么,他们准备做些什么来保护自己。这让我担心。技术变得越来越嵌入式,越来越多的了解你。社会没有响应,此刻。

SE:那么是谁有权利到数据?

穆勒:是的。不仅仅是使事情更加安全。这是一个重要的部分,你可以滚了。是谁拥有数据周围的基本问题,谁可以做什么数据,允许你给什么,你了解下游的后果,人们是否意识到他们的隐式地签署了。这是一个社会问题。我不确定它是这项技术。它是人们用它做什么,它是如何被使用和社会影响是什么。在技术方面例如基因编辑和医疗干预,打开整个优生学的辩论。有一些真正重要的问题需要解决在它是什么是人类。

SE:如此设计成为数据的起始点,而不是技术?

穆勒:企业和商业模式的,是的。设备,很多,将来,永远都是植根于现实世界,你需要处理的比特和字节和兆赫。但这取决于产品和服务开发的数据给我,我可以学习,我如何提取和货币化。设备仅仅成为等式的一部分。有这个从我用于购买这个物理的东西,“这是什么产品,要我支付服务和我可以免费得到的东西。”

SE:你不真正关心的东西。你关心服务。

穆勒:是的,价值转向我支付,如何补贴,以及它是如何工作的。

SE:当这一切发生时,我们开始得到更紧耦合的硬件和软件比我们过去吗?我们已经搬到合作设计了20年,这里还不完全。

穆勒:紧耦合只有当有其他严重约束。而所有单独的组件是迭代和移动如此之快,没有时间停下来把它们再次在一起。当你开始遇到的限制,当你回到说,“我不能承担平台双,双,双,再翻一番。“我需要退后一步,看看我怎么好好利用这个平台。这种情况不会发生,直到世界上的一些地区慢下来。

SE:另一个趋势是严重的定价压力的逻辑。单片机价格去年下降了15%,和处理器价格下跌了。有这么多的处理能力和通用硬件可用这些天,这是很多公司更难区分。如何打回到你的世界吗?

穆勒:这是一个趋势已经持续了很长时间。个人电脑市场有着完全不同的边缘结构在某些部分,但是如果你在前线的航运盒子你会说利润很久以前就被吃掉了。在大多数市场,手臂在,我们一直在世界上有更多的竞争,因此更薄的利润一直。这不是一个彻底的转变。这是一个紧缩的一切照旧。对我们来说,保持一个许可和版权业务。这并不改变。

SE:我们在前进,这个模型扮演侵蚀价格到一定程度,我们开始看到价值来以不同的方式?如果是这样的话,价值在哪里?是自定义的值设计为一个特定的市场或由不同的构建块的包吗?

穆勒:如果你回到链顶端的oem厂商,不同的oem厂商决定谁想要完全垂直整合和已分化的UI设计使用商品或产品营销。不同的球员采取不同的路线如何他们想要这样做。

SE:在某些市场,我们可以计算他们所有的一方面。

穆勒:是的,一些市场整合。今天有更少的手机玩家,例如,比10年前。但如果你看看物联网,这是完全相反。有1001个球员,没有标准化,大量的多样性,和规模实际上是一个挑战。这是一个完全不同的动态。人们今天在物联网中提取价值将在10年内完全不同的时候会有一个小数量的球员在不同的层。如果你看一下市场,他们正在以非常不同的方式。移动了,如果不是真正成熟,然后接近。

SE:我们看到更多的异质性与加速器和一个不同的应用程序设计。系统越来越复杂的组件,在某些情况下,简单。

穆勒:人得知异构进化,我们也会有复杂的软件堆栈。所以人们现在更好地投入他们的抽象层,锻炼他们所有的编程接口,然后能够说“我在这里有一个定制的硬件加速器。但是如果它不在这里,如果我有一个不同的一个,没有涟漪的软件堆栈。“你回去15年,加速器几乎成为了从用户级程序,它都是粘在一起。现在,它的抽象非常好看,你可以设定有或没有,加速器和上面的软件栈仍然保持不变。软件开发的复杂性是匹配的硬件组件的复杂性。

SE:当您添加更多的粒度的设计,还有同样的关注黑硅和关闭核或各种功能?还是开始走向世界,为特定的应用程序组件的大小?

穆勒:在移动所发生的是我们最后的温暖的硅。“有比我们可以使用更多的晶体管,但你打开它,你不能运行它竭尽全力,因为它太热,你节流。所以人们发现使用晶体管的一种不同的方式,那就是,“尽我所能。当我们做了黑硅的工作,我们没有预料到的复杂程度能够从芯片中提取最能因为有这个的元素添加,这实际上意味着你可以利用黑硅,只要你没有做它经常和太多。

SE:这是一个线性发展了摩尔定律,你有这些额外的核心,但你不能把他们所有的时间,因为他们太热了。你必须谨慎和适当地使用它们。我们看到更多的你近门槛计算东西进来。人估计这些不同与不同大小的内核。

穆勒:整个大。很少或big.medium。他们都是跳舞的方式,同样的问题得到最你可以从你的热力和电力预算。

SE:所以世界去了建筑师。他们能做什么,以前没有做过的?

穆勒:我们仍在路上异构系统的启用。你就会看到我们推出大量的东西机器学习图书馆的抽象所以你不在乎是否运行在Arm处理器,在马里图形引擎,或在您的自定义硬件加速器因为你抽象与神经网络库。这都是试图简化软件开发环境的样子。如果你看任何真正的系统部署,成本并不在芯片或装置,它在软件和应用程序放在上面,然后是系统工程需要部署在现实世界中那些完整的系统。虽然它是至关重要的,你最需要的硬件,你的工作是使它尽可能容易使用,因为它的软件开发框架最重要的是,所有的钱都花了。

SE:你是惊讶,机器学习是踢得那么快?

穆勒:我们只是做了一个机器学习项目CPU验证。你能训练一组分类出好的和坏的测试工作负载存储单元?答案是肯定的。生成测试是便宜的。跑步是非常昂贵的。所以如果你可以训练一个分类器识别好的测试,您可以生成一百万多,运行它们通过分类器并选择最好的。你可以减少一半时间做验证。有机器学习产品。您可以使用机器学习,使你的业务更有效率。你的客户可能永远不会知道任何关于这些东西。 It’s not just about shiny new toys. It’s actually about looking at everything you do. And for us, a big chunk of our effort goes into verification. Machine learning can do some of it better than people. It’s not a sexy application, but it’s a significant cost in our business. What’s happened is the tool flows for doing machine learning have gone from geeky research to the point where you can download it and have two people sit on the side of a verification team and see what they can hack together. With remarkably inefficient, badly stitched together machine learning algorithms and a few CPU cycles, you can transform how we do this. I am surprised you can do an awful lot with very little. It’s because there are now a lot of high-quality tools out there that let you build flows and stitch it all together.

SE:算法、培训和推论有所改善,我们在边缘设备上运行所有这些,这是以前从来没有可能。那么,这将会推出吗?

穆勒:毫升将一切联系。

SE:你如何看待毫升与人工智能吗?

穆勒:人工智能、机器学习、深入学习和神经网络都是同一事物的变化。做一个设备,你认为是聪明的你可能需要很多不同的比特编织在一起。一个大的机器学习。

SE:你仍然认为手臂是一个知识产权公司吗?

穆勒:我们添加物联网云服务在过去的一年,所以你可以和你的设备管理并附上您的设备我们云运行24 x 7。这是一个云服务,而不是一个IP。我们仍然有一个IP。这就是大部分的业务。但是我们现在有一个真正的云服务业务,这是新的。

SE:移动你大大接近客户,对吧?

穆勒:是的,因为这些云服务的客户更接近OEM-it不是芯片的人。这不是在某些方面相同的客户作为我们的芯片伙伴的客户,经常因为它是一个完全不同的相同组织的一部分。

SE:当你朝着这个方向,你没有得到的见解在过去当你完全是一个嵌入式IP核心供应商?

穆勒:你越接近客户,学习得就越多。我们看到在1997年推出的第一个诺基亚手机。手臂开始于1990年,我在1993年开始飞定期访问诺基亚和诺基亚继续满足至少一年两次。我们什么也没卖诺基亚,但是我们花了很多时间与他们。在早期的手臂,这是一个推/拉模型。我们推动技术半导体合作伙伴和我们去了oem和说服他们,这是真正伟大的技术和他们需要问他们的芯片。我们一直投资于与oem即使我们不卖任何东西。他们真正的问题和他们的人理解它是什么。诺基亚表示,我们的挑战是代码密度。通过与最终客户的接触,而不是我们的合作伙伴。

SE:它变得更加困难吗?你现在比过去更多的市场。

穆勒:世界变得越来越复杂,越来越快。每个人都在讨论行业成熟,巩固和所有让它听起来越来越容易了。它不是。它变得更加复杂。

有关的故事
设计的出发点是变化的
着需求和规则,可用性的IP和多种方式解决问题是对结构产生巨大影响。
下一阶段的机器学习
芯片制造商转向推论作为这一技术的下一个重大机会。
技术说:近门槛
一看权力的好处和性能的影响,设计接近电压阈值。