未来的计算

研究部门的副总裁埃里克·Hennenhoefer坐下来与半导体工程谈论隐私、安全、高性能计算、加速器,和手臂的研究。以下是摘录的谈话。

SE:隐私、网络安全、硅光子学,量子计算都是今天的热门话题。你找到与这些新兴领域的真正有趣的吗?

Hennenhoefer:光学、量子计算、超导、摩尔定律——他们一直十年我的整个职业生涯。一些可能会发生的。

SE:尤其是量子?

Hennenhoefer:量子是有趣的,但我们不知道我们要做什么。好消息是我们有了新的算法quantum-resistant和密码之类的,所以它不是一个情况将会有一个突破,一切都坏了。我们已经知道这是未来,它是其中之一,我们需要一些电脑看看我们可以做些什么和他们因为它是没有的。目前还不清楚,因为他们的工作是不同的。他们将是一个新的工具。可以肯定的是,它会得到有趣的,但它是不可避免的事,这需要一段时间来找出如何应用这项技术。

SE:会发生什么,所有的传统计算资源在量子世界?

Hennenhoefer:我们有传统的编程计算,它工作得很好。现在所有的东西差工作,机器学习的削弱,这很好。机器学习真正有趣的地方是,它可以让我们解决之前我们不能做的事,比解决更有趣的事情我们可以做,但是就更快。,扩大市场。量子计算理论上可以传统计算机无法解决一些困难的问题。我们将能够使用广泛吗?有猜测我们可以做深度学习和东西但我们要等等看。手臂的作用是将从这些量子计算机将专门计算引擎,他们需要连接到常规计算。

目前许多这些量子设备工作在很冷的温度下所以我们已经找。你必须把理想的一个非常小的嵌入式处理器在它旁边。

SE:量子计算机的IP市场什么时候起飞呢?

Hennenhoefer:我们有一段时间,但是,类似于机器学习和所有这些新的应用程序,他们需要与现有系统集成。

SE:有胳膊成功的秘诀吗?

Hennenhoefer:这是商业模式的重要组成部分。我们问客户他们如何赚钱。他们说,“我认为这是我们卖东西。“不,如果你发布一个产品,如果你的领导合作伙伴不成功,你撅嘴。另一面没有生态伙伴关系的平衡,我们必须做所有这些东西。如果我们要做这些东西有业务挑战。我们能够收取足够了吗?我们会扩展吗?臂是一个相对较小的公司,我们的问题:我们将与英特尔的竞争,因为他们的销售更比我们的利润。答案是不仅是手臂。 It’s the whole ecosystem. We do research for the ecosystem and Arm Inc. Some of it is just paving the way, like through high-performance computing, where it is really our architecture partners that are going first. There are lots of benefits for us helping them be successful, and things do come into our products later, but we need to get there and make sure they have freedom to operate and prepare the market. There are only certain products that are going to be viable as IP products, and there’s a whole bunch of other stuff that won’t be, so it is important that we know what we can do and how to add value. Still, we do spend a lot of time worrying about what new technology means and what Arm need to do. Does the ecosystem need to do anything? Do we need to get involved with those memory standards, or is it all just going to be fine and we can stop worrying about it?

SE:齿轮转向硬件架构,你如何看待通用的兴衰与硬件为特定目的建造?

Hennenhoefer:有趣的嵌入空间,通常你有某种力量和实时约束,你可以做数学。如果一个通用的计算工作,你就完成了。但是有很多事情你不能做,如果你要建立某种形式的高端雷达系统你就不能这么做。在那里,你需要去设计定制的东西,这是更加昂贵。但一般你可以得到一个或两个数量级效率的,而且通常你推,只有到你然后需要停止。然后它变成了一个长期成本,成本构建定制的硬件。它必须保持,必须重新设计,在大规模scale-especially手机平台。这样,我们会有新的应用程序会要求超出通用。我们有其他的工作很好,你只是挂加速器边缘和能做的视频,音频和机器学习。它的发展基于。真的要取决于市场,还有总是需要一些专门的计算。晶体管越来越快,使我们能够建立在这里。最简单的事情就是所有在CPU上运行它。它只是简单。所以细分工作——有巨大的收益,但是如果你不需要这么做,因为cpu刚快每一年,你是好的。我们将会看到的延续需要额外的专业东西达到权力或挂成本资料。可能是CPU可以做到,但是我们需要做订单少级。

SE:机器学习适应吗?

Hennenhoefer:同样的适用于机器学习。手臂对机器学习的看法是,这将是无处不在。这是一个不同的类的计算,解决了问题,我们不是很擅长。完全是可怕的,但它不是一个CPU问题或一个GPU的问题,或FPGA、ASIC或加速器,因为它真的取决于。在一些应用程序中,我担心可能需要多少能量。它没有做快速是的,您可以自旋向上一些大的gpu,这是一种非常神奇的动物。他们有大量的带宽和计算,把一堆力量,但并不是每个人都需要,在所有情况下。如果你只需要一个小机器学习的时间不是关键,cpu很不错,无论是嵌入式gpu。同时,根据你的平台,一些人的角色有gpu。电力的原因,更重要的是,有些人需要一个加速器。 Arm Research’s role in this was really to focus upon all of our products and get them optimized. This predates machine learning. For us, we look at every new workload and ask what it means. For microprocessor people, all that means is new instructions. Maybe sometimes it means the ratio between compute and memory is different here. And if you’re going to target that we need to make sure we offer these things and provide some guidance. As with HPC, a lot of it involves paper studies to show how to configure Arm IP to meet the workloads so there is actual evidence before they build a giant computer. With machine learning, we added some instructions into the CPU that were an easy win. But second order is controlling how the data moves around through the microarchitecture and, and so it’s just a big optimizing engineering system.

SE:效果最好,什么?

Hennenhoefer:我们做过的应用程序。毫升是有趣的,因为它是如此之大,它可以应用无处不在。但是在将来CPU、GPU加速器,自己的加速器,不同的算法工具箱-这将是所有这些东西,所以没有一个大赌注。很多来自生态系统,。例如,如果你想在一个FPGA上运行机器学习,和有些人,Xilinx其中之一。它有一个核心。即使Nvidia Arm核在他们旁边。未来计算的故事真的是优化更好的应用程序,如果新芯片的速度有点慢这未必是一件坏事,因为你有更多的时间和你优化。旋转一个新的处理器每年类似于休假因为下一个即将来临。所有这一切将迫使人们看看实际的用例。 I

SE:硅光子学放在哪里?

Hennenhoefer答案是:“我不知道”,这是美丽的有一个150人的研究小组。我们有一个颠覆性技术路线图,是由我们的一个团体,和他们的工作是不断审查颠覆性技术和设置国旗时看下,如果某些东西改变我们需要注意。与量子,显然他们有一个营销人的地方。它更像是量子充分性。它发生的时候它会很酷。它发生时实际上是很冷,但我们必须看到的。至于光子学,我的假设是,它将出现在电信或HPC专业市场。它不会是一个IP块很快我们将许可证,但它很可能会影响AMBA总线是否太慢了。它是一样的通过3 d技术,chiplets和叠加。我们问,“这破坏任何东西吗? Can people build stuff within our standards? What do we need to do?’

SE:当涉及到隐私,这是一个日益严重的问题,该行业需要做什么?手臂能做什么呢?

Hennenhoefer:政府可能会调节和授权某些级别的安全性,这将给我们的规模经济能够做到。我们看看新技术和很多时候我们看到潜力。我们看着我们的核心市场被移动和答案可能是,“还没有。这可以追溯到在货架上,像64位。当我们观察方法更安全——DARPA项目,我们参与,我为美国国防部高级研究计划局选择困难的问题。他们的计划是解决所有。不过,有增加硬件成本打败这些攻击。我怀疑政府最终将会说这需要一个“安全级别三”,我们就停止谈论它。它就像,“是的,它是。”但是现在我们有一个情况,每个电脑都是不安全的。你走在通过USB总线。 Let’s not pretend it’s not. Companies like Google are doing a lot of work to make things more secure, but we’ll need to go through some rounds of security and there’s a cost. As processor people, we’re trying to save energy, and the ironic thing is the optimizations that we’re putting in for power and for performance are being used against us. There are ways to fix all that, which is good, but it’s the problem we didn’t know we had. We’re going to be in an extended period where we need to raise the awareness around security. The technology companies need to come up with additional building blocks and help get them adopted. There’s a role for government to play. They could accelerate that in niches and demonstrations, which is exactly what DARPA is doing.

SE:隐私放在哪里?

Hennenhoefer:隐私是困难,因为不同的文化有不同的期望隐私。这不是一个放之四海而皆准的。为了控制你的数据我们需要发明新的东西。还有像同态加密技术,零知识证明,让你对数据没有透露它的原因。区块链也在那里。你会看到技术被应用到政府。和零知识证明,您可以运行检查合规没有看到实际的东西。一般有一个良好的卫生习惯,但我们需要找出哪些新技术我们可以使用,不仅减少每个人的隐私,同时给了我们一些更多的透明度没有妥协。困难的事情将欧盟、美国、中国等都有不同的预期这是如何实现的。 Exactly how it’s going to roll out I’m not sure. But technology companies need to be in on this because, well, if you don’t use some signatures and some stuff in the beginning, there’s no way later to put it back in.