杰森·瑪爾斯（Jason Mars）打造了屬于自己的 Siri，然后貢獻了出來。他是密歇根大學的一名計算機科學教授，與該校數(shù)名研究人員合作，于最近開發(fā)出了一個可以對語音命令做出即時反應的數(shù)字助手 Sirius，就像 iPhone 上的 Siri 一樣。接著瑪爾斯開源了 Sirius，免費向全世界分享其代碼。

軟件工程師可以通過 Sirius 探索現(xiàn)代語音識別的復雜性，甚至在自己的移動應用中加入語音識別功能。在瑪爾斯看來，這就是世界的動人之處。

但這一項目還有另一目的?，敔査挂惨庾R到，支撐如今互聯(lián)網(wǎng)的龐大計算中心還沒有準備好迎接即將到來的語音革命，他希望通過 Sirius 向這些機構展示該如何改變。他說道：“我們想要理解該如何建造未來的數(shù)據(jù)中心。”

要知道，像 Siri、 Google Now 和微軟 Cortana 這些數(shù)字助手并不只是運行在手機上。它們運行在計算中心數(shù)以千計的機器里，而隨著全球越來越多的人使用這些服務，普通機器已經(jīng)無法滿足運行它們的要求了。因為這會占據(jù)太多空間，消耗太多能源。我們需要高效得多的硬件來做這件事。

通過 Sirius 這一開源項目，馬爾斯及其同事們（包括一位名為 Yunqi Zhang 的密歇根博士生）就能展示像 Siri 這樣的工具如何在數(shù)據(jù)中心里運行，并最終識別出最適合運行語音服務的硬件。這樣的硬件也能用在其他重塑互聯(lián)網(wǎng)的人工智能工具上，如人臉識別、無人駕駛汽車。

讓谷歌搜索相形見絀

在測試 Sirius 時，瑪爾斯已經(jīng)證明，用傳統(tǒng)硬件運行 Sirius 需要的設備數(shù)量、空間和能源是谷歌搜索等基于文本的搜索引擎的 168 倍?？紤]到語音識別不僅是移動手機也是可穿戴設備的未來，這根本不切實際?，敔査贡硎荆?ldquo;我們將遇到瓶頸。”數(shù)據(jù)中心不僅占據(jù)空間，需要海量資金來建設，還會消耗海量能源。

問題是：用什么硬件來取代傳統(tǒng)機器？

這不僅會影響到蘋果、谷歌、微軟以及眾多應用開發(fā)商，還會影響到銷售數(shù)據(jù)中心硬件的公司，乃至英特爾和 AMD 等知名芯片制造商。AMD 首席技術官 Mark Papermaster 表示：“這對于我們的未來意義重大。”

這也是瑪爾斯開展 Sirius 項目的原因。蘋果、谷歌和微軟知道這一新興服務如何運行，但世界上其他人不知道，而他們又需要知道。

并行宇宙

從谷歌的網(wǎng)絡搜索服務到 Facebook 的社交網(wǎng)絡等大部分網(wǎng)絡服務都運行在英特爾、AMD 的服務器芯片上（主要是英特爾）。問題是：這些中央處理器并不怎么適合運行 Siri 等語音識別服務，因為語音識別服務需要同時進行非常多的小規(guī)模計算。

正如谷歌、微軟、百度等公司所說的，這些計算在最初用于處理復雜數(shù)字圖像的圖形處理（GPU）芯片以及用于特定任務的可編程門陣列（FPGA）芯片上進行效果更好。谷歌已經(jīng)在 Google Now 中使用 GPU 來驅動類似于人腦的“神經(jīng)網(wǎng)絡”，微軟則在用 FPGA 驅動必應搜索引擎的部分功能。

雖然必應并不處理語音，但 GPU、FPGA 能提高所有需要快速完成的網(wǎng)絡服務的效能，主要是因為它們無需消耗太多能源，也不占據(jù)太多空間。

基本上，如果采用 GPU 和 FPGA，人們就能在一臺機器上安裝更多芯片。盡管單個 GPU 或 FPGA 芯片不像 CPU 一樣強大，但卻將更大的計算分成小塊計算任務，然后分配給這些 GPU 或 FPGA 芯片處理。這在語音識別等應用上尤其吸引人，并行計算就是為它們而生。Papermaster 表示：“許多新興服務要求非?？斓貙Ａ啃畔⑦M行篩選。由于這些任務的重復性，可以通過 GPU 或 FPGA 來加速完成。”

GPU 現(xiàn)在不僅是語音識別的必然之選，也是其他基于神經(jīng)網(wǎng)絡的服務的選擇。這些“深度學習”工具涉及人臉識別、精準廣告等服務，最終它們還將幫助驅動無人駕駛汽車和機器人。負責谷歌大部分深度學習工作的 Jeff Dean 表示，谷歌現(xiàn)在在混合使用 GPU 和 CPU，以運行驅動著約 50 種谷歌網(wǎng)絡服務的神經(jīng)網(wǎng)絡。

不過微軟也證明，F(xiàn)PGA 可以成為另一種選擇。通過開源數(shù)字助手 Sirius，杰森·瑪爾斯要尋找最適合未來互聯(lián)網(wǎng)服務的現(xiàn)代數(shù)據(jù)中心架構。

不限于蘋果和谷歌

目前答案依然不明朗。但通過 Sirius，瑪爾斯至少證明了 GPU 和 FPGA 是比 CPU 更好的選擇。瑪爾斯表示：“未來的數(shù)據(jù)中心設計必然要包括 GPU 或 FPGA。這至少能帶來一個數(shù)量級的提升。”

他表示，人們可以通過編程讓 FPGA 做任何事情，F(xiàn)PGA 的效率要比 GPU 高得多（根據(jù)密歇根大學的測試，F(xiàn)PGA 的性能是 CPU 的 16 倍，GPU 約為 10 倍）。但它們需要更多的設計工作。谷歌、蘋果和微軟等公司必須招聘能給它們編程的工程師。

GPU 也需要一些額外工作。在使用 FPGA 時，工程師必須對軟件進行定制，以適應這些芯片。但工程師無需對芯片進行編碼?；谶@一原因，GPU 要更為可行，尤其是考慮到語音識別工具最終將不再局限于蘋果、谷歌和微軟，還會進入不大愿意雇傭芯片工程師的公司中。

瑪爾斯說道：“Siri、Cortana 和 Google Now 以及實時進行數(shù)據(jù)分析和處理視頻的先進應用就是技術的發(fā)展方向，也是行業(yè)的發(fā)展方向。”

不管這一切會怎么實現(xiàn)，都將重塑計算機芯片領域。英特爾已經(jīng)在探索 FPGA。GPU 制造商英偉達正將深度學習浪潮推向新高峰。數(shù)年前收購了 GPU 制造商 ATI 的 AMD 也在持續(xù)深入這一領域。正如 Papermaster 所說的，AMD 正在與行業(yè)內的各個公司合作，以便打造出能讓程序員更容易為 GPU 編寫軟件的工具。

考慮到 Facebook 和微軟等互聯(lián)網(wǎng)公司正在探索在數(shù)據(jù)中心里使用低功耗的 ARM 芯片，芯片市場注定會在接下來數(shù)年中發(fā)生重大變革。杰森·瑪爾斯以及他的 Sirius 項目旨在展示這一未來會是什么樣。但 Sirius 也可能驅動這一變革。畢竟，如果大家都在運行自己的 Siri，他們就需要自己的芯片。

via wired