1. 程式人生 > >專訪圖靈獎得主David Patterson:8年前就得知被提名,AI躍遷看好邊緣計算

專訪圖靈獎得主David Patterson:8年前就得知被提名,AI躍遷看好邊緣計算

栗子 李根 發自 清華 
量子位 報道 | 公眾號 QbitAI

2017年圖靈獎,最終頒給了John L. HennessyDavid A. Patterson.

他們一個是前斯坦福大學校長、現Alphabet董事長,另一個是UC伯克利退休教授,現谷歌TPU專案的科學家。

他們因開創性的RISC方法——全稱精簡指令集計算機(reduced instruction set computer)而加冕電腦科學領域最高榮譽。

而這一次,David A. Patterson在榮膺圖靈獎後,首次來到中國。

640?wx_fmt=jpeg

在一場清華榮譽博士學位授予和題為《計算機體系結構,下一個黃金時代》的演講之後,Patterson教授接受了量子位專訪。

這位新晉圖靈獎得主、一代計算機體系結構宗師、任教UC伯克利40年教授,影響幾代工程師的教材《計算機體系結構:量化研究方法》的編寫者……

向我們分享了更多講座之外的所思所感。

關於圖靈獎,關於晶片和軟硬體趨勢,關於AI瓶頸和躍遷關鍵,還有科研人才留校or去企業的抉擇建議。

Patterson教授言無不盡。

640?wx_fmt=jpeg

 David A. Patterson教授

圖靈獎?

“8年前就告訴我被提名了”

Patterson教授說,他早在8年前就被劇透得到了圖靈獎提名。

他自己也參與過一些獎項的評選,一般提名了誰,都不會事先告知,這樣最後如果沒得獎,也不至於失落或尷尬。

但是圖靈獎評委會的人啊,太實誠。早在8年來就告訴他得到了提名,然而年復一年,始終沒有守得雲開見明月。

怎麼形容這種“煎熬”?

Patterson教授回憶,自己每年開獎前,都覺得今年要輪到他了,但結果都沒中。

於是到今年,他實際已放棄期待。

萬萬沒想到,2017年圖靈獎,終於頒給了他。

得知中獎瞬間,只剩一種感覺:Fantastic!

晶片

這是軟硬結合的黃金時代

圖靈獎歷史上,頒給計算機硬體領域的次數,並不多。

所以是不是也意味著時代轉關、風向變化——一個硬體的新黃金時代正在\將要來臨?

Patterson教授不完全認同。

他認為軟體依然會有很多很好的機會,且關鍵所在是不少人才投身其間。

但硬體領域,現在人還不多,或者把範圍擴大——軟硬結合,聚集進來的人才也還不夠。

不過他很看好軟硬結合的大趨勢,因為目前形勢下,如果要尋求更好的效能,軟硬結合是重要方向,機會很好。

大環境也正在發生變化。

幾年前,圍繞硬體、計算等方向的創業公司屈指可數,且不太容易拿到投資。

現如今,很多VC都把更多目光投向硬體,或軟硬一體,也有不少原先專研機器學習的學生,在運用軟硬結合的方式加速機器學習,都是因為需求看到了機會。

總之,Patterson教授的觀點是:純軟體的天,已經變成了軟硬結合的道。

不論是科研,還是產品研發,軟硬結合,都可能是看得見的方向——可能產生大影響的方向。

640?wx_fmt=jpeg

看好邊緣計算

不過如果你創業,Patterson教授還有一點小建議:

往邊緣去創新,因為雲的機會搶不過巨頭。

Patterson教授表示,即便軟硬結合機會很大,但如果你想在雲戰場跟巨頭爭奪,90%的初創公司可能會失敗。

什麼樣的公司對雲市場有決定權?巨頭。谷歌阿里百度一類的公司。

甚至英特爾,都無法在雲市場跟這些巨頭爭鋒了。

在雲端計算這個戰場,有點歷史重演。

在計算機行業發展過程中,起初先有過一段垂直整合的階段,即自上而下吃掉整個市場,你硬體是IBM的,作業系統也是IBM的,什麼都要買IBM的。

但後來又演化成了橫向整合,英特爾的晶片、微軟的作業系統,甲骨文的軟體。

而現在,趨勢更像垂直整合一些。

那些已在雲端佔有優勢的巨頭,擁有完整軟體架構,有全套硬體,變革流程,革新架構,越往後,出現的垂直整合結果,可能還會超過IBM時期。

因為做雲To B,客戶來了之後,雲服務公司就可以決定給怎樣的客戶提供對應的硬體。

所以,無論軟硬結合機會如何大,雲市場,誠不可與巨頭爭鋒。

但邊緣一側,完全另一番天地。

Patterson教授預測,會誕生成百上千的初創公司,而且各有所長,說不準誰能笑多久,又有誰可以笑到最後。

歸而言之,他也更看好專注圍繞邊緣搞AI的公司,無論美國還中國。

AI瓶頸

躍遷關鍵在計算

如果將問題再擴大,AI的下一個機會會在什麼地方?

Patterson教授說,依然在計算。

他解釋,雖然這波AI浪潮因深度學習而興,但沒有GPU等計算資源也不行。

所以如果談論AI躍遷的關鍵所在,他認為還是計算。

比如現在很多機器學習任務,就受到了計算記憶體\快取的限制,諸如自動駕駛等應用每時每刻都在產生難以想象的資料和計算需求,但由於計算限制,很多工挑戰叢叢。

所以他再次強調,計算,或進一步說是邊緣計算,可能會給AI的下一步發展帶來驚喜。

當然,Patterson教授還展開講了一點“題外話”,因為大家都在問新技術,但沒有關注到新挑戰。

由於AI狂飆突進,資料和計算規模都前所未見,所以背後的安全問題,也值得更多關注。

有需求,自然也就有機會,所以Patterson教授也表示,安全領域,也有很大機會可言。

640?wx_fmt=jpeg

 學生紛紛拿教材來求籤名

科研人才何去何從

身體吃不消了才從UC伯克利退休

最後,我們也問了Patterson教授關於產學研正在面臨的人才挑戰。

因為AI復興後,不少肩負教育責任的高校科研人才,被企業重金挖走,不是沒可能造成下一代的人才斷層。

最典型的案例,如Uber幾乎端走了CMU的機器人系。

但Patterson教授並不悲觀,他覺得Uber和CMU的現象確實存在,但並非常態。

因為對於很多人才來說,最希望的狀態,就是“兩邊有兼顧”,一半時間服務於企業,另一半時間繼續參與學校前沿課題的研究,如此“兼職”的案例,越來越普遍。

但Patterson教授否認,他退休UC伯克利後加盟Google,不是出於上述原因。

他是因為身體有點吃不消了。

Patterson教授說,UC伯克利退休前,自己已經68歲,如果每週還要工作60小時,不太能堅持下來了。

而且任教40年退休,這數字也挺合適,因為如果45退休,聽起來跟40差不多,但堅持到50,他自己又信心有限了。

於是他決定退休,但依然想幹點事情。

剛好2013年學術假期時曾加入過Google,當時參與了一個叫Pixel visual core的專案,主要是在Pixel 2手機硬體上,加速影象處理等事宜,實現高清逼真的照片。

那時候他就覺得挺快樂,不需要隨時聽人彙報,跟讀博時狀態差不多,感覺像重回學生時代,每天都是T恤牛仔褲,隨意自在,挑戰腦力,但不用每週幹滿60小時。

現在,他在Google做的是TPU方面的研發。Patterson教授說這是一個全新的領域,他還在找最好的工作方法,但也非常有趣,因為可以激發人的潛力和智慧 (Intellectually Stimulating)。

640?wx_fmt=jpeg

在校 or 在企?

如果比較在學校做研究和在公司做研究的不同,Patterson教授會回答:角度不同,結果也會不同。

在學校,可以天馬行空,可以不停暢想未來,敢想敢做。

但在企業,就不能太未來主義,並且談到比較有未來感的計劃,都要態度更務實一些。

另外,在學校發論文,可以毫無保留。但在公司,就謹慎得多,會考慮究竟能透露多少資訊,是否留有足夠的競爭優勢,更主要是讓外界知道研究很厲害,但到底如何實現,不能說太細。

然而,對於Patterson教授自己,他覺得過往皆序章,他很享受自己過去現在和未來。

比如他當年如果不留在學校,可能就不會跟一起獲圖靈獎的John Hennessy寫教材,多少還是會有遺憾。

總之,追隨內心,享受當下。

Three more things

一、David A. Patterson教授此次被清華授予了榮譽博士學位,而他所作的《計算機體系結構,下一個黃金時代》主題演講,後續會對外分享Keynote。

二、會上Patterson教授還撒了一把狗糧,說自己跟太太相知相守51年,非常幸福(從UC伯克利退休也是為了更好陪伴家人吧)。

三、Patterson教授跟清華還有另一層緣分,他僅有的2名中國博士弟子,全部來自清華。一位是晶片創業專案OURS的創始人譚章熹,另一位則是現任清華交叉資訊研究院助理教授徐葳——當然,徐葳老師目前的“Boss”姚期智教授,也是圖靈獎得主^_^

640?wx_fmt=jpeg

 Patterson教授2位中國博士弟子:

左一徐葳,右一譚章熹

年度評選申請

640?wx_fmt=jpeg

加入社群

量子位AI社群開始招募啦,歡迎對AI感興趣的同學,在量子位公眾號(QbitAI)對話介面回覆關鍵字“交流群”,獲取入群方式;


此外,量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募,面向正在從事相關領域的工程師及研究人員。


進專業群請在量子位公眾號(QbitAI)對話介面回覆關鍵字“專業群”,獲取入群方式。(專業群稽核較嚴,敬請諒解)

活動策劃招聘

量子位正在招聘活動策劃,將負責不同領域維度的線上線下相關活動策劃、執行。歡迎聰明靠譜的小夥伴加入,並希望你能有一些活動策劃或運營的相關經驗。相關細節,請在量子位公眾號(QbitAI)對話介面,回覆“招聘”兩個字。

640?wx_fmt=jpeg

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態