圖靈獎得主David Patterson：將Python重寫為C，效能最高提升1000倍！

2017年圖靈獎得主之一、加州大學教授、Google工程師和RISC先驅David Patterson表示，沒有什麼是比現在從事計算機系統結構更好的時候了。

那是因為，摩爾定律真的結束了，他說：“如果摩爾定律仍然有效，那我們現在就落後了15倍。我們正處於後摩爾定律時代（post-Moore’s Law era）。”

上週，在聖何塞舉行的2018年@Scale會議上，Patterson表示，“我們已經處於效能增長的最後階段。當效能每18個月翻一番時，人們就會丟掉用得好好的臺式電腦，因為他們朋友的新電腦速度要快得多得多。”

但去年，Patterson曾說，“執行單個程式的效能只增長了3％，因此它是每20年翻一番。如果你只是坐在那裡等著晶片變得更快，你將不得不等待很長的時間。”

對於像Patterson這樣的計算機架構師來說，這實際上是個好訊息。他同時指出，這也是軟體工程師創新的好機會。“專為處理特定型別計算問題而定製的革命性的新硬體架構和新軟體語言，正等待我們去開發，”Patterson說：“這些事情你只要去做，就有機會拿圖靈獎。”

作為軟體方面的一個例子， Patterson表示將Python重寫為C可以使效能提高50倍。加上其他一些優化方法，速度會急劇增加， 與原始Python程式相比效能提高1000倍也是完全有可能的 。

在硬體方面，Patterson認為特定領域架構（domain-specific architectures，DSA）執行得更好。他說：“這不是魔術，只是我們能做的一些事情。”例如，應用程式並不都需要用同樣精度的計算。他說，對於有些應用，你可以使用比常規的IEEE 754標準更低精度的浮點運算。

Patterson說，機器學習是現在應用這種新架構和語言的最大機會。“如果你是做硬體的，”他說，“你希望你的朋友都恨不得要更多更多的計算機。”而機器學習對於計算來說是“貪婪的，我們太喜歡了”。

他說，如今，關於哪種型別的計算機架構最適合機器學習，業界有很多爭議，有很多公司在不同的架構上下注。谷歌擁有張量處理單元（TPU），每個晶片有一個核心和用軟體控制的記憶體（而非快取），英偉達的GPU則擁有80多個核心；微軟正在走FPGA的路線。

至於英特爾，Patterson表示他們“在所有的賽道上都下了注”，為機器學習推銷傳統的CPU，收購Altera（這家公司向微軟提供FPGA），並且收購Nervana，後者專注於開發神經網路專用處理器（類似於谷歌的TPU）。

除了這些大公司外，Patterson表示至少還有45家硬體初創公司都在解決這個問題，即設計機器學習專用架構。最終，他說，市場將決定一切。

“現在，”他說，“是計算機系統結構的黃金時代。”

原文釋出時間為：2018-09-18

本文作者：李靜怡

本文來自雲棲社群合作伙伴新智元，瞭解相關資訊可以關注“AI_era”。

原文連結：ofollow,noindex">圖靈獎得主David Patterson：將Python重寫為C，效能最高提升1000倍！