We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
郑
郑琪霖
郑琪霖: 我将计算机架构比作厨房，CPU 是厨房台面，内存是冰箱，存储是橱柜，算法是菜谱。摩尔定律推动芯片集成度提升，就像厨房不断增加设备，提升计算速度。CPU 发展是从简单的家庭厨房到专业的私房菜馆，不断优化硬件和软件，提升效率。GPU 最初用于图形处理，后来发展为通用计算处理器 (GPGPU)，核心在于大规模并行计算能力，就像大型餐馆，许多厨子同时处理相似任务。TPU 专注于张量运算，NPU 专注于神经网络处理，它们牺牲通用性以换取特定领域的高效能，就像预制菜中央厨房，专注于特定菜品的高效生产。TPU/NPU 通过降低运算精度来提升效率，就像用更简单的烹饪方法来加快出菜速度。2012 年 ImageNet 竞赛、2015 年 AlphaGo 引发了 AI 热潮，推动了 AI 芯片的发展，但 2019-2022 年期间发展相对停滞，直到 2022 年底 ChatGPT 的出现带来了新的突破性需求。ChatGPT 的训练需要 GPU 提供通用目的的处理能力，因为模型不固定，专用处理器无法满足需求。在 AI 领域，软硬件协同优化比单纯的硬件性能提升更重要。即使硬件性能提升 90%，但软件跟不上，也无法充分利用提升的性能。未来 AI 芯片设计可能由 AI 完成，高级工程师只需要定义架构，AI 可以自动生成代码。目前 AI 基础设施仍处于早期阶段，推理方面尤其混乱，而训练方面由于英伟达的绝对实力而趋于统一。在推理领域，拥有大模型的公司占据优势，没有大模型的公司很难进入这个领域。我认为我的工作不会被 AI 取代，这将是一个伟大的时代。未来，推理机会很多，但训练方面，英伟达占据主导地位。边缘端计算将是下一波机会，对能耗和速度要求更高，Meta、Apple 等公司有更大机会。
李厚明: (作为普通人视角，提问并引导讨论，未提出核心论点)
Deep Dive
本节以厨房做饭为例，生动形象地解释了计算机架构的核心要素（计算核心、存储器、算法）及其发展历程。从简单的家庭厨房到专业的国宴厨房，类比了计算机架构从单核到多核、从简单指令集到复杂指令集的演进，以及缓存、SRAM、DRAM等存储层级的优化。
- 计算机架构的核心要素：计算核心、存储器、算法
- 摩尔定律推动芯片集成度提升
- 缓存和SRAM等存储层级优化提升效率
- CISC复杂指令集提升执行效率
- 多核并行处理技术提升计算速度
Shownotes Transcript