配资平台排行更好的硬件如何将零值变成AI加速引擎：稀疏计算让AI更轻量、更高效

在AI模型领域配资平台排行，规模至关重要。

尽管部分AI专家警告称，持续扩大大语言模型的规模正在遭遇性能收益递减的瓶颈，各大公司仍在不断推出体量更大的AI工具。Meta最新发布的Llama模型拥有高达2万亿个参数。

随着模型规模的扩大，其能力也在增强，但随之而来的是更高的能耗需求和更长的运行时间，进而加剧了碳排放问题。为了缓解这些问题，业界开始转向规模较小、能力相对有限的模型，并尽可能采用低精度数值来表示模型参数。

然而，还有另一条路径，有望在保留超大模型高性能的同时，缩短运行时间、降低能耗。这一方法的核心，就是充分利用大型AI模型内部大量存在的零值。

对于许多模型而言，大多数参数——包括权重和激活值——实际上都是零，或者非常接近于零，完全可以在不损失精度的前提下将其视为零处理。这种特性被称为稀疏性。稀疏性为节省计算资源提供了巨大机会：与其浪费时间和能量对零进行加法或乘法运算，不如直接跳过这些计算；与其在内存中存储大量零值，不如只保存非零参数。

遗憾的是，当前主流硬件（如多核CPU和GPU）并不能天然充分利用稀疏性。要真正发挥稀疏性的优势，研究人员和工程师需要重新思考并重构整个设计架构，涵盖硬件、底层固件和应用软件各个层面。

在斯坦福大学的研究团队中，我们开发出了（据我们所知）首款能够高效处理各类稀疏和传统工作负载的硬件芯片。在不同工作负载下，能耗节省幅度差异显著，但平均而言，我们的芯片能耗仅为CPU的七十分之一，计算速度平均提升至CPU的八倍。为实现这一目标，我们从底层开始，对硬件、固件和软件进行了全面的针对稀疏性的工程设计。我们希望这只是硬件与模型协同发展的开端，最终实现更高能效的AI。

数组与稀疏表示

神经网络及其输入数据以数字数组的形式表示，这些数组可以是一维（向量）、二维（矩阵）或更高维度（张量）。稀疏向量、矩阵或张量中大多数元素为零。稀疏程度因情况而异，但当零值占比超过50%时，就可以从专门针对稀疏性的计算方法中获益。与之相对的是"密集"对象——即零值数量相对于元素总数较少的情况。

稀疏性可以天然存在，也可以通过人工方式引入。例如，社交网络图天然就是稀疏的。设想一个图，其中每个节点代表一个人，每条边代表一段友谊关系。由于大多数人彼此并不相识，表示所有可能连接关系的矩阵中绝大多数元素都是零。其他AI应用场景，如图学习和推荐模型，同样存在天然的稀疏性。

通常情况下，一个4×4的矩阵无论包含多少个零值，在内存中都会占用16个存储空间。若矩阵是稀疏的，即大量元素为零，则可以更高效地用"纤维树"结构表示：首先是包含非零元素所在行坐标的"纤维"，连接至包含非零元素列坐标的纤维，最终链接到对应的非零值本身。在计算机内存中存储纤维树时，每条纤维的端点（即"段"）会与坐标和数值一同保存。

除天然存在的稀疏性外，还可以通过多种方式在AI模型中主动引入稀疏性。两年前，Cerebras的研究团队证明，可以将大语言模型中多达70%至80%的参数设置为零，而不损失任何精度。Cerebras在Meta开源的Llama 7B模型上验证了这一结论，相关思路同样适用于ChatGPT、Claude等其他大语言模型。

稀疏计算的优势

稀疏计算的高效性源于两个基本特性：压缩零值的能力，以及零的特殊数学性质。稀疏计算算法和专用硬件都充分利用了这两个核心思路。

首先，稀疏数据可以被压缩，从而以"稀疏数据类型"的形式更节省内存地进行存储。压缩还能在处理大量数据时降低数据传输的能耗。以一个包含三个非零元素的4×4矩阵为例：传统方式会将其完整存储，占用16个内存空间；而压缩为稀疏数据类型后，只需保留非零元素，仅占用3个存储空间，相较于原来的16个大幅节省。随着稀疏程度和矩阵规模的增大，这种节省效果将愈加显著。

除实际数据值外，压缩数据还需要存储元数据，即非零元素的行列位置信息。这通常以"纤维树"的方式表达：列出包含非零元素的行标签，并与对应的列标签相连，进而链接到存储在这些位置的数值。

在内存层面，情况更加复杂：每个非零值的行列标签，以及标识标签数量的"段"信息，都需要一并存储，以便清晰区分元数据和实际数据。

在密集、未压缩的矩阵数据类型中，可以逐一或并行访问数值，且其位置可通过简单公式直接计算。但在稀疏压缩数据中，访问数值需要先查找行索引坐标，再"间接"查找列索引坐标，最终才能定位到目标值。由于稀疏数据的位置具有随机性，这些间接查找操作可能极为随机，导致计算过程依赖于数据本身，并需要动态分配内存访问。

其次，零的两个数学特性使软件和硬件可以大量跳过计算：任何数乘以零等于零，因此无需实际执行乘法；任何数加零等于其本身，因此加法也可以直接跳过。

在矩阵-向量乘法这一AI最常见的运算中，除涉及两个非零元素的计算之外，其余计算均可跳过。以前述4×4矩阵与一个四元素向量的乘法为例：在密集计算中，需要16次乘法和16次加法；而在稀疏计算中，只需处理向量中的非零元素，通过间接查找定位矩阵中对应的非零元素，仅对这部分进行乘加运算——在示例中，只需执行两次乘法，而非16次。

现有硬件的局限

遗憾的是，现代硬件并不擅长加速稀疏计算。以矩阵-向量乘法为例，在单核CPU中，向量中的每个元素需逐一相乘后写入内存，效率低下。因此，实际使用中往往借助支持向量运算的CPU或GPU，将所有元素并行处理，大幅提升速度。但当矩阵和向量都极为稀疏时，向量化CPU和GPU的大部分算力都浪费在了与零的乘法运算上，产生大量无效计算。

新一代GPU能够对一种特定类型的稀疏性——结构化稀疏性——进行一定程度的硬件加速。结构化稀疏性假设每四个相邻参数中有两个为零。然而，部分模型更适合非结构化稀疏性——即允许任意参数（权重或激活值）为零并被压缩，无论其位置如何。GPU可以通过软件方式（如cuSparse库）支持非结构化稀疏计算，但这种支持往往十分有限，GPU硬件利用率偏低，大量算力消耗在额外开销上。

在通过软件进行稀疏计算时，现代CPU有时比GPU更具优势，因为CPU具备更好的灵活性。但CPU在稀疏计算中常受限于间接查找操作带来的性能瓶颈。CPU通常会根据预期需求对数据进行"预取"，但对于随机稀疏数据，这一机制往往失效，导致CPU不得不浪费时钟周期等待正确数据加载。

苹果公司率先通过在A14和M1芯片的预取器中支持"指针数组"访问模式，加快了间接查找速度。尽管预取技术的创新使苹果CPU在稀疏计算方面更具竞争力，但CPU架构仍存在专用稀疏计算架构所不具备的根本性开销，因为CPU需要兼顾通用计算需求。

其他公司也在开发加速稀疏机器学习的硬件，包括Cerebras的晶圆级引擎（Wafer Scale Engine）和Meta的训练与推理加速器（MTIA）。Cerebras的晶圆级引擎及其配套稀疏编程框架，在大语言模型上实现了高达70%的稀疏度，成果卓越。但其硬件和软件方案仅支持权重稀疏性，不支持对许多应用至关重要的激活值稀疏性。MTIA第二版宣称在稀疏计算性能上较第一版提升七倍，但目前公开披露的稀疏性支持信息仅限于矩阵乘法，尚未覆盖向量或张量运算。

尽管矩阵乘法占据了大多数现代机器学习模型的主要计算时间，但为其他运算提供稀疏性支持同样至关重要。为避免在稀疏与密集数据类型之间频繁切换，所有操作都应原生支持稀疏处理。

Onyx：从底层支持稀疏计算的硬件加速器

针对上述种种折中方案的不足，斯坦福大学团队研发了一款硬件加速器——Onyx，能够从底层充分利用稀疏性，无论是结构化还是非结构化稀疏性均可支持。Onyx是首款可编程加速器，同时支持稀疏和密集计算，能够对两种模式下的关键操作进行加速。

CPU、粗粒度可重构阵列（CGRA）和现场可编程门阵列（FPGA）代表了效率与灵活性之间的不同权衡。CPU的每个逻辑单元针对特定功能高效设计；FPGA的每个比特均可配置，极具灵活性但效率较低；CGRA则旨在兼顾FPGA的灵活性与CPU的效率。

CGRA由针对特定应用领域优化的可配置内存和计算单元组成，程序员可以在高层次上对其内部进行重新配置，使其比FPGA更高效，同时比CPU更灵活。

Onyx基于CGRA架构构建，由灵活可编程的处理单元（PE）模块和内存（MEM）模块组成。内存模块负责存储压缩矩阵和其他数据格式，处理单元模块则直接对压缩矩阵进行运算，消除所有不必要的无效计算。

Onyx的编译器负责将软件指令转换为CGRA配置。首先，输入表达式（如稀疏向量乘法）被转化为抽象内存节点和计算节点构成的图；编译器将这些抽象节点映射到CGRA的内存模块和处理单元上，并规划数据传输路径；最终生成配置CGRA所需的指令集。

由于Onyx具备可编程性，工程师可以将向量-向量元素乘法、矩阵-向量乘法、矩阵-矩阵乘法等多种AI核心运算映射到加速器上。

性能评估

我们采用"能量延迟积"（EDP，即能耗与计算时间的乘积）来评估硬件的效率提升，该指标综合反映了速度与能耗之间的权衡关系。

Onyx的能量延迟积最高可达使用专用稀疏库的CPU（12核Intel至强处理器）的565倍。此外，Onyx还可配置为加速常规密集计算应用，类似GPU或TPU的工作方式：当计算为稀疏类型时，Onyx切换至稀疏计算模式；当计算为密集类型时，则切换至并行加速模式。这一架构为在同一芯片上同时加速稀疏与密集计算迈出了重要一步。

同样值得关注的是，Onyx开启了算法层面的新思路。稀疏加速硬件不仅能提升AI的性能效率和能源效率，还将激励研究人员和工程师探索具有突破性潜力的新型算法。

未来展望

我们的团队已在Onyx基础上着手开发下一代芯片。除矩阵乘法外，机器学习模型还涉及非线性层、归一化、Softmax函数等多种运算。我们正在为下一代加速器及其编译器添加对完整计算类型的支持。由于稀疏机器学习模型可能同时包含稀疏层和密集层，我们也在研究如何更高效地将密集与稀疏加速架构集成于同一芯片，以实现不同数据类型之间的快速转换。此外，我们还在探索通过更有效地拆分稀疏数据来突破内存限制，从而在多个稀疏加速芯片上协同运行计算任务。

与此同时，我们正在研发能够预测稀疏加速器性能的系统，以辅助更优硬件的设计工作。从长远来看，我们希望观察高度稀疏性是否会在更多模型类型中得到普及，以及稀疏加速器是否会在更大规模上得到应用。

为非结构化稀疏性构建硬件、充分利用零值的潜力，仅仅是个开始。有了这样的硬件，AI研究人员和工程师将有机会探索以全新、富有创意的方式利用稀疏性的模型与算法。我们相信，这是应对AI不断增长的运行时间、成本和环境影响的关键研究方向。

Q&A

Q1：什么是稀疏计算？它对AI有什么意义？

A：稀疏计算是一种利用AI模型中大量参数为零这一特性来跳过无效运算、压缩存储的计算方式。由于模型中70%以上的参数可能为零或接近零，稀疏计算可以直接跳过与零相关的乘法和加法，从而显著降低能耗、加快运算速度，在不牺牲模型精度的前提下提升整体效率。

Q2：现有的GPU和CPU为什么不能很好地支持稀疏计算？

A：GPU主要支持一种叫做"结构化稀疏性"的特定模式，对更灵活的非结构化稀疏性支持有限，导致大量算力被浪费在无效的零值运算上。CPU虽然更灵活，但在稀疏计算中常受限于随机内存访问导致的预取失败问题，同样存在效率瓶颈。两者都缺乏从底层针对稀疏计算专门设计的架构支持。

Q3：Onyx芯片相比普通CPU能提升多少性能？

A：Onyx在能量延迟积（速度与能耗的综合指标）上，最高可达12核Intel至强CPU的565倍。平均而言，Onyx的能耗仅为CPU的七十分之一，计算速度则平均提升至CPU的八倍。Onyx同时支持稀疏和密集计算，能够根据任务类型自动切换计算模式配资平台排行，是目前已知首款兼顾两种计算模式的可编程加速器。

信达配资提示：文章来自网络，不代表本站观点。