有幾十個工程師擠在美國德州奧斯汀(Austin)近郊重劃區(qū)的咖啡店與美容院之間，探索運算技術(shù)的新方向──這是一家名為Mythic的新創(chuàng)公司，目標是將神經(jīng)網(wǎng)絡映射至NOR快閃存儲器陣列，以或許可節(jié)省兩個數(shù)量等級功耗的方式來運算與儲存資料。
如果他們成功了，這家新創(chuàng)公司就可跳過來自諸如英特爾(Intel)或是其他IP供應商、以及眾多富裕中國新創(chuàng)公司的數(shù)位處理器與核心；這些處理器的目標都是進駐下一代保全攝影機、無人機、工廠設備等試圖搭上人工智慧(AI)熱潮的嵌入式系統(tǒng)，甚至是未來的自動駕駛車輛。
「我們從研究所的時候就知道，混合訊號處理很適合這類應用；」與同事Mike Henry在密西根大學(University of Michigan)一起創(chuàng)立Mythic的David Fick表示：「你需要利用其可調(diào)閾值電壓來儲存很大的資料量與快閃存儲器──每個晶體管都非常具吸引力。」
Mythic所開發(fā)的快閃存儲器陣列，基本上可免除將資料從外部存儲器移出移入的需要，因此大幅節(jié)省功耗；Fick表示，他的指導教授David Blaauw與Dennis Sylvester「已經(jīng)展開一些快閃存儲器研究，我們也擁有一些專長技術(shù)，因此能很輕易地加速啟動一個項目。」
不過要在存儲器中執(zhí)行類比處理器這種有數(shù)十年歷史的老概念是件棘手任務，F(xiàn)ick表示：「你必須考量很多類比效應──不匹配(mismath)、噪聲、溫度，而且存儲器單元也有很多類似的顯著效應；」不同于配備經(jīng)過妥善定義之存儲器、處理與儲存子系統(tǒng)的數(shù)位計算機，機器學習使用的類比計算機基本上是一個整合性的龐大工程。
「你需要同時一起設計所有的東西，因此需要了解重疊領(lǐng)域的人，例如了解彼此領(lǐng)域的元件端設計與神經(jīng)網(wǎng)絡設計工程師；」Fick解釋：「我們在這方面已經(jīng)遠勝于其他人，因為我們擁有一個可以完成整個任務的超強團隊。」
確實，這家公司才剛完成B輪融資、獲得一筆高達5,000萬美元的資金，有部分原因是他們擁有一個總監(jiān)等級(director-level)專家組成的多元團隊，包括來自德州儀器(TI)的類比專家、Microchip的快閃存儲器設計總監(jiān)，以及Netronome的實體設計專家。
Dave Fick與他的寵物狗Ellie在奧斯汀辦公室合影；Ellie是Mythic這家公司的非正式情緒支持總監(jiān)
Mythic也藉由實現(xiàn)一系列的原型投片逐步展現(xiàn)其技術(shù)進展贏得投資者青睞，F(xiàn)ick在學校里的VLSI設計表現(xiàn)就贏得不少聲譽；他表示：「當你以研究所學生身份設計芯片，包括存儲器、合成、設計規(guī)則檢查變異(DRC variations)…等所有的步驟都得自己動手；而如果你是直接進入業(yè)界，你可能永遠看不到整個設計流程，所以很多從學校獨立的新創(chuàng)公司會更容易成功量產(chǎn)。」
這家公司的兩個創(chuàng)辦人從小就是「科技宅男」(geek)；Fick在高中時的第一份工作就是網(wǎng)頁開發(fā)工程師，念研究所時則進入AMD、IBM與Intel等多家大公司當實習生。Henry則是為了好玩，很愛參加各種快速寫程序競賽。
大大小小的競爭對手以及需要克服的軟件障礙
這些日子以來，Mythic的二人組遇到大大小小的競爭對手，至少有40家老牌與新創(chuàng)IP供應商或芯片業(yè)者，紛紛表示準備推出或是正在規(guī)劃某種形式的客戶端AI加速器芯片；這些競爭對手還包括中國幾家財力雄厚的新創(chuàng)公司，例如地平線(Horizon Robotics)就是其中最具潛力的一家，已經(jīng)用較傳統(tǒng)的數(shù)位架構(gòu)推出低功耗客戶端AI加速器。
還有一家美國新創(chuàng)公司Syntiant，跟Mythic一樣在開發(fā)利用快閃存儲器的存儲器內(nèi)處理器(processor-in-memory)架構(gòu)，該公司的團隊成員包括幾位Broadcom前任工程經(jīng)理，并獲得了Intel Capital的支持。此外IBM Research也正在研究以電阻式RAM (ReRAM)為基礎(chǔ)的機器學習加速器，但Fick認為該公司采用了錯誤的方法。
他表示：「他們正在嘗試以完美的存儲器來讓所有事情變得簡單，但我們是透過共同設計所有東西取得領(lǐng)先…就算他們找到了理想存儲器，總是會有一種不太完美的存儲器可以支援更低功耗或是更快速度。」
創(chuàng)新的平行存儲器在歷史上總因為太難編程而失敗，新興的存儲器內(nèi)處理器芯片肯定也會面臨相同的問題，因為機器學習本身需要全新的、仍在發(fā)展的編程模型。Mythic的工具雖名為開發(fā)平臺，但扮演的角色象是編譯器，能為其芯片將TensorFlow數(shù)據(jù)庫內(nèi)描述的神經(jīng)網(wǎng)絡轉(zhuǎn)換為機器語言。
Fick表示，該開發(fā)平臺采用PCI Express與芯片連結(jié)，能提供「如何從芯片取得額外性能的提示，以及一些常見應用的最佳化網(wǎng)絡范例。」想要使用TensorFlow以外其他框架的客戶，顯然會需要使用ONNX格式來轉(zhuǎn)譯其任務；ONNX (Open Neural Network Exchange)是少數(shù)幾種用來轉(zhuǎn)譯幾個不同AI軟件架構(gòu)的新興工具之一。
而Fick也充分體認到他的客戶所面臨之軟件障礙：「為了進入這個領(lǐng)域，你需要聘請幾個深度學習科學家，但這類專家因為非常短缺、費用也非常昂貴 …建立資料集與神經(jīng)網(wǎng)絡并進行訓練非常耗時、代價也很高…這些都是冒險進軍且投資此領(lǐng)域的限制。」
好消息是，與競爭對手方案相較，Mythic芯片的存儲器陣列應該能處理更多樣化的卷積(convolutional)或歸遞(recurrent)神經(jīng)網(wǎng)絡，而且其性能的提升可望實現(xiàn)在功耗受限制的邊緣系統(tǒng)執(zhí)行更復雜模型。
Mythic到目前為止已經(jīng)有數(shù)款測試芯片投片
Mythic有幾個重量級合作伙伴，例如洛克希德馬丁(Lockheed Martin)希望未來的無人機能使用該公司芯片，富士通(Fujitus)則是該公司的快閃存儲器供應商。到目前為止，有兩種應用似乎超出其能力范圍，一個是預算只有幾美元的智慧音箱，與Mythic的目標應用相較太過需要控制成本；另一個是自動駕駛車輛，因為需要車用等級規(guī)格，是該公司目前無法負擔的。
這家新創(chuàng)公司預計在今年底推出40奈米制程芯片，這個節(jié)點可支援嵌入式快閃存儲器單元設計，也符合低成本目標。Fick指出，其快閃存儲器單元已通過28奈米制程質(zhì)量認證，這會是該公司的下一步；在那之后，晶圓代工業(yè)者正在開發(fā)嵌入式MRAN與ReRAM單元。
Fick表示：「沒有任何理由能阻止我們前進最小節(jié)點，我們能從制程微縮中受益；」而如果Mythic成功了，并不會是因為摩爾定律(Moore’s Law)或是那些數(shù)位處理器使他們受到歡迎，而會是因為他們將運算技術(shù)推往一個全新的方向。