隨著ChatGPT橫空出世,，預(yù)訓(xùn)練大模型對千行百業(yè)的革新與改造潛力已盡顯無遺,，甚至有業(yè)界大佬將其問世譽(yù)為人工智能“iPhone 時(shí)刻”，并預(yù)言這“只是更偉大事物的開始”,。

ChatGPT為何顯得如此“與眾不同”,？

借用技術(shù)接受理論（TAM）提出者、哈佛大學(xué)教授Venky Narayanamurti的總結(jié),，有用性（usefulness）與易用性（ease of use）是一項(xiàng)新興技術(shù)擴(kuò)散的兩大基本前提,。以這一標(biāo)準(zhǔn)衡量，2016年的AlphaGo-李世石五番棋大戰(zhàn),，堪稱完成了對人工智能“有用性”的全民科普,，而ChatGPT則標(biāo)志著AI技術(shù)擴(kuò)散的另一必要條件-易用性已潛移默化滲入公眾心智。

基于此,，外界有理由樂觀期待,，人工智能產(chǎn)業(yè)的確已站在了巨擘預(yù)卜的宏偉藍(lán)圖新起點(diǎn)上。

成于算力,、困于互連,？

在不少“后見之明”的解讀中,，GPT家族往往被與2017年谷歌推出的Transformer模型相聯(lián)系。

基于自注意力機(jī)制的Transformer,，及其后谷歌BERT對各類文本任務(wù)的“屠榜”表現(xiàn)和驚人泛化能力,，的確堪稱為GPT做好了前置技術(shù)與工程方法的鋪墊。站在巨人的肩膀上,，GPT開發(fā)者OpenAI團(tuán)隊(duì),，最終憑借更敏捷的效率和更有力的執(zhí)行，完成了最后的一躍,。

進(jìn)一步深入看,，Transformer較此前MLP\LSTM等傳統(tǒng)深度學(xué)習(xí)模型，正是對硬件算力實(shí)現(xiàn)了更高效的運(yùn)用,。

關(guān)于這一點(diǎn),，2019年深度學(xué)習(xí)泰斗、DeepMind首席科學(xué)家Richard Sutton在其《苦澀的教訓(xùn)》一文中就曾感言,，從70年AI研究中可以學(xué)到的最大教訓(xùn)是,，利用計(jì)算的一般方法最終是最有效的，而且有很大的優(yōu)勢,，終極原因是摩爾定律,，或者更確切地說，是它對每單位計(jì)算成本持續(xù)呈指數(shù)下降的概括,，大多數(shù)AI研究都是在可用算力恒定的情況下進(jìn)行的（在這種情況下,，利用人類經(jīng)驗(yàn)將是提高性能的唯一方法），但是,，在比典型研究項(xiàng)目稍長的時(shí)間里,，算力會(huì)大大增加，從長遠(yuǎn)來看,，唯一重要的是利用計(jì)算。

正如Sutton所預(yù)見的,，近年來,，AI硬件算力取得了突飛猛進(jìn)的發(fā)展。除了為人所熟知的GPU之外,，谷歌TPU（GPT系列早期通過TPUv2進(jìn)行訓(xùn)練）,、微軟Catapult等AI加速芯片往往省去了傳統(tǒng)通用CPU微架構(gòu)中亂序、預(yù)取等高級控制措施,，能夠?qū)崿F(xiàn)卷積神經(jīng)網(wǎng)絡(luò)最核心的乘加運(yùn)算單元設(shè)計(jì)最優(yōu)化,，充分挖掘SIMD架構(gòu)并行計(jì)算能力。

算法,、算力及其相結(jié)合的工程方法進(jìn)步,，最終為OpenAI“大力出奇跡”奠定了基礎(chǔ),。

完全可以預(yù)期，在OpenAI明星效應(yīng)下,，全球科技巨頭未來一兩年必將推出一系列類GPT預(yù)訓(xùn)練大模型,，也有望帶動(dòng)對數(shù)據(jù)中心AI算力集群的投資進(jìn)一步加速。

不過值得注意的是,，盡管各大芯片廠商爭相推出AI加速芯片,，算力參數(shù)不斷刷新記錄，但預(yù)訓(xùn)練大模型參數(shù)量動(dòng)輒上百億,、千億乃至萬億,，其訓(xùn)練仍遠(yuǎn)遠(yuǎn)超出一兩張GPU等AI加速卡所能駕馭的范圍，往往必須通過網(wǎng)絡(luò)將多處理器互連,、乃至進(jìn)一步組成HPC算力集群,，實(shí)現(xiàn)算力資源的池化調(diào)度，如此方能滿足AI大模型的分布式,、并行化訓(xùn)練,。而在評估訓(xùn)練效率時(shí)，單批數(shù)據(jù)（batch）的總訓(xùn)練用時(shí)也往往受通信時(shí)長的顯著影響,。

正因如此,，隨著AI大模型揭示的全新想象空間出現(xiàn)，算力集群這一基礎(chǔ)設(shè)施也將迎來投資熱潮,，而在其面臨的配電,、散熱、通信等一系列工程挑戰(zhàn)中,，算力節(jié)點(diǎn)間的數(shù)據(jù)傳輸尤其堪稱制約硬件算力充分釋放的關(guān)鍵“瓶頸”,。

破解互連瓶頸的“關(guān)鍵支點(diǎn)”

AI訓(xùn)練、推理所面對的數(shù)據(jù)量指數(shù)增長,，使得無論單服務(wù)器中多GPU,、CPU間C2C通信，還是在多服務(wù)器間組網(wǎng),，數(shù)據(jù)傳輸總體都呈現(xiàn)出高帶寬,、低延遲的技術(shù)需求。

在算力集群通信網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)趨同的背景下,，交換機(jī)接口日益成為打通“瓶頸”的重要突破口,，并衍生出提升網(wǎng)卡速率、增加網(wǎng)卡數(shù)量,、乃至應(yīng)用RDMA網(wǎng)絡(luò)直連等多種工程思路,。

而在底層接口技術(shù)領(lǐng)域，與傳統(tǒng)并行接口相比,，SerDes串行接口由于其顯著的成本優(yōu)勢,，已然成為應(yīng)用主流,，在PCIe 6.0等新標(biāo)準(zhǔn)中，更是在物理層進(jìn)一步引入對PAM4（四階脈沖振幅調(diào)變）編碼的支持,，以進(jìn)一步提高SerDes數(shù)據(jù)傳輸速率,。

不過SerDes的應(yīng)用，也自然存在不少技術(shù)挑戰(zhàn),，其中最嚴(yán)峻的,，無疑首推信號完整性（SI）問題。

例如在通過背板,、連接器,、PCB板的中距離、長距離互連場景中,，SerDes高速鏈路TX,、RX端往往間隔著管腳、PCB過孔,、信號線乃至連接器,、線纜等環(huán)節(jié)，存在材料,、工藝,、布局等復(fù)雜原因引入的噪聲、串?dāng)_和信號衰減,，以至于最終抵達(dá)接收器的電氣信號可能嚴(yán)重失真,，很難恢復(fù)所傳輸信息的時(shí)鐘和數(shù)據(jù)位，也局限了速率,、距離上的設(shè)計(jì)空間,。

新一代56G、112G SerDes應(yīng)用PAM4編碼,，在提供更大網(wǎng)絡(luò)吞吐量的同時(shí),，也因引入更多電平水平，帶來了信噪比損失,、誤碼率（BER）惡化,、前向糾錯(cuò)（FEC）延遲增加等問題，需要進(jìn)行精細(xì)的權(quán)衡取舍,。

從上面的分析不難看出，想要充分發(fā)揮AI硬件算力效能,，接口技術(shù)是破解互連瓶頸的關(guān)鍵支點(diǎn),，具有極大的杠桿效應(yīng)，而其應(yīng)用則必須解決圍繞信號完整性的諸多挑戰(zhàn),。

目前,，盡管大量硬件廠商聘請了專職SI工程師負(fù)責(zé)調(diào)試,，不過其效果取決于千差萬別的個(gè)人“手藝”，由于在芯片與系統(tǒng)設(shè)計(jì)各層面均需保證信號完整性,，驗(yàn)證過程也往往曠日持久,，只有技能十分熟練且模電領(lǐng)域經(jīng)驗(yàn)極其豐富的設(shè)計(jì)團(tuán)隊(duì)才能嘗試此類設(shè)計(jì)，且測試驗(yàn)證周期漫長,。

正因如此,，在芯片設(shè)計(jì)中，外購高速接口IP幾乎成為行業(yè)“必選項(xiàng)”,，也帶動(dòng)接口IP成為近年來增速最快的IP細(xì)分市場,，根據(jù)專業(yè)機(jī)構(gòu)預(yù)測，接口IP甚至有望在2025年前后超越CPU IP,，成為第一大半導(dǎo)體IP品類,。

授人以魚，更要授人以漁

接口IP市場機(jī)遇,，也使之成為各大IP HOUSE競爭熱點(diǎn),。例如全球三大IP廠商之一的Cadence（楷登電子），同樣推出了其112G SerDes IP設(shè)計(jì),，面向高性能計(jì)算（HPC）數(shù)據(jù)中心SOC需求,，適用于長距離和中距離傳輸，已經(jīng)經(jīng)過7nm制程硅驗(yàn)證,，擁有上佳的PPA表現(xiàn),，插入損耗>35dB。

值得一提的是,，外購接口IP只是從芯片到系統(tǒng)開發(fā)及信號完整性測試的起點(diǎn),，與工作流配套的工具是否完備、可及,，也是影響開發(fā)周期的重要因素,，可以說接口IP供應(yīng)商既要授人以魚，更要授人以漁,。

作為EDA\IP領(lǐng)域巨頭,，Cadence在這方面的實(shí)踐尤其具有代表性。在SerDes等成熟接口IP之外,，該公司還提供了有機(jī)融合的完善設(shè)計(jì)工具和技術(shù),，幫助芯片與系統(tǒng)設(shè)計(jì)人員應(yīng)對貫穿各層面的信號完整性挑戰(zhàn)。

例如在不同芯片間互連設(shè)計(jì)與仿真中,，建模是必不可少的手段,。目前，IBIS和AMI是對SerDes信道進(jìn)行建模的首選方式,，IBIS-AMI的出現(xiàn),，使利用仿真模型快速且精確地模擬大量比特流成為了可能,。作為行業(yè)標(biāo)準(zhǔn)的定義者之一，Cadence在相關(guān)工具開發(fā)上同樣走在前列,，基于其Sigrity Advanced IBIS建模工具,，用戶可自動(dòng)創(chuàng)建模型，借助向?qū)С绦蛏蓪?shí)用算法模型,。

在基于PCB板/背板/連接器的中長距離互連場景中,，SerDes高速接口開發(fā)人員為了精準(zhǔn)可靠地分析信號，還需要為總體設(shè)計(jì)進(jìn)行信號完整性(SI),、電源完整性(PI)以及電磁兼容性 (EMC)協(xié)同仿真,，開發(fā)者往往需要透徹了解數(shù)據(jù)采集分析理論、精準(zhǔn)建立模擬器件特性模型,。

針對這一痛點(diǎn),，Cadence的Clarity 3D Solve為PCB、IC封裝和SoIC關(guān)鍵互連設(shè)計(jì)提供了更好的工具選擇,，基于其創(chuàng)建的高精度S-參數(shù)模型,，即使在112G數(shù)據(jù)傳輸速度下，也能實(shí)現(xiàn)與實(shí)驗(yàn)室測量相匹配的仿真結(jié)果,。其有限元分析（FEM）過程實(shí)現(xiàn)了高度并行化,，可極大縮短求解耗時(shí)，并支持近乎線性的硬件算力可擴(kuò)展性,。

此外,，在分析鏈路信號完整性時(shí)，通常隱含假設(shè)是電路板和連接器功能良好,，但在極高頻率下,，單獨(dú)分析連接器和電路板、然后再將它們“連接"在一起的假設(shè)不再適用,。電路板和連接器之間交互過多,，同樣需要Clarity Solver等全面的3D分析工具實(shí)現(xiàn)高質(zhì)量設(shè)計(jì)，同時(shí)準(zhǔn)確預(yù)測成品性能,。

 結(jié)語 

在黃仁勛喊出人工智能“iPhone 時(shí)刻”后,，短短幾十天以來，預(yù)訓(xùn)練大模型及其下游應(yīng)用,，已經(jīng)呈現(xiàn)出令人目不暇給的爆發(fā)態(tài)勢,。可以想見,，在各大云計(jì)算巨頭的AI大模型“軍備競賽”中,，算力集群也將迎來一輪新的投資熱潮，通信網(wǎng)絡(luò)與接口技術(shù)，也有望進(jìn)入發(fā)展加速期,。此外，特斯拉 Dojo,、Cerebras WSE-2等走“超級單芯片”路線的廠商,，也可能引領(lǐng)一條大模型訓(xùn)練的新路。

不過無論何種路徑,，對接口IP的“剛需”都清晰可見,，在這一熱點(diǎn)、難點(diǎn)領(lǐng)域,，筆者也期待有更多如Cadence等大廠帶來完整解決方案,，推動(dòng)互連瓶頸的緩解與松動(dòng)，有力釋放預(yù)訓(xùn)練大模型無限可能,，造福千行百業(yè),。

　更多精彩內(nèi)容歡迎點(diǎn)擊==>>電子技術(shù)應(yīng)用-AET<<