陽萌或許是我接觸過的最懂技術(shù)的CEO：他是北大計(jì)算機(jī)本科，碩博連讀機(jī)器學(xué)習(xí)專業(yè)，但博士讀了一半就跑了；他是百億營收大廠安克創(chuàng)新的創(chuàng)始人，也曾在谷歌做搜索算法的研發(fā)；他的公司主要做的是充電寶、掃地機(jī)器人這些消費(fèi)類電子產(chǎn)品，但我們聊的是人工智能、芯片等等硬科技。

我梳理了和他對談的全部內(nèi)容，我們聊了接近兩個(gè)小時(shí)，本文是第一篇，他幫我梳理了人工智能的過去、現(xiàn)在、以及未來的發(fā)展方向，我深受啟發(fā)。內(nèi)容有點(diǎn)長，但相信肯定會(huì)對你有所幫助。我們對談的視頻版本可以看視頻號(hào)，或者點(diǎn)擊文末「閱讀原文」跳轉(zhuǎn)B站觀看。

Transformer只是中間態(tài)？

我本科就很喜歡做機(jī)器學(xué)習(xí)，因?yàn)橛X得計(jì)算機(jī)能夠做決策是很酷的一件事情。后來03年博士也讀這個(gè)，然后，非常痛苦。

我發(fā)現(xiàn)，行業(yè)里每5-10年就會(huì)有個(gè)大牛出來，開天辟地地推出一個(gè)全新的范式。譬如最早的時(shí)候大家做專家系統(tǒng)，后來做決策樹，再做Support Vector Machine (SVM)。這有點(diǎn)像大牛發(fā)現(xiàn)了一片礦脈，很多人去挖礦，那幾年大家都很開心，博士們都非常有成果。到2017年出現(xiàn)Transformer，這又是一個(gè)新的范式，大家又挖挖挖，又很感覺很有成果。這幾年我覺得還是一個(gè)比較井噴的狀態(tài)，這個(gè)礦脈的大龍的部分還在被挖出來，但是總是會(huì)挖完的。

我覺得，Transformer只是一個(gè)中間狀態(tài)。比如10年、20年之后，大概率我們就不再用Transformer了。這是一個(gè)非常大膽的一個(gè)假設(shè)，但我們可以把話放到這，20年以后我們再回來看。就像同樣20年以前，大家說的最多的就是SVM，但我們看今天還有多少人用SVM？

它真的就是長江后浪推前浪，每一浪都會(huì)有一個(gè)新的范式的出現(xiàn)，然后都會(huì)把之前的范式拍死在沙灘上。

分治法：AI的經(jīng)典范式？

如果將所有的范式按照背后解決問題的思路進(jìn)行分類，主要有兩種：一種是基于數(shù)理邏輯和分治法，其目標(biāo)是將問題分解成人類可以理解、公式可以推導(dǎo)的形式，然后再進(jìn)行組合；另一種則是利用大量數(shù)據(jù)訓(xùn)練一個(gè)端到端的模型，類似于黑盒，即使我們能看到其中的參數(shù)，但卻無法理解其內(nèi)在邏輯，這種模型是不可解釋的。

這兩種范式代表了兩種不同的派別：一派通過分析問題，使用邏輯和數(shù)學(xué)公式來解決問題；另一派則直接利用大數(shù)據(jù)訓(xùn)練出網(wǎng)絡(luò)模型來解決問題，而無需理解其內(nèi)部機(jī)制。

中國有句古話“知其然，知其所以然”，分治法可以被視為最通用的“知其所以然”的方式。當(dāng)人類使用自己能理解的方式解決問題時(shí)，這似乎是其唯一的方法。

以計(jì)算機(jī)科學(xué)為例，如自然語言處理領(lǐng)域，搜索一個(gè)詞的第一步通常是進(jìn)行分詞，因?yàn)檎挝谋緹o法進(jìn)行檢索。分詞后，我們會(huì)對詞匯進(jìn)行特征提取，例如詞頻的高低，然后基于這些分詞和特征進(jìn)行搜索、翻譯等更高級(jí)的操作。

另一個(gè)例子是自動(dòng)駕駛技術(shù)。自動(dòng)駕駛本質(zhì)上是一種機(jī)器人技術(shù)，第一步是感知，也就是識(shí)別周圍環(huán)境中的各種元素。第二步是規(guī)劃，也就是確定要執(zhí)行的任務(wù)以及如何與周圍環(huán)境協(xié)同或在其中移動(dòng)。第三步是控制，比如實(shí)際操作車輛怎么去加速、轉(zhuǎn)向等。

在深度學(xué)習(xí)或端到端算法出現(xiàn)之前，除了分治法，我們幾乎沒有其他方法來解決這些問題。

因此，我們發(fā)現(xiàn)，如果沒有分治法，人類似乎無法解決問題。也就是說，分治法是人類理性解決問題的必經(jīng)之路。

大模型時(shí)代到來，為何端到端逐漸成為主流？

我在2003年攻讀博士學(xué)位時(shí)研究決策樹（Decision Tree），發(fā)現(xiàn)這是一個(gè)典型的分治法應(yīng)用。決策樹可以在一個(gè)數(shù)據(jù)集上輕易達(dá)到70%至80%的準(zhǔn)確率，但它的天花板就在那了。雖然可以通過各種各樣的技巧，比如增加擾動(dòng)、使用多個(gè)決策樹等方法來提高一些性能，但是再往上就上不去了。

這是因?yàn)榉种畏ǖ膭傂缘谋举|(zhì)，打破了很多問題本身的一些柔性聯(lián)系。

當(dāng)我們在兩個(gè)步驟之間設(shè)定了一個(gè)非常明確和精確的邊界時(shí)，這些柔性的聯(lián)系就被切斷了。我這個(gè)感受后來在工作里很多地方都被印證出來，比如做搜索時(shí)，用的就是典型的分治法。當(dāng)時(shí)谷歌內(nèi)部有一套完整的評(píng)價(jià)體系，用百分制來評(píng)價(jià)一個(gè)搜索詞最后的效果。大約在2007年，谷歌的搜索效果可以達(dá)到64到65分，高出雅虎接近8分。但即使到了2024年，谷歌的分?jǐn)?shù)可能也還在70分左右。

換句話說就是，分治法可以迅速達(dá)到70%到80%的水平，但之后就會(huì)遇到瓶頸，再也上不去了。

在應(yīng)用分治法的過程里，我也發(fā)現(xiàn)很多有意思的事情。第一，分治法是一個(gè)非常“吃工程師”的方法。因?yàn)槿魏我粋�(gè)大問題，每向下細(xì)分一層，就意味著需要更多的團(tuán)隊(duì)和工程師來研究更細(xì)分的問題。所以，我當(dāng)年在谷歌時(shí)，知道很多冷知識(shí)，例如日語的某些詞如何分詞、阿拉伯語的一些特殊情況應(yīng)該怎么處理等。今天你會(huì)發(fā)現(xiàn)，換到自動(dòng)駕駛領(lǐng)域里邊也是一樣的。

使用分治法的時(shí)候，問題被細(xì)分后就變成了一個(gè)小眾領(lǐng)域，很容易進(jìn)入牛角尖，然后在牛角尖里面再往里面鉆，其實(shí)花了可能很多博士的很多時(shí)間，研究了很多數(shù)據(jù)，去寫一篇論文。但是，今天隨著端到端算法的出現(xiàn)，這些博士們當(dāng)時(shí)的很多工作可能就失去了意義，變得不再重要。就像今天，我那些冷門的、怎么把詞分好的知識(shí)已經(jīng)沒有人會(huì)感興趣去購買了。

再來看自然語言處理，這是一個(gè)龐大的領(lǐng)域，過去至少培養(yǎng)了3萬個(gè)以上的博士（按每年1000個(gè)算，30年3萬個(gè)）。但這些博士都是在分治法的框架下，解決了很多具體問題，可能也掌握了許多冷門知識(shí)。但是，隨著端到端的大模型的出現(xiàn)，這些冷門知識(shí)不再被需要了。這3萬個(gè)博士投入了幾年、十幾年不等的人生，可能就再也沒有價(jià)值了。

所以我也很慶幸，當(dāng)時(shí)博士讀了一半就跑了。

英偉達(dá)和GPU的遇到的困難？

前幾次算法的迭代并沒有摧毀一個(gè)行業(yè)，比如在深度學(xué)習(xí)時(shí)代，自然語言處理仍然存在。只是這一輪基于Transformer的大語言模型出來，才真正把自然語言處理這個(gè)行業(yè)給“摧毀”了。所以，我們發(fā)現(xiàn)最近這一輪算法范式的迭代實(shí)際上跟芯片和硬件息息相關(guān)。

或者應(yīng)該這么說，就這一輪“毀天滅地”的算法迭代，是跟GPU這樣的硬件互為因果的。

因?yàn)闆]有GPU，就不可能產(chǎn)生Transformer。換句話說，只有在GPU上，Transformer這樣的算法才能在大規(guī)模數(shù)據(jù)上得到實(shí)現(xiàn)。

之前黃仁勛請了Transformer 的所有的發(fā)明人，他們在一起同臺(tái)相互惺惺相惜了一下，有點(diǎn)像是兩組人一起開創(chuàng)歷史，然后在今天這個(gè)歷史時(shí)刻大家在一起擁抱一下那種感覺。

如果你打開英偉達(dá)的 GPU ，會(huì)發(fā)現(xiàn)現(xiàn)在GPU中間貼著一小塊運(yùn)算核心，主要負(fù)責(zé)計(jì)算矩陣乘法；外面貼著4塊或8塊高帶寬內(nèi)存HBM。這個(gè)架構(gòu)就是把幾十億、幾百億個(gè)模型參數(shù)存在兩端的內(nèi)存里。

當(dāng)任務(wù)進(jìn)來的時(shí)候，這些參數(shù)被搬到中間的計(jì)算核心去做矩陣乘法計(jì)算，計(jì)算完之后然后再寫回去。所以，每一次計(jì)算都是要經(jīng)歷把所有的參數(shù)從內(nèi)存里搬到計(jì)算中心，算完然后再拿出來的過程。

馮諾依曼架構(gòu)在大模型時(shí)代的困境？

馮諾依曼架構(gòu)和分治法就是一對最佳搭檔。我們通過分治法解決問題，然后把它表達(dá)成為程序，編寫出來的就是一行行的代碼，分成一個(gè)個(gè)的函數(shù)，它們會(huì)相互調(diào)用。但在分治法中，一段時(shí)間內(nèi)實(shí)際上只運(yùn)行一段代碼，也就是說，一段時(shí)間內(nèi)我們只在解決某一個(gè)子問題。所以，當(dāng)年馮諾依曼發(fā)明了這樣的架構(gòu)，就是把數(shù)據(jù)和程序都寫在內(nèi)存里，然后分治法每運(yùn)行到哪一步，就把對應(yīng)的程序和數(shù)據(jù)加載到CPU里中。

所以，馮諾依曼架構(gòu)的核心，就是區(qū)分了計(jì)算器和存儲(chǔ)器。代碼存儲(chǔ)在存儲(chǔ)器中，分治法運(yùn)行到哪一步，就把那一步的代碼加載到計(jì)算器里去運(yùn)行，運(yùn)算完成后再取出來。

這么多年過去，我們的計(jì)算機(jī)越來越先進(jìn)，但它的L1 Cache 始終維持在幾百KB，因?yàn)闆]有必要再增加，任何一段程序也不會(huì)超過這個(gè)大小。每次加載到處理器中的程序，幾十KB、100KB就足夠了。

但你會(huì)發(fā)現(xiàn)，今天的Transformer大模型是截然相反的。因?yàn)門ransformer是基于分治法的反面，也就是黑盒的端到端解法。它表現(xiàn)出來的不是一段一段去解決問題，而是表現(xiàn)出了整體800億個(gè)參數(shù)；也不是每次都從800億個(gè)參數(shù)里面加載一小部分去運(yùn)算，而是每次都需要將800億個(gè)參數(shù)完整地加載進(jìn)去，然后算完再出來。

所以，這個(gè)過程實(shí)際上不應(yīng)該再使用之前的馮諾依曼架構(gòu)了，否則就會(huì)遇到英偉達(dá)今天面臨的困難和挑戰(zhàn)。英偉達(dá)現(xiàn)在90%以上的時(shí)間都在做數(shù)據(jù)搬運(yùn)，只有不到10%的時(shí)間真正用于矩陣乘法計(jì)算。

前段時(shí)間還聽到一個(gè)有趣的段子，說英偉達(dá)推出了算力經(jīng)過嚴(yán)重“閹割”的顯卡，但如果你把足夠多的顯卡并聯(lián)起來去做訓(xùn)練，它的整體算力是不會(huì)下降的。因?yàn)楸M管單卡的算力降低了，但當(dāng)很多卡連接在一起時(shí)，大部分功夫都花在了數(shù)據(jù)搬運(yùn)上，因此即使算力降低，性能也不會(huì)受到影響。因?yàn)槠款i在數(shù)據(jù)搬運(yùn)而不在計(jì)算上。

Scaling Law能否延續(xù)？

當(dāng)前GPU技術(shù)正向更先進(jìn)的制程走，從5納米到3納米，再到1納米，還能提高多少是需要打一個(gè)問號(hào)的。我對這條路線整體比較悲觀，并不是說性能提升已達(dá)極限，而是覺得目前處理問題的方法在本質(zhì)上存在誤區(qū)。

對大型模型來說，尤其是在推理端，還要再沿用馮諾依曼架構(gòu)把數(shù)據(jù)和處理分開嗎？我們可以類比人腦：人腦同樣擁有約800億個(gè)神經(jīng)元，但運(yùn)作起來功耗只有不到20瓦，而在英偉達(dá)的芯片上運(yùn)行具有800億參數(shù)的模型，耗電量至少在兩三千瓦以上。這中間的核心差異在于，人腦不需要搬移數(shù)據(jù)的。

假設(shè)人腦采用馮諾依曼架構(gòu)，所有知識(shí)和記憶存在左腦，所有的處理活動(dòng)發(fā)生在右腦，每次你看見、聽到的東西在右腦進(jìn)來，然后把數(shù)據(jù)從左腦搬到右腦去處理，再將處理結(jié)果寫回去，覺得這樣的腦子會(huì)燒掉嗎？所以我想說，馮諾依曼架構(gòu)最適合解決我們說的分制法的算法問題，但它不適合解決端到端的問題。

人類過去用分治法解決問題，在計(jì)算機(jī)里表現(xiàn)出來就是程序。而馮諾伊曼架構(gòu)把所有的程序存在存儲(chǔ)器里邊，然后每次執(zhí)行到一步就加載一部分到計(jì)算器里邊去運(yùn)行，這樣的架構(gòu)非常適合去運(yùn)行分治法產(chǎn)生的程序。

如果我們分三層，最底下一層是解題思路分治法，往上一層是對應(yīng)的表現(xiàn)形式，也就是程序，最上面硬件，過去 70 年里就是馮諾依曼架構(gòu)的CPU。所以，分治法、程序和馮諾依曼架構(gòu)的CPU，共同構(gòu)成了一個(gè)時(shí)代。

從這個(gè)視角看的話，英偉達(dá)和Transformer模型開創(chuàng)了一個(gè)新時(shí)代。它的底層不再是分治法了，而是端到端的算法。中間的表現(xiàn)層是大模型，再往上一層運(yùn)行這些模型的芯片已經(jīng)不再是傳統(tǒng)的馮諾依曼架構(gòu)了，而是把內(nèi)存與計(jì)算單元緊密結(jié)合的近存計(jì)算架構(gòu)，也就是我們今天所說的GPU。

為什么我們說中間這樣的時(shí)代也大概率會(huì)被被拍死在沙灘上呢？其實(shí)大模型和幾百億個(gè)參數(shù)的端到端模型，是否應(yīng)該被運(yùn)行在一個(gè)存和算分離的芯片上，這仍存在疑問。它最理想的運(yùn)行方式一定是像我們的大腦一樣，在同一個(gè)神經(jīng)元里邊存著知識(shí)和做計(jì)算，也就是存算一體。所以，我們相信，在未來幾年內(nèi)，一定會(huì)出現(xiàn)存和算一體的芯片。

什么是存算一體？

人腦的一個(gè)神經(jīng)元其實(shí)是存著一些信息的，每一次計(jì)算的話，電信號(hào)又會(huì)通過它進(jìn)行計(jì)算。也就是說，存儲(chǔ)信息和進(jìn)行計(jì)算在同一個(gè)神經(jīng)元里發(fā)生。

所以如果在現(xiàn)在計(jì)算機(jī)的存儲(chǔ)單元上，能再加上計(jì)算的邏輯，也就是同一個(gè)單元既存儲(chǔ)又計(jì)算，那我想這樣結(jié)構(gòu)的芯片其實(shí)是非常適合運(yùn)行大模型算法的。

我相信運(yùn)行一個(gè)幾百億參數(shù)的大模型，最好的架構(gòu)一定是存算一體的架構(gòu)，因?yàn)樗苊饬怂械臄?shù)據(jù)的搬運(yùn)。過去為什么我們沒有做出存算一體的架構(gòu)？其實(shí)也是因?yàn)檫^去都是分治法。它其實(shí)不太需要在存儲(chǔ)單元里邊進(jìn)行計(jì)算。但當(dāng)你去認(rèn)真地研究怎么在存儲(chǔ)單元里做計(jì)算的時(shí)候，這件事情我相信幾年下來就會(huì)有很大的突破。

我其實(shí)是很相信仿生的。無論從大模型、還是像存算一體的芯片算法和硬件的發(fā)展，其實(shí)都是在朝一個(gè)仿生的方向在走。那觀察人腦的時(shí)候不難發(fā)現(xiàn)，其實(shí)腦子不只是在存儲(chǔ)知識(shí)，不只是在推理，腦子還在每一次推理的過程中間訓(xùn)練自己，所以它本質(zhì)上是一個(gè)存算訓(xùn)一體的東西。

但今天的芯片在不停搬運(yùn)數(shù)據(jù)的時(shí)候，其實(shí)我們是沒有功夫再去修改這個(gè)模型的參數(shù)的，因?yàn)槲覀兯械墓Ψ蛞呀?jīng)花在把那800億個(gè)參數(shù)搬來搬去上面了。所以我們沒有功夫再去操心說怎么調(diào)整一下參數(shù)，讓它變得更好。但一旦出現(xiàn)存算一體的芯片，也就是那些參數(shù)再也不搬了，然后每次推理就是走一遍的時(shí)候，我們是不是空出的腦子就可以利用積累的知識(shí)來更新一下模型的參數(shù)。

所以，我相信在存算一體的芯片上，一定會(huì)誕生新一代的、不再是Transformer的全新算法，而這一代全新的算法可能會(huì)超越存算的界限，可能會(huì)一邊運(yùn)行一邊進(jìn)化自己，但這也是個(gè)非常恐怖的事情。

下一篇，我們會(huì)討論AI的落地、應(yīng)用、以及為何陽萌和安克會(huì)對AI有這么深入的思考。關(guān)注我，下篇見。

（注：本文不代表老石任職單位的觀點(diǎn)。）