0
| 本文作者：王金许 | 2017-10-29 21:31 |
10 月 29 日，一年一度的未来科学大奖颁奖典礼暨未来论坛年会在北京举办。雷锋网了解到，今年的大奖颁奖典礼上，颁发了 2017 年未来科学大奖“物质科学”奖、“生命科学”奖，并首度颁发了“数学与计算机科学”奖。用四组数据来看，包括了 1 场主旨开幕全会，3 场未来科学大奖获奖人学术报告会，14 场未来峰会论坛，共有 40 余位顶尖科学家参与，其涵盖的范围包括高效计算、脑科学、新能源、基因技术等话题讨论。
而在计算机科学分论坛上，来自国内外五位学术界的六位教授对未来计算进行了探讨，从不同的角度发表了他们各自的见解。
圆桌论坛的嘉宾有：
张晓东，俄亥俄州立大学 Robert M. Critchfield 讲席教授，计算机科学与工程系主任，国际计算机学会（ACM）院士，电气电子工程师学会（IEEE）院士
Luis CEZE，华盛顿大学计算机科学与工程系教授
丛京生，美国加州大学洛杉矶校区（UCLA）计算机系校长讲席教授
李凯，普林斯顿大学 Paul & Marcia Wythes 讲席教授，美国工程院院士，未来科学大奖科学委员会委员
Margaret MARTONOSI，美国普林斯顿大学 Hugh Trumbull Adams '35 教授，国际计算机学会（ACM）院士，电气电子工程师学会（IEEE）院士
谢源，加州大学圣塔芭芭拉分校教授，电气电子工程师学会（IEEE）院士
周逵，红杉资本中国基金合伙人，未来论坛理事
以下为对话内容实录，雷锋网做了不改变原意的编辑：
张晓东：一百多年前，福特汽车公司的创始人福特问他自己未来的客户，你们想要什么样的最好交通工具，所有客户都说我们要跑的更快的马。如果把现在通用的计算机系统当作一匹马的话，这个马跑不动了，摩尔定律到头了，这是客观规律。
我们以前所期待的周期性计算机速度不断地增加，现在慢慢截至了，给了这么多晶体管，怎么做计算机芯片，通用型的做法，可以看到很多性能和效率的状况越来越厉害了。在微处理技术上面，我们做了一层非常深的软件，带来很多优点，让整个系统非常灵活，非常通用，但也非常低效，三个优点加起来，就是我们这匹马已经快跑到头了，所以要有新的出路。
在 CMOS 之内，现在有很多基于 CPU 的系统，效率不高，但优点是非常灵活，也非常通用，对于未来来讲，在 CMOS 里面，能不能出现一种又高效，又灵活，又通用的系统，虽然这些现在是有矛盾的。量子计算能在这里面起到什么作用？
丛京生：我们实验室 2008 年给美国自然科学基金会写的提案，专门要做特定领域的特殊计算，当时受到启发来看加密算法，如果用一般的 CPU 来做，有效性是 1 的话，用专业芯片来做，能提高 80-800 倍左右，专用和通用有很大的差别。在座有企业界优秀人士，招人招一千个高中毕业生，还是招几个专业人才，很多人选择招专业人才，社会也是有很大分工，要想在专业里做好，招几个非常优秀的人才，不是招很多人，今天其实就是想做这么一个事情。
今天用计算机，现在拿来记笔记，如果孩子们拿来做游戏，肯定有效性不够高。希望有这样一个计算机，拿来做医疗精准计算，慢慢专业化，解微积分方程解得非常好。这个不是天方夜谭，有这种可以编程的芯片，在你办公室书桌上，把它可以完全用专业化的芯片设计出来。
我讲的芯片就是 FPGA，我们实验室在做。我们做了一个工作，只要写 C 程序，就自动设置成电路，下一步连 C 程序也不用写就把集成电路自动生成了。
有人问我的研究方向是什么？我说研究方向就是想把电路设计民主化，让在座的每个人都可以设计自己的电路，自己的专用计算机，这是可以做到的一个事情，但就是要花若干年的努力。
李凯：现在我们还在探索，从现在到将来这个区间应该怎么做？可能明显的方向就是比较专业化，现在不仅在计算方面已经专业化了，其实在很多软件设计已经开始专业化了，为以后专业化做准备。比如现在在大的数据中心里，很多存储系统都已经专业化了，Facebook 存图像的存储器有一种设计法，存视频有一种设计法，存一般的数据有一种设计法，做纯金融的数据有另外一种设计法，都是不一样的，现在大家已经专业化了。
数据输入输出方面是有困难的，我们现在讲大数据，以后设计软件、设计算法有可能就会向这个方向走。如果真正做好，各个方面从算法到软件硬件都需要，我们已经向这个方向走了，尤其大型数据已经开始专业化了，所以可以看到以后可能做很多事情都要专业化。
张晓东：能不能讲一下主流的量子计算在未来的发展是什么样的？
Margaret MARTONOSI：我们大多数人都不会觉得量子计算机在未来代替现在大家所使用的计算机，而是它是会在这种专门的领域方面有更多发展。当然我们还有很多的工作需要做，要识别出有哪些领域能够让我们在不同层次、不同范围之内去使用量子计算机，这是一个挑战。我非常同意之前周逵教授所讲的，就是我们面对的主要挑战就是储存，我们如何确保计算机的能力，要确保在不同的层次上的储存需求能够满足，这是一些主要的挑战。
谢源：在专用和通用之间，有很多的讨论，但是也会有一个平衡的地方，PC 机时代，CPU 是通用计算， GPU 一开始是作为图形计算的专用硬件，发展过程当中，看到 GPU 开始用于 GPGPU，这两者之间利用大量的并行性，做特定的存储，比如 AI 的存储，本身并不是图形计算的一部分，但是充分可以利用 GPU 大量的并行性帮助 AI 的存储。AMD 新的架构是 APU，是 CPU 和 GPU 结合在一起。
周逵：我们投资的这些创业公司，他们提出做通用芯片不够他们的用处。举两个例子，有一个是在人脸识别、视频监控环节，希望有更专用的芯片，提高更好性能。比特币运算环节，创业者说要做一个适合他们应用的专用芯片。两个已经到应用，已经要做这个事情。
Luis CEZE：我们并不能仅仅找到一个比较好的算法就可以了，或者找到更好的发展，深度学习和 AI 方面，我们也是比较幸运的，在这个设计过程当中，能够看到还是有一些规律的，所以我们能够看到有很多创业公司在这个方面做得比较好，他们有这种特殊用途的芯片可以使用的。
现在储存当中有非常多的图像和视频，储存已经是世界上面临的比较大的问题，我们应该有专门系统专门储存这些图象和视频，还有 flash 也是能够进行储存的方法，但是视频和图像，需要我们有更多的这些数据作为基础帮助我们设计特殊的储存方法。
张晓东：现在业界有很多存储系统进展，SSD 被广泛应用了。我们看到未来的磁盘是非常平的，没有存储系统，非常大，非常平的。未来的这种操作系统和磁盘之间的关系是什么样的？DNA 存储系统在主流的存储系统当中起到什么作用？
李凯：我的想法是，根据用户场景和用户的要求来定，做技术的想要把性能往前推，但是设计的时候，需要考虑用的要求，我们做一个产品，对于用户的要求比较更敏感一些。要是把银行里面的信息放在那的话，首先不希望你的信息有变化，如果一个信息变了，正变成负的话，肯定有问题。
另外希望你的信息，如果有地震，如果有大的灾害发生的话，有人把银行炸了，信息不会丢掉，信息必须存在别的地方。DNA 存储现在需要把试管寄到远去，传递这种信息。老一代系统，比如金融界，它的信息放在本地数据中心，后端实际上有人把这个数据放到存储器上，运到远处，然后放到远处，已经有这种服务了。
即使现在放在云端，大家觉得好像我把数据放在云端里面，到什么地方都可以存取，可是你不知道，挪很多数据到云端是很困难的，带宽并不是在这条线上，带宽的增加实际上如果看一下历史，1980 年左右，第一个产品出来，本地网络当时是千万 btns 每秒，十年以后增加十倍，每次都是十年，摩尔带宽每十年增加十倍，不是每四年，数据增加情况下，必须用别的办法设计。
大数据放在磁盘上，并不是用带宽传过去，如果传过去有可能需要一个月，用快递的话，一天就可以传过去。在这种用途情况下必须有，而且现在这种带宽，手机上的数据要传到云端，都跟存储能力中间的 gap 越来越大了。
Luis CEZE：这几点很有意思，就是可能说整个系统的改变，从带宽到现在对于计算的这些讨论，确实是有很多改变，我们也可以把带宽加到非常大，然后能够应用到非常大的应用里面，再回到存储方面，，怎么能够更好地在一个计算系统里面容纳，这个在系统设计里面是非常有意思的话题。
Margaret MARTONOSI：我们绝大多数对话都是关于数据，或者是非常静态的这些东西，事实上还有很多的数据是动态的，比如物联网，或者无人驾驶，都会在世界各地有这样的动态数据，怎么分析这种动态数据，怎么应用，这个是很重要的，怎么能够让网络更加具有敏捷性，也是一个挑战。现在也有很多的这种数据在云上面，所以怎么能够去计算这些数据，或者是存储也好，这些方面一旦引入这种互联网，还有很多传感设备的话，就有很多这种需求。
周逵：在端上面，手机变得这么小，存储的进步是最重要的进步之一，但是上面的需求永远觉得存储量不够，经常装一些视频就装满了，这是肯定碰到的需求。存储永远占成本很大的一部分，这两个是呼唤新技术。DNA 存储真是推开了一扇窗户。
每年产生的数据都是历史产生的数据总和，都是形成整个社会云端智慧，数据都会集中在云端，对云端的存储能力需求和传输、运算的速度要求更大。我觉得这方面存储的进步可能对于未来生活会产生巨大的变化。
丛京生：存储跟计算可以融合在一起，海量数据要存起来，如果小规模存储，能够存取非常快的话，可以取代计算，我们小时候要学完加法学乘法，背九九表，7×8 不用再算了，背下来了，有没有老师让你背两位数九九表，比较难背，100×100 乘起来一万个数，脑子里搁不下，搁得下的存取非常慢。有一个神奇的芯片 FPGA，可以不同地变化功能，把你想要的函数值存在里面，所以是很有意思的一个事情。
我们 2013 年写了一篇论文，以后还是希望有可能更多地关注，计算不要算了，多设一些九九表，吧这些值都存起来，当然不能所有的值都存，这样太贵，存一些固定的重要的值，可以很快的算出来。
当我是小学生的时候，为了算得快，不但把九九表背下，关键乘法背下来，所有的平方都知道，比如 14×14，15×15，有了这些关键，来 14×16，我也可以很快算出来，死记硬背不是坏事，非常好，死记硬背下来以后算得非常快，把这些问题答案背下来，中间这些答案从中组合起来，这其实是一个很巧妙的想法。
谢源老师跟我有一个很大的合作，现在还没有正式宣布，希望把存储和计算完全融合在一起，这样其实就像人脑一样，确实是也看不出哪里是管存储，哪里是管计算，非常紧密地融合在一起。
张晓东： 集成电路世界里还有很多事情要做。下面一个课题谈谈超越 CMOS，会不会以后变得超越 CMOS 系统能够包含多少应用，是在 CMOS 世界里不能做的。CMOS 和超越 CMOS 之间，会不会需要搭一个桥梁？
Luis CEZE：我不觉得 CMOS 会消失，肯定会有 CMOS 在这里面会发挥作用，怎么用正确的技术应用在正确的领域里，我们需要很多这种团队进行研究，我相信会有很多，比如像现在的实验室也好，包括其他各种领域的科学家，可以去再进一步研究，我们也可以互相交流，然后寻找一些可能性。
其实也有很多很有意思的一些发现，比如 DNA 测序器，纳米孔测试器可以看到非常小的细节，分子和 CMOS 之间联系非常有意思。
丛京生：什么是 CMOS，是 CMOS 晶体管的简称，什么是晶体管，原则上就是一个开关，关上就传输数据，打开了就不能传输数据，跟物理房间里开关完全一样。造晶体管造的不够好，有一类开关传 0 传的好，传 1 传的不好，有的传 1 好，传 0 不好，设计开关里两个晶体管，传 1 的时候用传 1 比较好的开关，传 0 的时候用传 0 比较好的开关。这么一对开关，用它做计算，现在是最可靠，而且集成度最高的一个技术。这是摩尔定律为什么走了二三十年，还有十年左右的周期，如果不能往下走了，还有很多问题。Luis CEZE 讲了有意思的工作，DNA 是不是能存储，有很多这种可能的。
CMOS 如果不能再集成的话其实还有一个可能方向，只是在两维的芯片上不能再集成了，可以往三维走，一层一层迭代，可以用同样的技术改革，效率也可以提升很多。
李凯：现在已经很多根据用户要求，对不同应用设计不同的计算和存储， 我们已经向这个方向走了，有可能我们以后就会根据不同的新技术出现，比如用 DNA 存储，那些技术存在了，可以解决哪一类的问题。刚才我提到现在传输，如果银行存金融数据，国际标准存七年，七年以后不存了，公司里的很多数据，有的存 30 天，有的存三个月，也有的公司像硬件公司，像因特尔永远存下去，设计信息就是永远存在下去，设计不同的要求，有不同办法，有可能以后每个人要把自己的信息传给下一代，有可能真的需要通过 DNA 来传，因为可以存多少多少年，有很多不同的要求，知道新的技术存在，有可能新的技术就会进来，我是相信这种办法。
Margaret MARTONOSI：我更加谨慎，不是更为乐观，我觉得摩尔定律是非常了不起的定律，但是不能够保证 50 年都是成功的，因为在每一个阶段，它的经济性上面，我们需要更加快速的电脑，然后还有半导体，需要进一步发展，来支撑整个行业，我们都知道有一些新技术可能会替代摩尔定律，有一些可能不见得。
所以我觉得对于量子计算，我还是觉得很有希望的。可以看到很多证据是说，其实还是基于摩尔定律给出了很多这种可能性，可以让我们去投入一些新型汽车，5-10 年之后的这种。我们都可以有一个设计，可能未来肯定会有一些新技术，但是现在还没有到这个阶段，我们去想一想的话，应该还是很振奋的，但我觉得还是需要更加谨慎对待。
谢源：传统的 CMOS 摩尔定律其实之所以有摩尔定律，因为每隔两年晶体管可以做小，可以在两维空间里不断把存储体积缩小，继续做 3D 堆叠，两维不能继续缩小，可以往三维空间上找，过去十多年里，我和丛老师从事的一个研究方向，就是三维集成电路设计，这个能够帮助我们在现有的 CMOS 基础上，能再继续延续一段时间。
张晓东：从投资者的角度来讲，有什么想法，跟我们分享一下？
周逵：刚刚讲的 CMOS，让行业从投资到生活，已经精彩了 50 年，这个精彩还在持续，可能 50 年、80 年、100 年，完全有可能。它推开一扇窗，电脑接近人脑，并行、立体和 DNA 的存储逻辑，还有很多很好的机会。如果有一天，我们可能再投一个公司，说不定有这个机会，因为基础科学技术突破，可能带来巨大的创新和巨大的产业的投资机会，所以最好是一个华人公司，这样就更来劲了。
我们特别关注技术进步离现实有多远，不需要明年，是不是五年之内、十年之内能够发生，我们有这个耐心，还是比较积极的。
*雷锋网整理
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
