人工智慧正在改變各行各業及國家安全格局，了解最新硬體能力對於保持技術優勢至關重要。
AI加速器
——用於加速神經網路、深度學習和機器學習等能力的專用系統——近十年來一直是重要的發展領域。自2018年以來，林肯實驗室超級計算中心（LLSC）的團隊一直在開展林肯AI計算調查（LAICS，發音為"lace"）。經過六篇論文的積累，LAICS持續總結當前的商用AI加速器，並比較它們的峰值性能和峰值功耗。
"大約八年前，我們看到研究論文中描述的研究型AI加速器數量急劇上升，同時商用加速器也不斷被宣布推出，我們開始收到實驗室工作的政府資助方關於這些產品的問題。這足以成為開展這項調查的動機。"LLSC工作人員阿爾伯特·羅伊瑟表示，該中心負責運營和優化數千名實驗室研究人員使用的高性能計算系統。
儘管AI加速器常用於機器學習等流程，但它們也能支持其他並行應用，比如對分子功能進行建模和加速流體動力學模擬——這些都是計算成本非常高昂的過程。
AI加速器技術有多種形式：中央處理器（CPU）、圖形處理器（GPU）、專用集成電路（ASIC）、現場可編程門陣列（FPGA）以及數據流加速器。每種類型的加速器能力略有不同。CPU可用於通用計算，而ASIC只能執行非常特定的任務。數據流加速器、FPGA和GPU則更靈活，可針對各種工作負載進行配置。不同類型加速器的效率和性能因設計方式而異。LAICS的目標是調查當前市場上的技術，並進行比較，以找出滿足特定需求的最佳加速器。
該項目由羅伊瑟領導，LAICS團隊還包括LLSC成員麥可·瓊斯、彼得·米卡萊亞斯、傑里米·凱普納和維傑·加德帕利。團隊還與林肯實驗室其他部門的研究人員合作，包括先進技術部以及情報、監視、偵察與戰術系統部，以了解加速器如何支持他們各自任務的研發工作。
該系列的第一篇論文研究了57款加速器，而最新一篇論文則調查了超過120款加速器。團隊用來比較加速器的主要指標是峰值性能和功耗；隨後他們會根據加速器是晶片級、卡級還是系統級產品進行分類。論文中的所有數據均來自公開來源，這具有一定挑戰性，因為一些公司傾向於對其性能和功耗數據保密。為了及時跟進該領域的最新動態，羅伊瑟每天都會進行新聞和引文檢索，關注最新的技術新聞文章、公司公告和行業演講。
"每年都會有五到十家新創公司獲得資金並宣布成立，然後發布新的AI加速器，這一點持續讓我感到驚訝。"羅伊瑟說，"人們可能會認為這個領域已經足夠飽和了，但隨後又會湧現出一批創新的加速器。"
除了總結當前加速器的性能與峰值功耗對比外，每篇論文還會探討該領域的一個新方面。例如，2022年發表的論文調查了性能提升的來源，發現這些提升源於更小、更密集的電晶體設計以及採用更低的數值精度（即計算時使用更少的有效數字）。最新一篇論文研究了現有的不同架構選擇，分析了增加某些組件（如每個處理器的核心數量或並行性能）將如何改變系統表現。
羅伊瑟計劃在可預見的未來繼續開展這項調查，他表示，僅在過去幾個月內，就有六家新創公司宣布推出了它們的首款AI加速器。
"AI及其運行所依賴的硬體都是熱門話題，對林肯實驗室而言，在選擇和推進正確技術方面擔任公正的技術顧問角色非常重要。"羅伊瑟說，"我們的AI加速器調查幫助許多資助方和政府同行更好地理解了AI加速器領域的現狀，並在相關研究和採購決策上做出了更明智的選擇。這項調查對於確定我們應該為即將到來的LLSC系統採購考慮哪些GPU也非常有價值，因此它不僅有利於我們的資助方和任務項目，也惠及所有LLSC用戶。"
完整的論文集及配套數據集可在相關渠道獲取。
Q&A
Q1：林肯AI計算調查（LAICS）是什麼？
A：LAICS是林肯實驗室超級計算中心自2018年起開展的一項持續性調查，旨在總結當前商用AI加速器的情況，並比較它們的峰值性能和峰值功耗，幫助用戶更好地理解AI加速器市場的發展現狀。
Q2：AI加速器有哪些主要類型？
A：AI加速器主要包括中央處理器（CPU）、圖形處理器（GPU）、專用集成電路（ASIC）、現場可編程門陣列（FPGA）以及數據流加速器。CPU適用於通用計算，ASIC執行特定任務，而GPU、FPGA和數據流加速器則更靈活，可配置用於多種工作負載。
Q3：這項調查對普通用戶或機構有什麼實際價值？
A：該調查幫助政府資助方和研究機構更好地理解AI加速器領域的現狀，從而做出更明智的研究和採購決策，同時也為超級計算中心自身選購GPU提供了參考依據。
