密歇根實驗室的“微塵”計算機

旨在使物聯網變得更加智能。 

━━━━━

計算機科學家大衛?布洛烏（David Blaauw）從包里掏出一個小塑料盒。他用手指甲小心翼翼地挑起盒子里的一個小黑點，把它放在酒店咖啡廳的桌子上。這個體積為1立方毫米的小黑點是一系列世界上最小的計算機中的一員。我必須十分小心，不能咳嗽或者打噴嚏，以免將這小東西吹跑，再讓它被掃進垃圾堆里。

布洛烏和他的同事丹尼斯?西爾維斯特（Dennis Sylvester）都是IEEE會士和密歇根大學計算機科學教授。他們于2月初在于舊金山舉辦的IEEE國際固態電路會議（ISSCC）上提交了10篇關于這種“微塵”（micromote）計算機的論文。在過去的數年間，他們已經介紹了多款此類微型設備的不同“變體”。

“密歇根微塵”（M3）計劃的遠大目標是為醫療設備和物聯網研制出更智能、更小巧的傳感器——用途更廣，而能耗更低。許多話筒、照相機以及構成智能設備“耳目”的其他傳感器一直處于獲取數據的狀態，并定期將私人數據發送到云端，因為它們自己不能對這些數據進行分析。有人預測，到2035年，這樣的智能設備的數量將達到約1萬億臺。“如果這1萬億臺設備不間斷地產生讀數，那么，我們將被淹沒在數據的海洋中。”布洛烏說。他和西爾維斯特希望通過開發出一些小巧、高效并且能自己對數據進行分析的計算傳感器來使這些智能設備變得更加安全，同時節約能效和帶寬。

在舊金山，他們描述稱，“微塵”的設計使它只需耗費幾納瓦的功率就可執行辨別過往汽車的聲音、測量溫度和亮度等任務。他們展示了一款使微型計算機向20米以外的接收器發送數據的小型無線電設備——這與他們去年報道所稱的50厘米的距離相比有了很大的提升。他們還介紹了與臺積電（TSMC）進行的將閃存嵌入設備的合作，以及他們為運行人工智能算法——“深度神經網絡”——配備專用低能耗硬件的項目。

━━━━━

布洛烏和西爾維斯特稱，他們采用整體方式來添加這些新特性，不會增加能耗。西爾維斯特稱，對于他們以及他們的工程師如何做到這一點，“沒有一個明確的答案”。如果硬要說的話，那就是“智能線路設計”，布洛烏補充說。（他倆飛快地來回交流這些想法，雖然不能說是替對方把話說完，但也差不多了。）

西爾維斯特說，存儲器研究正是“正確的取舍能夠提高性能”的好例子。前一版“微塵”采用的是用在低性能計算機上的8千字節的靜態隨機存取存儲器（SRAM）。為了記錄視頻和聲音，微型計算機需要更多存儲空間。因此，他們的團隊同臺積電合作，在設備中加入了閃存。現在，他們能造出擁有1兆字節存儲空間的微型計算機。

閃存能在比靜態隨機存取存儲器更小的覆蓋區內存儲更多的數據，但將內容寫到存儲器上時要耗費大量能量。有鑒于此，該團隊與臺積電攜手設計了一種使用更高效的電荷泵來執行寫入流程的新存儲陣列。與臺積電的商用產品相比，這些存儲陣列儲存信息的密度要低一點，但仍然比靜態隨機存取存儲器好得多。“我們用較小的犧牲獲得了巨大收益。”西爾維斯特說。

他們在本次國際固態電路會議上展示的另一款“微塵”計算機則整合了一款深度學習處理器，這個處理器可運行深度神經網絡，能耗僅為288微瓦。“深度神經網絡”是一個人工智能算法，能很好地執行臉部和語音識別之類的任務。運行它們通常需要很大的存儲器以及很高的處理能力，因此它們一般在配備有先進圖像處理單元（GPU）的服務器組上運行。一些研究人員一直在嘗試降低為深度學習人工智能算法配備的專用硬件的體積和功率，但這些專門處理器的功率也超過50毫瓦——遠高于一款“微塵”計算機的功率。密歇根團隊通過重新設計芯片架構來降低對功率的需求。例如，在存儲器（在此例中采用靜態隨機存取存儲器）內放置4個處理元件以最大程度地減少數據移動。

他們的想法是將神經網絡引入物聯網。“許多移動偵測攝像機都能夠對風中擺動的樹枝拍照——但這并沒有什么用處。”布洛烏說。安全監控攝像機和其他關聯設備還不夠智能，無法區別一個盜賊和一棵樹，因此將這些沒有用的素材發送到云中進行分析純粹是浪費能源。在計算機上安裝深度學習處理器可以進行更好的判斷，但前提是無須消耗太多功率。密歇根團隊的設想是，除了安全系統之外，還可以將深度學習處理器整合進其他連接互聯網的設備中。比如，如果一個供熱通風與空氣調節（HVAC）系統“看見”很多人都脫下外套，它就會自動做出決定，關閉空調。

在學術環境中展示了多款“微塵”變體之后，密歇根團隊希望數年后“微塵”能夠投入市場。布洛烏和西爾維斯特稱，他們于2013年底低調成立的創業公司CubeWorks目前正在開發相關設備的原型機并對市場進行研究。英特爾投資公司(IntelCapital) 于去年10月宣布它已經對這家微型計算機公司進行了投資（投資金額未公布）。

作者：Katherine Bourzac