【红豆博客】大家都错了。5月4日上午，Google ei/O2018交流会的最后一天，不久前获得今年图灵奖的Alphabet新老板JohnHennessy上台。

我认为这是一个礼貌的讲话。简单说说义务，做个家谱就行了。没想到，斯坦福大学前领导轩尼诗绝对不会官僚。(他比上一版的字母boss更有意思。)

大家听完之后，久久不能忘怀。

轩尼诗一开始花了很多时间，仔细解读了测量行业的发展趋势、现状和困境，以及未来可能的推广取向。每句话戳中干货知识。

自然也有激动人心的复杂表情。

例如，这位65岁的特级大师说：人们可能不相信，差不多50年前，我自己造了一台计算机。

轩尼诗说，在过去的50年里，他目睹了不可思议的IT产业链，并开始了一波又一波的改革。互联网技术、集成电路、智能手机和电脑.有自己的魔力。但还有一件事，他认为可能真的会改变我们的日常生活。

那就是深度学习和人工智能技术产业的提升。大家都在这个行业投入了50年的科研。最后，终于，大家都升职了。为了完成这个提升，大家需要的基本数学计算是之前设想的100亿倍。但最后大家都答应了。

他说：这是一场可能改变命运的改革。

然后更令人震惊的一幕开始了。

我坚信很多人已经看过GoogleDuplex了。就是前几天Google ei/O2018交流会当天GoogleCEO展示的session AI。

你可以在真实的自然环境中预订理发店和餐馆的服务项目和座位。全线沟通顺畅，终极解决不懂* * *运营商的人。看看下面的视频，体验一下谷歌的AI高科技。

GoogleDuplex一出来，大家就炸了。效果不错。市场上的粉丝缓过神来，心想：这个AI是Google基于图灵测试试听的吗？

是的，Alphabet的老板JohnHennessy今天终于亲口承认了：

在预订行业，这个AI已经通过了图灵测试，这是一个非凡的进步。

他进一步补充道，虽然这个AI并没有在所有场景下都得到升级，但它仍然指出了未来的路面。

1950年，图灵发表了一篇具有里程碑意义的毕业论文，推测人们可以创造出具有真正智能的设备。他还明确提出了著名的图灵测试：如果一个设备可以与人对话(根据电传机设备)而不被识别为其真实身份，那么这个设备就是智能的。

根据图灵测试，这意味着设备可以思考。

图灵关于逆向生命的原创论文。

太好了，再给谷歌打个电话(期待它是AI连接的)。

在演讲中，JohnHennessy还问全场：有一种东西可以继续以摩尔定律的速度增长。猜猜这是什么？

答案是：深度学习毕业论文总数。

这之后，整个现场哄堂大笑。(谢谢JeffDean、DavePatterson、CliffYoung等。)

他还解释了TPU的内部结构。这将在下面详细讨论。

所以，今天，大家怀着尊敬和激动的心情传播这个消息。大家觉得这篇文章可以叫《Alphabet董事长在山景城科技座谈会上的讲话》。

轩尼诗演讲全文如下，实体书尚未出版。

干了整篇演讲稿。

今天，我想谈谈未来40年人们将在行业中遇到的大挑战，但这也是我们重新思考如何建造电子计算机的一个很好的机会。

如今，谈论摩尔定律的终结是一种时尚。戈登摩尔本人以前告诉过我：所有指数值都是终点，只是时间问题。摩尔定律遇到了更多这样的自然法则。

摩尔定律结束代表着哪些？

我们先讨论一下DRAM(动态随机存取存储器)的现状。很多年来，DRAM每年都会以50%的速度增长，比摩尔定律快一点。

但之后就进入了轻度悬浮。这七年发生了什么？DRAM是一种独特的技术，它必须形成一个槽电容，所以它也必须是一种独特的安装技术。

那么CPU行业到底发生了什么？CPU发展趋势的缓和类似于DRAM。红条是摩尔定律的预测分析，绿线是一个通用intelCPU上的晶体管总数。这两条路一开始只是略有分歧，但到了2015年、2016年，差别会非常大。

大家一定要记住，这里还有一个成本因素。生产线越来越贵，但是集成ic的成本下降没那么快，所以每个晶体管的成本其实都在上升。当我们考虑结构的时候，就会看到这个问题的危害。

除了摩尔定律的减速，还有一个更大的问题，DennardScaling的终结。

BobDennard是IBM的员工，晶体管DRAM的发明者之一。很多年前，他预言每立方毫米硅单晶所需的动能将保持稳定。

这代表着什么？假如动能维持稳定，晶体三极管数却在指数型增长，那麼每一个晶体三极管的动能，事实上是在降低的，换句话说，从耗能的视角看来，测算的成本费愈来愈划算。

事实上登纳德放缩基本定律怎么样了呢？大家看来一下图中，红杠是技术性按规范摩尔定律曲线图的发展趋势，绿线意味着企业总面积耗能的转变。

如今的CPU会调慢时钟频率、关掉关键，由于如果不那么干它便会烧起來。我几乎都想不到居然会看到那样一天，CPU为自己降速来避免超温，可是如今这类状况早已发生了。

事实上，登纳德放缩基本定律到2007年早已终止了，产生了集成ic制造行业的巨变。突然之间，重要限定要素已不是晶体三极管的总数，只是耗能。这就规定你彻底再次思索构架、思索怎样搭建设备。

这代表着晶体三极管在预估中的消耗、构架上的低效能比过去伤害更大。

大家平常常用的、随身带的各种各样机器设备，都离不了充电电池，突然之间动能就变成重要資源。也有比手机没电更槽糕的事吗？再想一想即将来临的IoT时期，机器设备始终开了机，还指望借助动能收集技术性一块充电电池用10年。

大家愈来愈必须机器设备始终维持启动。例如装了GoogleAssistant的物品，你很有可能不用它的显示屏总亮着，可是必须CPU一直在工作中。因而，大家必须愈来愈多地考虑到电力能源高效率。

让很多人诧异的是，在大中型云计算技术大数据中心里，动能高效率也是个极大的难题。

它是Google大数据中心的典型性成本费组成。鲜红色的那一块是能耗再加制冷的成本费，基本上和花在***服务器上的成本费差不多。因而，电力能源高效率是一个十分重要的难题，而登纳德放缩基本定律的结束代表着早已沒有免费午餐了，你也能够看得出它的危害。

图中展现了40年以来CPU特性的转变。最开始两年，大家每一年可以见到22%的发展；80时代中后期RISC创造发明以后，每一年的发展速率做到了大概50%；接下去，便是登纳德放缩基本定律的结束，集成ic界任何人都转为了多核。

多核有什么作用呢？硬件配置设计师用它把动能高效率的足球踢给了手机软件设计师；如今大家进入了一个减肥瓶颈期，均值每一年的特性提高仅有3%上下，要20年才可以翻番。它是通用性CPU特性提高的结束。

怎么会那样？

很多并行执行命令不是行得通的，例如在英特尔酷睿i7里，25%命令的实行結果都被丢掉了，可是，实行这种命令仍然必须耗费动能。这也是为什么单CPU特性曲线图停止了。

可是多核处理器也遭遇着相近的难题。写一个大中型的繁杂手机软件，就必定有编码序列性的一部分。

假定，你未来用一个64核的CPU，但它运作的编码中有1%是编码序列性的，因此，它的计算速率就只等同于一个40核的CPU，可是你却要为64核的动能付钱。

我们要超越这一动能高效率的阻碍，就需要再次思索怎样设计方案设备。

大家有没有什么方式，能让系统软件更为经济发展？

以手机软件为管理中心的方式可行吗？当代开发语言针对应用他们的程序猿而言很高效率，可是在实行上高效率很低。

以硬件配置为管理中心的方式呢？我与Patterson把它称之为"特殊行业构架"，这类构架并不是通用性的，但能很好地解决一些行业的运用。

\