以下文章来源于老石谈芯 ，作者老石

作者 | 老石

责编 | 屠敏

本文为 老石谈芯 投稿

很多世界顶尖的 建筑师 可能是你从未听说过的人，他们设计并创造出了很多你可能从未见过的神奇结构，比如在芯片内部源于沙子的复杂体系。如果你使用手机、电脑，或者通过互联网收发信息，那么你就无时无刻不在受益于这些建筑师们的伟大工作。

Jim Keller 就是这群 建筑师 里的一员。作为微处理器领域的传奇人物，他现任英特尔资深副总裁，兼任硅工程事业部（Silicon Engineering Group）的总经理。在此之前，他曾任职 DEC、AMD、博通、苹果、特斯拉等公司，担任工程副总裁或首席架构师等工作。在他几十年的职业生涯中，他领导设计了多种 x86 和 ARM 的处理器架构，包括 AMD 的 K7、K8、K12 和 Zen，苹果用于 iPhone4 和 iPad 的 A4、A5 移动处理器，特斯拉的自动驾驶处理器，等等。此外，他还是 x86-64 指令集的作者之一。

Jim Keller，图片来自英特尔

不久前，Jim Keller 做客 MIT 的网红学者 Lex Fridman 的播客节目，并分享了自己对于摩尔定律、计算机体系结构、人工智能等技术问题的见解与思考。两人的对谈天马行空，并不拘泥于某个具体技术或领域，而是由某个观点出发，讨论技术背后的驱动因素，并对芯片与人工智能产业的发展和变革做了深入剖析，让人受益匪浅。

老石对 Jim Keller 的主要观点进行了整理和采编，按讨论的主题分成两篇文章，以飨读者。在上篇文章中，介绍了 Jim Keller 对摩尔定律的深入探讨。在本文中，则主要介绍了他在不同公司工作时的体会，包括对自动驾驶技术、伊隆 · 马斯克、以及芯片设计艺术本身的讨论与思考。文章比较长，但全部是他几十年从业经验的深入浅出的阐述，值得细品。

自动驾驶技术的本质

随着时间的推移和科技的进步，计算机的性能自然会不断增加。但我认为，自动驾驶系统的计算机并不需要特别复杂。这是因为本质上，对于人类来说，开车并不是一个特别难的技能，也不需要特别高的智力才能掌握。相比于驾驶技巧，我认为自动驾驶系统的 注意力 是更为重要的，而这也是人类驾驶员无法与之媲美的。

自动驾驶系统通过各种传感器对周围环境进行感知、测量、计算，并在驾驶过程中不间断的执行这些过程，这都是人类驾驶员无法做到的。汽车所在的环境也并非完全随机，这也在很大程度上减少了自动驾驶系统的复杂度。例如，道路和车道本身并不会动态变化，我们可以相当详尽的绘制各种地图、标注各种交通标志和信号，并且基于这些信息进行非常精准的路线计算。

对于人类驾驶员来说，第一次开车经过某条道路时他可能会非常全神贯注，因为你的大脑在不断处理这些信息，但当你开车走同样的路上下班几十次之后，你甚至会忘记自己怎么来到办公室的。在这方面，计算机系统会远胜过人类，因为它每次都会保持全部的 专注力 ，它也不会忘记哪条路上有个坑，哪条路的车道不清楚等等。

此外，人们常常拿来举例的并线操作，比如你的车想要并线到别的车道里，除了等待车辆间有一定距离之外，还需要有一定的 勇气 和决心。事实上，自动驾驶系统完成并线操作所包含的计算，比人们想象中的要少很多。这也是为什么我说自动驾驶计算机不需要特别复杂的原因之一。

我常讲的一句话是，科技进展在短期内让人失望，但长期来看会让人惊喜。也就是说，多年之后，很多技术在人们看起来都是非常 稀松平常 的。拿 GPS 来说，当这个技术刚刚出现时，人们惊叹说我们竟然使用卫星导航，但现在，GPS 已经成了人们生活的标配之一。因此，在若干年之后，这些目前看起来很复杂的自动驾驶技术可能只不过是 50 美金的流水线产品了。

自动驾驶技术的五个层级，图片来自网络

对于自动驾驶来说，我认为安全性永远是第一位的。伊隆 · 马斯克认为，自动驾驶系统最大的好处是能解放人们的专注力和时间，并得以在驾驶时做别的事情。但我觉得达到这个目标的前提，是能够设计制造出比人类驾驶员更加安全的系统，并以此作为首要目标。

当我与北美和欧洲的监管机构沟通时发现，对自动驾驶安全性的标准要比人类驾驶员更为严格，比如不能撞人、不能驶离道路、不能闯红灯等等很多。我认为这些更高的监管标准是十分必要的，而且这些标准也将在很大程度上引导自动驾驶技术未来的发展。

设计自动驾驶芯片的特殊矛盾

在设计自动驾驶芯片时，通常有两个主要矛盾。一方面，软件和算法团队在不断更新算法设计，另一方面，硬件团队又必须将某个算法固化到芯片上实现。这就使得芯片设计者会担心，自己的芯片很快就会被完全淘汰。

通常来说，如果我们把一个出色的 CPU 的性能设为基准，那么 GPU 可以在消耗同等芯片面积的情况下，提供 5 倍的性能提升，这是由于我之前说过的 GPU 有着先天并行性优势。与之相比，针对这个应用特殊设计的硬件加速器芯片则可以再额外提供 2 到 5 倍的性能提升。这是因为与 CPU 或 GPU 相比，这些 ASIC 可以根据具体的应用算法进行深度优化，比如采用更小的字长、更高的并行度等。

然后矛盾就来了。在高度优化的基础上，人们还希望这些硬件加速器有着可编程性，以适应不断变化的 AI 算法，而这是很难做到的。人们常说的 领域专用（domain specific） 芯片，却又不希望这个芯片过于专用，这本身就是一对矛盾。

因此，如果出现了新的 AI 算法，在很多情况下最好的实现方式还是使用 GPU 等现有的器件。

伊隆 · 马斯克的自动驾驶愿景

当前有很多初创公司也在开发自动驾驶技术和芯片，但你会看到他们把服务器放在卡车上。这是因为他们设计的东西太过复杂，并希望取代所有人类的驾驶行为，而这样也伴随着巨大的计算和金钱成本。

对于马斯克来说，他的一个主要目标是极大降低这些自动驾驶芯片和系统的成本，这样每辆车都能装备自动驾驶技术。

马斯克与 Cybertruck，图片来自 USA TODAY

伊隆 · 马斯克对人性有着深入的洞见，他认为大部分人的思想都受制于 如何做 ，也就是说，人们常犯的错误是会拘泥于现有的东西，对其进行更新或改装，从而产生新的东西。事实上，我们应该思考的是人们真正需要的是什么，然后再去想如何生产制造它们。这种思维方式说起来简单，但是几乎没有人能够做到。

芯片设计需要匠人精神

我认为芯片设计者要有匠人精神。就像制造一把斯特拉迪瓦里小提琴一样，对于木材的选择、刮板、切割、打磨、粘合等等一系列工序，甚至在执行这些步骤的时候，工匠们还需要等待合适的日子和天气才行。这些都是匠人的精神。

斯特拉迪瓦里制作的小提琴，现存于西班牙马德里皇宫

事实上，大多数工程师都是匠人，他们做的工作也都是匠人的工作，而人类特别擅长于这种类型的工作。比如，我在上大学的时候经常去挖水渠，我对此非常在行。在某种意义上，挖水渠也是一种匠人工作。

行为学上有一种名为 complex mastery behaviour 的说法，它的意思是当你做一些机械性且简单的工作时，你可能不会获得太多的自我满足感。但如果你要做的工作分为很多复杂的步骤，而且你对此非常在行，那么你在做这样的工作时就会获得爆棚的自我满足感。如果在这个过程中你还能学到新的知识或技能，那么你就会沉迷其中。

在我看来，设计和制造芯片正是这样的工作。

（注：本文仅代表作者个人观点，不代表 CSDN 观点。）