很多世界頂尖的“建築師”可能是你從未聽說過的人，他們設計並創造出了很多你可能從未見過的神奇結構，比如在芯片內部源於沙子的複雜體系。如果你使用手機、電腦，或者通過互聯網收發信息，那麼你就無時無刻不在受益於這些建築師們的偉大工作。
Jim Keller就是這群“建築師”裡的一員。作為微處理器領域的傳奇人物，他現任英特爾資深副總裁，兼任硅工程事業部（Silicon Engineering Group）的總經理。在此之前，他曾任職DEC、AMD、博通、蘋果、特斯拉等公司，擔任工程副總裁或首席架構師等工作。在他幾十年的職業生涯中，他領導設計了多種x86和ARM的處理器架構，包括AMD的K7、K8、K12和Zen，蘋果用於iPhone4和iPad的A4、A5移動處理器，特斯拉的自動駕駛處理器，等等。此外，他還是x86-64指令集的作者之一。
Jim Keller，圖片來自英特爾
不久前，Jim Keller做客MIT的網紅學者Lex Fridman的播客節目，並分享了自己對於摩爾定律、計算機體系結構、人工智能等技術問題的見解與思考。兩人的對談天馬行空，並不拘泥於某個具體技術或領域，而是由某個觀點出發，討論技術背後的驅動因素，並對芯片與人工智能產業的發展和變革做了深入剖析，讓人受益匪淺。
老石對Jim Keller的主要觀點進行了整理和採編，按討論的主題分成兩篇文章，以饗讀者。在上篇文章《頂級芯片大師、微處理器傳奇人物 Jim Keller 談：摩爾定律、計算機架構、未來計算機技術發展趨勢》中，介紹了Jim Keller對摩爾定律的深入探討。在本文中，則主要介紹了他在不同公司工作時的體會，包括對自動駕駛技術、伊隆·馬斯克、以及芯片設計藝術本身的討論與思考。文章比較長，但全部是他幾十年從業經驗的深入淺出的闡述，值得細品。
自動駕駛技術的本質
隨著時間的推移和科技的進步，計算機的性能自然會不斷增加。但我認為，自動駕駛系統的計算機並不需要特別複雜。這是因為本質上，對於人類來說，開車並不是一個特別難的技能，也不需要特別高的智力才能掌握。相比於駕駛技巧，我認為自動駕駛系統的“注意力”是更為重要的，而這也是人類駕駛員無法與之媲美的。
自動駕駛系統通過各種傳感器對周圍環境進行感知、測量、計算，並在駕駛過程中不間斷的執行這些過程，這都是人類駕駛員無法做到的。汽車所在的環境也並非完全隨機，這也在很大程度上減少了自動駕駛系統的複雜度。例如，道路和車道本身並不會動態變化，我們可以相當詳盡的繪製各種地圖、標註各種交通標誌和信號，並且基於這些信息進行非常精準的路線計算。
對於人類駕駛員來說，第一次開車經過某條道路時他可能會非常全神貫注，因為你的大腦在不斷處理這些信息，但當你開車走同樣的路上下班幾十次之後，你甚至會忘記自己怎麼來到辦公室的。在這方面，計算機系統會遠勝過人類，因為它每次都會保持全部的“專注力”，它也不會忘記哪條路上有個坑，哪條路的車道不清楚等等。
此外，人們常常拿來舉例的併線操作，比如你的車想要併線到別的車道里，除了等待車輛間有一定距離之外，還需要有一定的“勇氣”和決心。事實上，自動駕駛系統完成併線操作所包含的計算，比人們想象中的要少很多。這也是為什麼我說自動駕駛計算機不需要特別複雜的原因之一。
我常講的一句話是，科技進展在短期內讓人失望，但長期來看會讓人驚喜。也就是說，多年之後，很多技術在人們看起來都是非常“稀鬆平常”的。拿GPS來說，當這個技術剛剛出現時，人們驚歎說我們竟然使用衛星導航，但現在，GPS已經成了人們生活的標配之一。因此，在若干年之後，這些目前看起來很複雜的自動駕駛技術可能只不過是50美金的流水線產品了。
自動駕駛技術的五個層級，圖片來自網絡
對於自動駕駛來說，我認為安全性永遠是第一位的。伊隆·馬斯克認為，自動駕駛系統最大的好處是能解放人們的專注力和時間，並得以在駕駛時做別的事情。但我覺得達到這個目標的前提，是能夠設計製造出比人類駕駛員更加安全的系統，並以此作為首要目標。
當我與北美和歐洲的監管機構溝通時發現，對自動駕駛安全性的標準要比人類駕駛員更為嚴格，比如不能撞人、不能駛離道路、不能闖紅燈等等很多。我認為這些更高的監管標準是十分必要的，而且這些標準也將在很大程度上引導自動駕駛技術未來的發展。
設計自動駕駛芯片的特殊矛盾
在設計自動駕駛芯片時，通常有兩個主要矛盾。一方面，軟件和算法團隊在不斷更新算法設計，另一方面，硬件團隊又必須將某個算法固化到芯片上實現。這就使得芯片設計者會擔心，自己的芯片很快就會被完全淘汰。
通常來說，如果我們把一個出色的CPU的性能設為基準，那麼GPU可以在消耗同等芯片面積的情況下，提供5倍的性能提升，這是由於我之前說過的GPU有著先天並行性優勢。與之相比，針對這個應用特殊設計的硬件加速器芯片則可以再額外提供2到5倍的性能提升。這是因為與CPU或GPU相比，這些ASIC可以根據具體的應用算法進行深度優化，比如採用更小的字長、更高的並行度等。
然後矛盾就來了。在高度優化的基礎上，人們還希望這些硬件加速器有著可編程性，以適應不斷變化的AI算法，而這是很難做到的。人們常說的“領域專用（domain specific）”芯片，卻又不希望這個芯片過於專用，這本身就是一對矛盾。
因此，如果出現了新的AI算法，在很多情況下最好的實現方式還是使用GPU等現有的器件。
伊隆·馬斯克的自動駕駛願景
當前有很多初創公司也在開發自動駕駛技術和芯片，但你會看到他們把服務器放在卡車上。這是因為他們設計的東西太過複雜，並希望取代所有人類的駕駛行為，而這樣也伴隨著巨大的計算和金錢成本。
對於馬斯克來說，他的一個主要目標是極大降低這些自動駕駛芯片和系統的成本，這樣每輛車都能裝備自動駕駛技術。
馬斯克與Cybertruck，圖片來自USA TODAY
伊隆·馬斯克對人性有著深入的洞見，他認為大部分人的思想都受制於“如何做”，也就是說，人們常犯的錯誤是會拘泥於現有的東西，對其進行更新或改裝，從而產生新的東西。事實上，我們應該思考的是人們真正需要的是什麼，然後再去想如何生產製造它們。這種思維方式說起來簡單，但是幾乎沒有人能夠做到。
芯片設計需要匠人精神
我認為芯片設計者要有匠人精神。就像製造一把斯特拉迪瓦里小提琴一樣，對於木材的選擇、刮板、切割、打磨、粘合等等一系列工序，甚至在執行這些步驟的時候，工匠們還需要等待合適的日子和天氣才行。這些都是匠人的精神。
斯特拉迪瓦里製作的小提琴，現存於西班牙馬德里皇宮
事實上，大多數工程師都是匠人，他們做的工作也都是匠人的工作，而人類特別擅長於這種類型的工作。比如，我在上大學的時候經常去挖水渠，我對此非常在行。在某種意義上，挖水渠也是一種匠人工作。
行為學上有一種名為“complex mastery behaviour”的說法，它的意思是當你做一些機械性且簡單的工作時，你可能不會獲得太多的自我滿足感。但如果你要做的工作分為很多複雜的步驟，而且你對此非常在行，那麼你在做這樣的工作時就會獲得爆棚的自我滿足感。如果在這個過程中你還能學到新的知識或技能，那麼你就會沉迷其中。
在我看來，設計和製造芯片正是這樣的工作。
（注：本文僅代表作者個人觀點，與任職單位無關。）
創芯大講堂全場限時75折！
