AI芯片初創公司Lemurian Labs發明了一種專為AI加速設計的新型對數數字格式，并正在構建一種芯片，利用它為數據中心AI工作負載服務。

Lemurian的CEO Jay Dawani說：“2018年，我正在為機器人訓練模型，部分是卷積，部分是Transformer，部分是強化學習。在1萬個Nvidia V100 GPU上訓練這個模型需要6個月時間……模型呈指數級增長，但很少有人有足夠的算力來嘗試訓練，很多想法就這樣被放棄了。我試圖為那些有偉大想法但卻苦于沒有算力的普通的ML工程師構建模型?！?

對Lemurian首款芯片的模擬顯示，根據H100最新的MLPerf推理基準測試結果，Lemurian的新數字系統與專門設計的芯片相結合，其性能將優于Nvidia的H100。在離線模式下，Lemurian芯片在MLPerf版本的GPT-J中每個芯片每秒可處理17.54次推理（Nvidia H100在離線模式下每秒可處理13.07次推理）。Dawani說，Lemurian的模擬結果可能在真實芯片性能的10%以內，但他的團隊打算今后從軟件中榨取更多性能。他說，軟件優化加上稀疏性可以將性能再提高3-5倍。

對數數字系統??

Lemurian的秘訣在于該公司提出的新數字格式，稱之為PAL（parallel adaptive logarithms）。

Dawani說：“作為一個行業，我們開始急于采用8位整數量化，因為從硬件的角度來看，這是我們所擁有的最有效的東西。但從來沒有軟件工程師說過我想要8位整數！”

對于今天的LLM推理而言，INT8的精度已被證明是不夠的，業界已轉向FP8。但Dawani解釋說，AI工作負載的性質意味著數字經常處于亞正常范圍（接近零的區域），FP8可以表示的數字較少，因此精度較低。FP8在亞正常范圍內的覆蓋率存在差距，這也是許多訓練方案需要BF16和FP32等更高精度數據類型的原因。

比較各種數字格式的覆蓋范圍。與CFP8（configurable floating point 8）、INT8（integer 8）和現有LNS8（logarithmic number system 8）相比，Lemurian的8位對數數據類型PAL8在亞正常范圍的覆蓋率更高。

Dawani的聯合創始人Vassil Dimitrov提出了一個想法，即通過使用多基數和多指數來擴展現有的LNS（logarithmic number system），該系統已在DSP中使用了幾十年。

Dawani說：“我們交錯表示多個指數，以重現浮點的精度和范圍。這樣就能提供更好的覆蓋范圍……它自然而然地形成了一個錐形輪廓，在重要的地方，即在亞正常范圍內，具有非常高的精度帶?！? 這個精度帶可以進行偏置，以覆蓋所需的區域，這與浮點運算的原理類似，但Dawani說，它允許對偏置進行比浮點運算更精細的控制。

Lemurian開發了從PAL2到PAL64的PAL格式，其中14位格式與BF16相當。與FP8相比，PAL8的精度提高了約一個比特，大小約為INT8的1.2倍。Dawani希望其它公司也能采用這些格式。

他說：“我希望更多的人使用它，因為我認為是時候擺脫浮點運算了。PAL可以應用于目前浮點運算的任何應用，從DSP到HPC以及兩者之間，而不僅僅是AI，盡管這是我們目前的重點。我們更有可能與其它為這些應用構建芯片的公司合作，幫助他們采用我們的格式。”

對數加法器??

由于對數加法器簡化了乘法運算，因此在大部分為乘法運算的DSP工作負載中，對數加法器已使用了很長時間。LNS表示的兩個數的乘法就是這兩個對數的加法。然而，將兩個LNS數字相加卻比較困難。DSP傳統上使用LUT (large lookup table) 來實現加法運算，雖然效率相對較低，但如果所需的大部分運算都是乘法運算，這種方法已經足夠好了。

對于AI工作負載來說，矩陣乘法需要乘法和加法。Dawani說，Lemurian的秘訣之一就是“在硬件上解決了對數加法”。

他說：“我們完全摒棄了LUT，創建了一個純對數加法器。我們有一個比浮點精確得多的精確加法器。我們仍在進行更多優化，看看能否使它更便宜、更快速。它的PPA（power, performance, area）已經比FP8高出兩倍多?！? Lemurian已經為這款加法器申請了多項專利。

他說：“DSP界以研究工作負載并從數值上理解它在尋找什么著稱，然后加以利用并將其轉化為芯片。這與我們正在做的事沒有什么不同。我們并沒有構建一個只做一件事的ASIC，而是研究了整個神經網絡空間的數值，并構建了一個具有適度靈活性的特定領域架構?！?

Lemurian數據流架構的高級視圖。該芯片是圍繞該公司的對數數字系統設計的。

軟件堆棧??

以高效的方式實現PAL格式需要硬件和軟件。

Dawani說：“我們花了很多心思去思考如何讓硬件更容易編程，因為除非你能首先提高工程師的生產力，否則任何架構都不會成功。我寧愿有一個糟糕的硬件架構和一個優秀的軟件堆棧，而不是相反?！?/p>

他說，Lemurian在開始考慮硬件架構之前，就已經構建了大約40%的編譯器。如今，Lemurian的軟件堆棧已經開始運行，Dawani希望保持它的完全開放性，這樣用戶就可以編寫自己的內核和融合程序。

軟件堆棧包括Lemurian的混合精度對數量化器Paladynn，它可以將浮點和整數工作負載映射到PAL格式，同時保持精度。

他說：“我們采用了神經架構搜索中的許多想法，并將其應用于量化，因為我們想讓這部分變得簡單。”

Dawani說，雖然卷積神經網絡的量化相對容易，但transformer卻并非如此。激活函數中存在異常值，需要更高的精度，因此transformer總體上可能需要更復雜的混合精度方法。不過，Dawani說，他正在關注多項研究工作，這些工作表明，到Lemurian的芯片上市時，transformer可能就不再流行了。

未來的AI工作負載可能會遵循Google的Gemini等公司設定的路徑，即運行非確定的步數。他說，這打破了大多數硬件和軟件堆棧的假設。

他說：“如果你事先不知道你的模型需要運行多少步，你該如何安排它，你需要在多少計算上安排它？你需要的是更動態的東西，這影響了我們的很多想法。”

該芯片將是一款300W的數據中心加速器，配備128GB HBM3，可提供3.5POPS的密集算力（稀疏性將稍后推出）?？傮w而言，Dawani的目標是打造一款性能優于H100的芯片，并使其價格與Nvidia上一代A100相當。目標應用包括內部AI服務器（任何行業）和一些二級或專業云公司（非超大規模公司）。

審核編輯：劉清