新的东西常常源于旧的事物。至少，在讨论模拟计算时是如此。一听到“模拟计算”这个词，你可能会认为我们在谈论科技界的时髦人士。那些更喜欢黑胶唱片而不是Spotify的人。那些希望回归打字机取代文字处理软件的人，或者更珍视手写笔记而非ChatGPT生成的人。
事实并非如此。
在这里，“模拟”指的是与数字模型不同的计算机，它们不通过以零或一表示数值进行运算。模拟计算是通过使用不同的物理度量（如电压或流体力学）来表示数值的。尽管这类机器目前已过时，但无论如何，它们曾为人类迈向巨大进步做出过贡献。
“模拟计算机曾经在1935年到1980年间风靡一时，它们帮助我们登上月球，设计喷气式飞机，模拟北美电力网络，还有设计道路、桥梁和其他数百个重要的工程应用，”位于加州山景城的计算机历史博物馆的高级策展人Dag Spicer表示。
虽然在今天的数字化世界中使用“模拟”一词可能会引起怀疑，但人们重新关注模拟计算并非出于怀旧之情，而是出于实用的考虑。
随着人工智能（AI）革命的开启，公司和技术人员越来越需要节能、信息密度高且能规避当前半导体芯片的局限性的设备。基于其独特的优势，模拟计算机可能提供所需的解决方案。
“模拟系统已经超越了数字产品，” Mythic公司的联合创始人兼首席执行官Dave Fick表示(https://mythic.ai/)。
为什么选择模拟计算？为什么现在？
人们转向模拟计算的一个重要原因与Dennard缩放有关。
Dennard缩放是半导体领域的一条缩放定律，它规定随着晶体管变小，它们消耗的功率将减少，但提供的计算能力仍然保持不变。
自从该定律于1974年制定以来的几十年里，Dennard缩放一直成立。多亏了摩尔定律，即芯片上可以容纳的晶体管数量约每两年翻一番，我们在构建装有更多晶体管的更小芯片方面取得了非常显著的进展，而这些晶体管（得益于Dennard缩放）在计算能力上与较大的晶体管相当。因此，随着时间的推移，我们的芯片变得更加强大。
然而，2005年以来，随着我们开始在纳米尺度下构建晶体管，Dennard缩放开始失效。在使用经济合适的技术适当地冷却芯片的同时，提高芯片时钟速度变得越来越困难，这削弱了通过在芯片上放置更多晶体管所带来的优势。
与模拟计算相比，这可能会对数字计算的功效产生影响。
在做简单计算时，数字计算使用的设备比模拟计算更多。例如，使用数字进行标量乘法需要大量的晶体管构建大型乘法器设计。而同样的计算可以在模拟计算中通过使用电阻和电子结构实现。
由于Dennard缩放的破裂，某些情况下使用模拟计算可能会更有可能，并且也更有益处。这是因为模拟技术使用电子设备的全部工作范围，而不同于数字技术，这意味着单个设备可以表示多个信息位。
“模拟计算通过在一根导线上存放多达27位信息来实现巨大的信息密度，从而带来令人难以置信的能源效率和性能，” Fick说。因此，与一组数字设备相比，你所需的模拟设备数量要少得多，却能处理相同数量的信息。
然而，这也需要做出一些权衡。虽然模拟计算具有独特的优势，但总体而言，数字计算在准确性和可靠性方面比模拟计算更具可预测性，而且也更加灵活和可编程。
这就引出了一个问题：现如今的数字计算技术难道不是在各个方面都要比模拟技术优越吗？毕竟，模拟技术岂不是落后了？
并非完全如此。
“模拟和数字技术在权衡和成本效益上存在不同，并且他们的权衡和成本效益都不同,”田纳西大学诺克斯维尔分校的电气工程和计算机科学教授Bruce MacLennan解释道。
事实上，模拟技术在需要高密度信息且该信息由实数而不是比特表示的应用中特别具有吸引力。这就是为什么像Mythic这样的公司以模拟作为保持人工智能革命全速前进的方式进行赌注的原因，即使存在类似丹纳德尺度崩溃的问题。
“现在比以往任何时候都更重要的是使用创新的设计技术，而不是依靠硅工艺缩小来提供能效和性能的提升,” Fick说道。
模拟智能
Mythic押注的原因是什么？原来某些人工智能应用非常适合模拟计算。
“我们在边缘人工智能应用中看到对模拟解决方案的最大需求，尤其是那些需要用于图像识别和物体跟踪等用例的计算机视觉,” Fick说道。
无人机就是一个例子。用于包裹投递和农业等各种用途的无人机需要实时处理多个大型深度神经网络。与此同时，它们还需要高效节能以延长飞行时间。随着摩尔定律的放缓，模拟变得越来越可行。
而这是有原因的。
“模拟技术最有前景的应用包括涉及大量实数数组的应用，” MacLennan说道。那些驱动先进人工智能的大型人工神经网络符合这一条件。这些网络模拟了人脑的计算能力，MacLennan说，”可以被描述为大规模并行的低精度模拟计算”。
这恰好是AI公司所需的使用案例类型。
以Mythic为例，该公司表示，其模拟矩阵处理器（AMP）提供了与在AI世界中非常抢手的一个图形处理单元（GPU）相同的计算能力，但功耗只有十分之一。在计算机视觉领域，该公司相信模拟可以击败数字。
“在未来几年内，数字系统很难跟上模拟处理器的步伐，” Fick说道。他表示，Mythic的M1076模拟芯片可以在芯片上直接存储8000万个权重，”这有助于它成为处理计算机视觉的最低延迟解决方案，胜过同类的所有数字系统。”在Fick等支持者看来，如果数字计算的问题阻碍了进一步的性能和规模改进，模拟计算可能为我们提供一种继续进行人工智能革命的方式。
然而，模拟计算也存在其缺点。
“使用模拟设备进行高精度计算更加困难和昂贵，需要比数字设备更准确的制造,” MacLennan说道。在数字技术中，你只需增加比特以提高性能，而这比制造层面更高级技术的成本更低。即使是模拟支持者也承认模拟和数字之间存在着时机和场合的差异。
“由于模拟计算机不像数字计算机那样容易编程，模拟技术最适合需要特定类别计算的应用，比如人工神经网络，”MacLennan说道。
物理和数字的融合
一些模拟支持者对于模拟和数字计算之间的界限感到困惑。
“必须说，我们生活在一个模拟世界中，” Spicer说道。”即使数字系统实际上也是模拟系统，只是具有预定义的模拟阈值表示数字的1和0.”他引用了iPhone的例子，这个设备将数字微处理器与加速计、麦克风、扬声器和陀螺仪等一系列模拟系统结合起来。
模拟的真正价值在于将人工智能与物理世界结合起来。
今年，人们对ChatGPT进行了很多讨论，以及只使用自然语言与机器进行交流的生成AI工具的威力。然而，这只是与与一个聊天机器人交互相比更大事情的桥梁。现在的人工智能发展使我们能够与任何类型的机器，包括物理机器，进行简单、易用和可用的接口。
这包括由特斯拉（https://www.tesla.com）和Figure（https://www.figure.ai/）等公司正在建造的下一代物理机器，在工厂中使用的人形机器人。
“[模拟]在小尺寸和低功耗有优势的地方竞争力最强，比如在自主机器人和无人机领域，”MacLennan说道。换句话说，模拟技术可以将数字化智能与实体世界中的行动结合起来。
因此，现在看来，模拟技术并非与数字技术竞争，而是对其的补充。数字计算是否能够克服或绕过Denning缩放断层问题，还有待观察，但无论如何，模拟技术填补了特定而重要的空白。
“模拟技术出现在数字系统需要与外部世界进行接口的各个方面，”Spicer说道。“过去的模拟技术正在被重新发现并在硅中重新实现。”
进一步阅读
Abdul，A. 科学点心：模拟计算的回归，最新量子计算创新简介，The Tufts Daily，2023年3月10日，https://bit.ly/3Ykz6Wf
Platt，C. 令人难以置信的模拟计算僵尸回归，WIRED，2023年3月30日，https://www.wired.com/story/unbelievable-zombie-comeback-analog-computing/
Zewe，A. 问答：Neil Thompson关于计算能力和创新的观点，麻省理工学院，2022年6月24日，https://news.mit.edu/2022/neil-thompson-computing-power-innovation-0624
作者
Logan Kugler 是一位位于佛罗里达坦帕的自由科技作家。他是《通信》的常任作者，为近100家主要出版物撰写过文章。
©2023 ACM 0001-0782/23/11
未经收费允许，可以制作本作品的部分或全部数字或印刷副本供个人或课堂使用，但不得制作或分发以获利或商业优势，并且复制品必须带有本通知和第一页的完整引用。尊重ACM之外的其他作品部分的版权。可以在署名的情况下进行摘要。拷贝、重新发布、服务器上发布或分发给列表，需要事先特定的许可和/或费用。请从permissions@acm.org（传真：212）869-0481.请求出版许可。
数字图书馆由计算机科学协会出版。版权所有 © 2023 ACM, Inc.