探访Facebook人工智能数据中心：推动深度学习进步的引擎

（原标题：探访Facebook人工智能数据中心：推动深度学习进步的引擎）

Facebook最近刚加入一些新机器到Prineville的服务器大军中。同时，公司也装载了新的大功率服务器，旨在加速对软件翻译、更聪明的虚拟助手以及文字识别等人工智能技术的训练。

Facebook新的Big Sur服务器是围绕本来为图片处理而开发的大功率处理器——GPU来设计的。这些处理器加强了最近人工智能的一个技术飞跃——深度学习。由于GPU使得如何训练软件的旧观念被运用到更广大更复杂的数据集中，软件可以变得惊人的“善解人意”，特别是在理解图片和文字方面。

Kevin Lee，Facebook一位致力于服务器工作的工程师表示，他们在帮助Facebook的研究员们通过以运行更快、使用更多数据的方式来训练软件。”这些服务器是人工智能和机器学习研究的专用硬件。GPU可以记录一张照片，把它们分成无数小像素，然后同时处理。”

每8个GPU就配置一台Big Sur服务器，Facebook使用的是擅长于图像识别的半导体供应商Nvidia制造的GPU。Lee没有确切表明到底配置有多少服务器，但是据他所说，有数千块GPU在工作着。公司的Prineville，Ashburn和Virginia的数据中心都安装了Big Sur服务器。

因为GPU极其耗能，与数据中心里其他服务器不同，Facebook不得不把它们排放松散，以免产生过热点，给冷却系统带来麻烦，以至于耗能更多。现在每个七英尺高的架子里都只能放下八个Big Sur服务器，而这些架子过去可以容纳30个只负责做一些用户数据处理等日常工作的Facebook常规服务器。

在运行大数据中心和运用GPU来进行机器学习研究这些方面，Facebook不是唯一一家。海内外的巨头，比如微软、谷歌以及百度等也运用GPU来进行深度学习的研究。

社交网络是非比寻常的。它开创了Big Sur服务器设计、其它服务器设计，以及建立Prineville数据中心的新纪元。公司把这些设计和计划捐献给了一个非盈利项目——开放计算项目（Open Compute Project）。这个项目由Facebook于2011年发起，旨在鼓励计算机公司互相协作，设计出低耗高效的数据中心硬件。这个项目至今已经帮助了数家亚洲硬件公司，抢占了一些传统供货商如戴尔和惠普的市场。

Facebook AI研究项目的主管Yann LeCun说道，当今年早些时候Big Sur服务器宣布使用的时候，他相信该技术通用之后，会有更多组织建造强有力的机器学习基础设施，然后加速此领域的发展进程。

不过，未来机器学习服务器建造的计划可能不会以GPU为核心，如今很多家公司在致力于新芯片的设计。相比于GPU来说，这种芯片是特别为深度学习的算法而制作的。

今年五月，谷歌宣布其已经开始使用自己设计的TPU芯片来驱动产品中的深度学习软件，如语音识别。在训练之后，这一代的芯片似乎更适合于运行算法，而不是像Big Sur服务器一样，最初的训练步骤是为了加速。但是，谷歌已经开始第二代芯片的研究。Nvidia和其它几家新公司包括Nervana也在开发为深度学习定制的芯片。

普渡大学副教授Eugenio Culurciello表示，深度学习的有效性意味着这种芯片将会被广泛应用。“市场对这种芯片已经有巨大需求了，而且这种需求只增不减。”

当被问到Facebook是否在开发定制芯片时，Lee表示，公司正在“研究中”。