小芯片成为大隐患

　　想象一下，全球最大数据中心的服务器中，数百万个计算机芯片存在几乎无法检测的罕见缺陷。找到问题所在的唯一方式便是将芯片投入到巨大的计算问题上，这在10年前是无法想象的。

　　随着计算机芯片中的微小开关缩小到几个原子的宽度，芯片的可靠性成为全球各大互联网企业的另一个担忧。过去一年，亚马逊、Meta与Twitter等企业均发生了服务中断的意外。

　　中断的原因多种多样，编程错误和网络堵塞均在其列。但人们越来越担忧，即使云计算网络的规模与复杂性不断提升，在最基本的层面上，它们仍依赖于计算机芯片。如今这些芯片不太可靠，有时甚至变化莫测。

　　过去一年，Meta和Google的研究人员均发表了研究报告，描述了原因不明的计算机硬件故障。他们认为，问题并不在软件，而是在不同公司制造的计算机硬件的某处。对于这篇研究报告，Google拒绝发表评论，Meta也并未回应。

　　专门研究计算机硬件检测的斯坦福大学电机工程系教授苏巴斯·米特拉（Subhasish Mitra）表示：“这些静默错误本质来自底层硬件。”人们愈加认为不易察觉的所谓静默错误就是引发制造缺陷的原因。

　　研究人员担心出现罕见的缺陷意味着他们所面临的是越来越大的计算问题，而这些问题将为系统带来始料未及的压力。

　　十多年前，运行大型数据中心的企业便开始出现系统性问题的报告。2015年的工程期刊《电气与电子工程师学会会刊》（IEEE Spectrum）中，一组在多伦多大学研究硬件可靠性的计算机科学家报告称，在Google数百万台计算机里，每年有多达4%的计算机遭遇无法检测的错误并因此意外关机。

　　在一个拥有数十亿个晶体管的微处理器中，或在一个由数万亿个微型开关（每个微型开关可储存一个1或0）组成的计算机内存板中，即使最小的错误都会对一个每秒执行数十亿次计算的系统造成破坏。

　　半导体时代初期，工程师们担心宇宙射线可能会偶尔翻转单晶体管并改变计算结果。如今，他们忧心的是微型开关本身越来越不可靠。Meta的研究人员甚至认为微型开关会变得更易受磨损，计算机内存或处理器的使用寿命可能比以前普遍认为的更短。

　　越来越多证据表明，新一代芯片的出现加剧了现有问题。芯片制造商美国AMD半导体公司2020年发布的一份报告显示，当时最先进的计算机内存芯片可靠性约比上一代低5.5倍。AMD并未对此报告作出评论。

　　目前，计算机设计师试图在芯片中添加可自动检测并纠正不良数据的特殊电路，以修复错误、处理硬件缺陷。人们一度认为这种问题极其罕见，然而几年前，Google的制作团队便开始报告一些极难诊断、令人抓狂的错误。报告中提到，计算错误会间歇性出现，且难以复制。

　　一组研究人员力图解决这一问题。2021年，他们公布的研究结果表明，由数百万个处理器“内核”组成的计算机系统支撑着庞大的企业数据中心，而这些数据中心所面临的新故障大约是以下因素引发的：体积接近物理极限的微小晶体管；测检不够充分。

　　Google研究人员在他们所发表的题为《不算数的内核》（Cores That Don’t Count）的研究报告中提到，要解决这一问题并不容易，他们已花费了相当于几十年的工程，依然未能找到解法。

　　现代处理器芯片由数十个处理器内核与可执行分解任务的计算引擎组成。研究人员发现，只有在特定情况下，一小部分内核才会出现不准确的结果。他们认为这是一种偶然现象。某种情况下，只有在计算速度或温度变化时，内核才会出现错误。

　　Google表示，愈加复杂的处理器设计也是造成故障的其中一个关键原因。但工程师们也提到，晶体管的缩小、三维芯片的应用、在特定情况下会产生错误的新式设计均为问题的起因。

　　2021年，在一份类似的报告中，Meta的一组研究人员提到，部分处理器虽能通过制造商的测试，却会在真正投入使用时出现故障。

　　英特尔的高管表示，他们已熟知G oogle与Meta的研究报告，正在与两家企业合作开发检测与修正硬件错误的新方法。

　　英特尔数据平台事业部副总裁布莱恩·乔根森（Bryan Jorgensen）表示，研究人员作出了准确的判断，他评价道：“他们对行业提出了正确的挑战。”他提到，英特尔最近起步了一个为数据中心运营方开发标准开源软件的项目。针对芯片内置电路所无法检测的硬件错误，这种软件可以做到检索与修复。

　　关于如何应对这一挑战，一个普遍的观点是需要开发一些能主动监测硬件错误的新型软件，让系统操作员能及时移除退化的硬件。对于为数据中心开发底层芯片质量检测软件的初创企业而言，这是一次新机遇。

　　位于美国加利福尼亚州洛斯加托斯的TidalScale为企业开发专门的软件，将硬件中断的风险最小化。公司首席执行官加里·斯默登（Gary Smerdon）表示，TidalScale和其他企业一样，都面临着一个严峻的挑战。在他看来，这就像在飞行途中更换飞机引擎一样困难。

关注读览天下微信， 100万篇深度好文， 等你来看……