| 目前，谷歌、Facebook、微軟、Twitter和百度等互聯(lián)網巨頭，都在使用這種叫做GPU的芯片，讓服務器學習海量的照片、視頻、聲音文檔，以及社交媒體上的信息，來改善搜索和自動化照片標記等各種各樣的軟件功能。一些汽車制造商也在利用這項技術，開發(fā)可以感知周圍環(huán)境、避開危險區(qū)域的無人駕駛汽車。
除了在GPU和圖形計算領域長期領先，英偉達也是最早一批在人工智能領域進行投資的科技公司。2008年，當時在斯坦福做研究的吳恩達發(fā)表了一篇用GPU上的CUDA進行神經網絡訓練的論文。2012年“深度學習三巨頭”之一Geoff Hilton的學生Alex Krizhevsky用英偉達的GeForce顯卡在ImageNet中將圖像識別準確率大幅提升，這也是英偉達CEO黃仁勛時常提到的英偉達注重深度學習的開端。
有報告顯示，世界上目前約有3000多家AI初創(chuàng)公司，大部分都采用了Nvidia提供的硬件平臺。
“深度學習被證明是非常有效的。”黃仁勛在季報2月10日的發(fā)布會中表示。在列舉目前GPU計算平臺正在人工智能、云計算、游戲和自動駕駛領域快速展開應用的同時，黃仁勛表示，在未來數(shù)年間，深度學習將會成為計算機計算的一種基礎性的核心工具。
AMD和Intel巨頭的AI演變
投資者和芯片制造商關注著所有互聯(lián)網巨頭的一舉一動。僅僅以英偉達的數(shù)據(jù)中心業(yè)務為例，在很長一段時間以來，該公司一直為谷歌提供數(shù)據(jù)服務。
英偉達并非GPU的唯一領先者，巨頭Intel和AMD都在這一領域有著不同的優(yōu)勢。
2016年11月，Intel公司發(fā)布了一個叫做Nervana的AI處理器，他們宣稱會在明年年中測試這個原型。如果一切進展順利，Nervana芯片的最終形態(tài)會在2017年底面世。這個芯片名稱基于Intel早前購買的一個叫做Nervana的公司。按照Intel的人所說，這家公司是世界上第一家專門為AI打造芯片的公司。
Intel公司披露了一些關于這個芯片的一些細節(jié)，按照他們所說，這個項目代碼為“Lake Crest”，將會用到Nervana Engine 和Neon DNN相關軟件。這款芯片可以加速各類神經網絡，例如谷歌TensorFlow框架。
芯片由所謂的“處理集群”陣列構成，處理被稱作“活動點”的簡化數(shù)學運算。相對于浮點運算，這種方法所需的數(shù)據(jù)量更少，因此帶來了10倍的性能提升。
Lake Crest利用私有的數(shù)據(jù)連接創(chuàng)造了規(guī)模更大、速度更快的集群，其拓撲結構為圓環(huán)形或其他形式。這幫助用戶創(chuàng)造更大、更多元化的神經網絡模型。這一數(shù)據(jù)連接中包含12個100Gbps的雙向連接，其物理層基于28G的串并轉換。
TPU與FPGA可能的逆襲
在上述芯片巨頭進行GPU領域的提升之外，有更多的企業(yè)在試圖引發(fā)一輪全面的顛覆。其代表為谷歌在2016年宣布將獨立開發(fā)一種名為TPU的全新的處理系統(tǒng)。
TPU是專門為機器學習應用而設計的專用芯片。通過降低芯片的計算精度，減少實現(xiàn)每個計算操作所需的晶體管數(shù)量，從而能讓芯片的每秒運行的操作個數(shù)更高，這樣經過精細調優(yōu)的機器學習模型就能在芯片上運行得更快，進而更快地讓用戶得到更智能的結果。Google將TPU加速器芯片嵌入電路板中，利用已有的硬盤PCI-E接口接入數(shù)據(jù)中心服務器中。
據(jù)Google 資深副總裁Urs Holzle 透露，當前Google TPU、GPU 并用，這種情況仍會維持一段時間，但他表示，GPU 可執(zhí)行繪圖運算工作，用途多元；TPU 屬于ASIC，也就是專為特定用途設計的特殊規(guī)格邏輯IC，由于只執(zhí)行單一工作，速度更快，但缺點是成本較高。
除了上述提到的谷歌，微軟也在使用一種叫做現(xiàn)場可變編程門陣列（FPGA）的新型處理器。
據(jù)介紹，這個FPGA 目前已支持微軟Bing，未來它們將會驅動基于深度神經網絡——以人類大腦結構為基礎建模的人工智能——的新搜索算法，在執(zhí)行這個人工智能的幾個命令時，速度比普通芯片快上幾個數(shù)量級。有了它，你的計算機屏幕只會空屏23毫秒而不是4秒。
在第三代原型中，芯片位于每個服務器的邊緣，直接插入到網絡，但仍舊創(chuàng)造任何機器都可接入的FPGA池。這開始看起來是Office 365可用的東西了。最終，Project Catapult準備好上線了。另外，Catapult硬件的成本只占了服務器中所有其它的配件總成本的30%，需要的運轉能量也只有不到10%，但其處理速度卻是原來的2倍。
此外，有一些公司，例如Nervada和Movidius，模擬GPU的平行模式，但是專注于更快速地移動數(shù)據(jù)，省略圖像所需要的功能。其他公司，包括使用了被稱為“True North”的芯片的IBM公司，開發(fā)了由神經元、突觸等其他大腦特征所啟發(fā)的芯片設計。 2/3 首頁 上一頁 1 2 3 下一頁 尾頁 |
