华侨网,有态度的华人新闻网站!

帮助中心 广告联系

華僑時報 | 華僑網

热门关键词:  发顺丰  蓝狐  詩詞  央行  习近平

忘掉英特尔酷睿和高通骁龙:人工智能时代你该认识这些芯片

来源:网络整理 作者:华侨时报 发布时间:2017-08-30
摘要:已经开发了数十年,但在近几年得到迅猛发展的深度学习神经网络技术,正在驱动一次人工智能革命。而革命的对象

如果你今天问身边懂科技的朋友“未来是什么时代?”他八成会告诉你是人工智能的时代。

已经开发了数十年,但在近几年得到迅猛发展的深度学习神经网络技术,正在驱动一次人工智能革命。而革命的对象正是微信、Facebook等主流科技产品背后的那些科技公司。

新的革命需要新的武器。酷睿和骁龙们不能满足需求,人工智能计算需要新的芯片。当我们谈起处理器,我们过去谈的是酷睿、GTX和骁龙——现在是时候了解一些人工智能时代的芯片了。通过本文,我将用比较通俗易懂的语言为你介绍几款主流的深度学习加速处理器。

GPU,也就是我们常说的显卡,得益于其硬件架构对并行计算支持比较好,最一开始大家都用GPU来搞深度学习。一个很经典的例子就是斯坦福教授吴恩达跑到Google,带队用大量GPU做出了一个专门跑神经网络的大规模计算集群,也就是后来的Google大脑。

但在深度学习专家眼中,GPU仍不是最优的答案。它的性能很好,但耗电惊人。而且另一个搞笑的原因是,由于挖比特币和以太坊需要,显卡到处都缺货,深度学习研究者经常买不到或者买不起。神啊,赐他们一台不挖矿,只跑深度学习的处理器可好?

即将前往麻省理工学院(MIT)担任助理教授的深度学习专家韩松告诉PingWest品玩,深度学习的计算模式和常规计算有很大不同,高度稳定且不需要很高精确性。“1乘以1可以不等于一”,这是其他计算不能允许的。

另一方面,深度学习专门硬件的特点是计算高效,缺点是很贵,需要有大量需求开发和使用才比较经济,韩松指出,现在深度学习应用的已经非常广,给人工智能开发专门的计算硬件是值得的。

Facebook人工智能研究院院长燕乐存(Yann LeCun),20多年前在贝尔实验室就开发过一款名叫ANNA的人工智能专门芯片。那时他还在做光学字符识别(OCR)研究,而ANNA识别字符的速度达到了惊人的1000个/秒,比同时代其他处理器都快得多。你也可以说,ANNA是最早的“人工智能芯片”,或者更准确来说,深度学习加速处理器之一。

现在?人工智能芯片多到一双手已经数不过来了。几乎每一家过去的“软件”或者“服务”公司,那些跟硬件一直没太大关系的大型科技公司,比如Google、亚马逊、微软,都已经开始使用,或者正在研发自己的深度学习加速处理器。

Google的人工智能驱动着每一次搜索的结果展现,Facebook用人工智能来优化用户的时间线,在用数千种语言发布的内容之间互译,腾讯也在西雅图设立了实验室进行人工智能基础研究,尝试将其用在微信等用户过亿的产品中。

而这种变化对芯片行业的巨头们带来了新的冲击,他们有的发现自己已经过时了,有的正在极速追赶Google,通过收购的方式拓展自己的产品线,在人工智能芯片市场还未开始论资排辈之前,就先占上一把交椅。

Google:TPU是什么:Tensor Processing Unit(张量处理单元),是Google开发的专门目的集成电路(ASIC)。

性能:TPU已经开发出了第二代,每颗带宽600GB/s,算力达到45 TFLOPS (8位整数)。

它的模组化能力出众,Google的用法是将4颗TPU放在一块电路板上,组成一个180 TFLOPS的模组“Cloud TPU”,用它们来替换深度学习云机房里的CPU和GPU,单机最多可以拼接256块Cloud TPU,算力达到惊人的11.5 PFLOPS(下图)。

责任编辑:华侨时报