除了在GPU和圖形計(jì)算領(lǐng)域長(zhǎng)期領(lǐng)先，英偉達(dá)也是最早一批在人工智能領(lǐng)域進(jìn)行投資的科技公司。2008年，當(dāng)時(shí)在斯坦福做研究的吳恩達(dá)發(fā)表了一篇用GPU上的CUDA進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練的論文。2012年“深度學(xué)習(xí)三巨頭”之一Geoff Hilton的學(xué)生Alex Krizhevsky用英偉達(dá)的GeForce顯卡在ImageNet中將圖像識(shí)別準(zhǔn)確率大幅提升，這也是英偉達(dá)CEO黃仁勛時(shí)常提到的英偉達(dá)注重深度學(xué)習(xí)的開端。

有報(bào)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(tái)。

“深度學(xué)習(xí)被證明是非常有效的。”黃仁勛在季報(bào)2月10日的發(fā)布會(huì)中表示。在列舉目前GPU計(jì)算平臺(tái)正在人工智能、云計(jì)算、游戲和自動(dòng)駕駛領(lǐng)域快速展開應(yīng)用的同時(shí)，黃仁勛表示，在未來數(shù)年間，深度學(xué)習(xí)將會(huì)成為計(jì)算機(jī)計(jì)算的一種基礎(chǔ)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(guān)注著所有互聯(lián)網(wǎng)巨頭的一舉一動(dòng)。僅僅以英偉達(dá)的數(shù)據(jù)中心業(yè)務(wù)為例，在很長(zhǎng)一段時(shí)間以來，該公司一直為谷歌提供數(shù)據(jù)服務(wù)。

英偉達(dá)并非GPU的唯一領(lǐng)先者，巨頭Intel和AMD都在這一領(lǐng)域有著不同的優(yōu)勢(shì)。

2016年11月，Intel公司發(fā)布了一個(gè)叫做Nervana的AI處理器，他們宣稱會(huì)在明年年中測(cè)試這個(gè)原型。如果一切進(jìn)展順利，Nervana芯片的最終形態(tài)會(huì)在2017年底面世。這個(gè)芯片名稱基于Intel早前購買的一個(gè)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(guān)于這個(gè)芯片的一些細(xì)節(jié)，按照他們所說，這個(gè)項(xiàng)目代碼為“Lake Crest”，將會(huì)用到Nervana Engine 和Neon DNN相關(guān)軟件。這款芯片可以加速各類神經(jīng)網(wǎng)絡(luò)，例如谷歌TensorFlow框架。

芯片由所謂的“處理集群”陣列構(gòu)成，處理被稱作“活動(dòng)點(diǎn)”的簡(jiǎn)化數(shù)學(xué)運(yùn)算。相對(duì)于浮點(diǎn)運(yùn)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?fù)浣Y(jié)構(gòu)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(jīng)網(wǎng)絡(luò)模型。這一數(shù)據(jù)連接中包含12個(gè)100Gbps的雙向連接，其物理層基于28G的串并轉(zhuǎn)換。

TPU與FPGA可能的逆襲

在上述芯片巨頭進(jìn)行GPU領(lǐng)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(dú)立開發(fā)一種名為TPU的全新的處理系統(tǒng)。

TPU是專門為機(jī)器學(xué)習(xí)應(yīng)用而設(shè)計(jì)的專用芯片。通過降低芯片的計(jì)算精度，減少實(shí)現(xiàn)每個(gè)計(jì)算操作所需的晶體管數(shù)量，從而能讓芯片的每秒運(yùn)行的操作個(gè)數(shù)更高，這樣經(jīng)過精細(xì)調(diào)優(yōu)的機(jī)器學(xué)習(xí)模型就能在芯片上運(yùn)行得更快，進(jìn)而更快地讓用戶得到更智能的結(jié)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(wù)器中。

據(jù)Google 資深副總裁Urs Holzle 透露，當(dāng)前Google TPU、GPU 并用，這種情況仍會(huì)維持一段時(shí)間，但他表示，GPU 可執(zhí)行繪圖運(yùn)算工作，用途多元；TPU 屬于ASIC，也就是專為特定用途設(shè)計(jì)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(diǎn)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(chǎng)可變編程門陣列（FPGA）的新型處理器。

據(jù)介紹，這個(gè)FPGA 目前已支持微軟Bing，未來它們將會(huì)驅(qū)動(dòng)基于深度神經(jīng)網(wǎng)絡(luò)——以人類大腦結(jié)構(gòu)為基礎(chǔ)建模的人工智能——的新搜索算法，在執(zhí)行這個(gè)人工智能的幾個(gè)命令時(shí)，速度比普通芯片快上幾個(gè)數(shù)量級(jí)。有了它，你的計(jì)算機(jī)屏幕只會(huì)空屏23毫秒而不是4秒。

在第三代原型中，芯片位于每個(gè)服務(wù)器的邊緣，直接插入到網(wǎng)絡(luò)，但仍舊創(chuàng)造任何機(jī)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(zhǔn)備好上線了。另外，Catapult硬件的成本只占了服務(wù)器中所有其它的配件總成本的30%，需要的運(yùn)轉(zhuǎn)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(dòng)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(jīng)元、突觸等其他大腦特征所啟發(fā)的芯片設(shè)計(jì)。

 2/3   首頁 上一頁 1 2 3 下一頁 尾頁