資源描述：
《淺析人工智能如何將芯片行業(yè)去商品化？.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、淺析人工智能如何將芯片行業(yè)去商品化？ 從計算的早期開始，人們就一直認為人工智能有朝一日會改變這個世界。幾十年來，我們已經(jīng)看到無數(shù)流行文化參考和未來主義思想家所描述的未來，但技術(shù)本身仍然難以捉摸。增量進步主要歸功于邊緣學(xué)術(shù)界和消費性企業(yè)研究部門?！ ∵@一切都在五年前發(fā)生了變化。隨著現(xiàn)代深度學(xué)習(xí)的出現(xiàn)，我們已經(jīng)看到了這項技術(shù)在行動中的真實一瞥：計算機開始看到，聽到和談?wù)?。人工智能第一次感覺有形，觸手可及。 今天的人工智能開發(fā)主要圍繞深度學(xué)習(xí)算法，如卷積網(wǎng)絡(luò)，循環(huán)網(wǎng)絡(luò)，生成對抗網(wǎng)絡(luò)，強化學(xué)習(xí)，膠囊網(wǎng)等。所有這些都有一個共同點，就是它們需要大量的計算能力。為了在推廣這種智
2、能方面取得實際進展，我們需要徹底檢查為這項技術(shù)提供動力的計算系統(tǒng)?！ ?009年發(fā)現(xiàn)GPU作為計算設(shè)備通常被視為一個關(guān)鍵時刻，幫助引發(fā)了圍繞深度學(xué)習(xí)的寒武紀(jì)爆發(fā)。從那時起，對并行計算架構(gòu)的投資爆炸式增長。谷歌TPU（TensorProcessingUnit）的興奮就是一個很好的例子，但TPU才剛剛開始。CBInsights的發(fā)言人告訴我的團隊，僅在2017年，新的專用AI芯片創(chuàng)業(yè)公司就籌集了15億美元。這太驚人了。 我們已經(jīng)看到新的創(chuàng)業(yè)公司進入現(xiàn)場，挑戰(zhàn)英特爾，AMD，Nvidia，微軟，高通，谷歌和IBM等老牌企業(yè)。像Graphcore，Nervana，Cerebra
3、s，Groq，Vathys，Cambricon，SambaNovaSystems和WaveComputing這樣的新興公司正在成為為深度學(xué)習(xí)的未來鋪平道路的新星。雖然這些初創(chuàng)公司肯定資金充足，但這些都是早期的，我們還沒有看到誰將成為贏家，將來會有什么樣的老衛(wèi)兵?！ vidia的統(tǒng)治地位 Nvidia將GPU作為人工智能和深度學(xué)習(xí)的替代品引入主流。該公司計算從消費者游戲領(lǐng)導(dǎo)者到AI芯片公司的轉(zhuǎn)變一直都很不錯。就像其對Volta的30億美元投資以及像CUDA/cuDNN這樣的深度學(xué)習(xí)軟件庫的推動，它將其從領(lǐng)先地位推向市場主導(dǎo)地位。去年，它的股票走到了盡頭，首席執(zhí)行官Jen
4、senHuang被“財富”雜志評為年度最佳商人，并因此獲得了“新英特爾”的美譽?！ 〉请m然Nvidia在外觀上可能看起來完全不同，但它仍然只是制造了幾十年來制作的相同顯卡。但GPU作為AI技術(shù)的未來尚不確定。批評者認為，GPU已經(jīng)擠滿了20年的不適用于深度學(xué)習(xí)。GPU是通用設(shè)備，可支持各種應(yīng)用，包括從物理模擬到電影渲染的所有應(yīng)用。我們不要忘記，在2009年深度學(xué)習(xí)中首次使用GPU基本上是一種黑客行為?！ SIC的興起 攻擊芯片市場的公司正在證明AI將在專用芯片上更快地執(zhí)行光照。最可能的候選者是ASIC（專用集成電路），它可以高度優(yōu)化以執(zhí)行特定任務(wù)?！ ∪绻J為
5、芯片是從通用到專用的發(fā)展，那么頻譜包括一方面的CPU，中間的GPU和FPGA，另一方面包括ASIC。 CPU在執(zhí)行高度復(fù)雜的操作方面非常有效-基本上與支持深度學(xué)習(xí)訓(xùn)練和推理的特定數(shù)學(xué)類型相反。新進入者正在押注ASIC，因為它們可以在芯片級設(shè)計，以處理大量簡單的任務(wù)。該板可以專用于一組窄函數(shù)-在這種情況下，稀疏矩陣乘法，具有高度并行性。即使是設(shè)計為可編程且因此稍微更加通用化的FPGA，其隱含的多功能性也受到阻礙?！ Ｓ肁I芯片的性能提升是顯而易見的。那么這對更廣泛的技術(shù)領(lǐng)域意味著什么呢？ 未來是非商品化的 相對于CPU而言，GPU已經(jīng)沒有商品化了，而我們所看到的
6、AI芯片投資的巨大增長是GPU最終會被更專業(yè)的東西取代?？紤]到Nvidia的存在，英特爾的x86CPU技術(shù)過于普遍化，無法滿足對圖形密集型應(yīng)用不斷增長的需求，這里有一點諷刺。這一次，英特爾和Nvidia都不會袖手旁觀，讓創(chuàng)業(yè)公司吞噬這個新市場。機會太大了。 可能的情況是，我們會看到Nvidia和英特爾繼續(xù)大力投資Volta和Nervana（以及他們的繼任者）。由于互操作性問題，AMD一直在苦苦掙扎（參見下面的軟件部分），但很可能會很快提出可用的東西。微軟和谷歌正在與Brainwave和TPU以及許多其他項目合作。然后是所有創(chuàng)業(yè)公司。這份名單似乎每周增長，你很難找到一個風(fēng)
7、險投資基金，該基金沒有對至少一個參與者進行過相當(dāng)大的賭注。 芯片領(lǐng)域的另一個問題是邊緣計算，其中推理是直接在設(shè)備上計算的，而不是云內(nèi)環(huán)境或公司數(shù)據(jù)中心。模型可以直接部署在邊緣，以滿足低延遲要求（移動）或?qū)Φ凸?，間歇連接設(shè)備（嵌入式，物聯(lián)網(wǎng)）進行預(yù)測。最近有幾個關(guān)于基于邊緣的AI加速器的公告，例如Google的EdgeTPU。 打開有關(guān)未來的問題 芯片領(lǐng)域的任何新人面臨的最大挑戰(zhàn)可能不是硬件-它是軟件。Nvidia憑借CUDA/cuDNN在市場上占有一席之地，CUDA/cuDNN是軟件庫，構(gòu)成了位于芯片頂部的必要抽象
