<progress id="invqe"></progress>

    <em id="invqe"></em>

        <div id="invqe"></div>

          <div id="invqe"></div>

              <progress id="invqe"></progress>

                <dfn id="invqe"><span id="invqe"></span></dfn><div id="invqe"><ol id="invqe"><object id="invqe"></object></ol></div><div id="invqe"><ins id="invqe"><object id="invqe"></object></ins></div>

                <em id="invqe"><tr id="invqe"></tr></em>

                AI技术流派

                AI 芯片四大流派 1) 2) 3) 4) GPU,凭借并行计算形成先发优势。

                FPGA,成熟芯片的新应用。

                ASIC,占领了大片市场,参与公司林立。

                类脑芯片,后起之秀。

                GPU 在当前的人工智能芯片领域,GPU 的应用领域不容小觑,据 Jon Peddie Research(简称 JPR)市场调研公司统计,在 2008 至 2015 年期间,除了 2008 年 GPU 市场规模稍有下降, 其余年份全球独立显卡的出货量和销售额都呈现出明显的上升趋势,并且在 2012 至 2015 年有加速上升的表现。

                市场上名气最大的是 GPU。

                GPU,也称视觉处理器,专门用于图像及相关处理的芯片。

                2012 年,多伦多大学的博士?#33455;?#29983; Alex Krizhevsky 提出的模型引发了 GPU 训练神经网络的 风潮。

                与 CPU 相比,GPU 出现得远比 CPU 晚,但并行计算能力能却常令 CPU 望尘莫及。

                并行计算一次可执行多个指令的算法, 解决方式可分为时间上的并行和?#21344;?#19978;的并行。

                时间 上的并?#33455;?#26159;指流水线技术,而?#21344;?#19978;的并行则是指用众多个处理器并发的执行计算。

                GPU 领域只有两大公司,一是英伟达,占市场份额约 7 成,另一位则是 AMD,占市场 份额约 3 成。

                从 GPU 用户数量来看,根据英伟达 2016 年的财务报告,相比 2013 年的 100 家,2014 年的 1549 家,2015 年已有 3409 家机构或企业使用英伟达的 GPU 产品,从事人工智能的研 究。

                这些企业和机构包括各大高等院校的人工智能实验室,互联网企业,军事企业等。

                AMD 虽然落后于英伟达, 但 2016 年的市场份额已呈现出上升趋势, 在发布了代号 Vega 织女星的 GPU 芯片,市场反应很好,未来可能有继续上升的趋势。

                不足的是, GPU 的很?#35757;?(?#28909;?#39640;端显卡可达 200W+) , 一旦开启, 散热就成了麻?#22330;?/p>

                FPGA GPU 成本太高而且降温是大个问题。

                赛灵思等公司改进了 FPGA 许多技术,使之价格 便宜功耗又很低。

                于是,FPGA 的 AI 芯片越来越多,形成了 AI 芯片的另一主流。

                简单来说,FPGA 全称“现场可编程门阵?#23567;?,其基本原理是在 FPGA 芯片内集成大量 的数字电路基本门电路以及存储器, 而用户可以通过更新 FPGA 配置文件, 来定义这些门电 路以及存储器之间的连线。

                1992 年,FPGA 因采用新工艺节点,第一次出现了在 FPGA ?#40092;?现卷积神经网络。

                2008 以来,FPGA 不光可以越来越多地整合系统模块,集成重要的控制功 能, 还可以使用更高效的系统编程语言, 如 OpenCL 和 C 语言, 通过类似软件的流程来编程, 降低了?#24067;?#32534;程的难度。

                于是,自 2011 年开始,出现了大规模基于 FPGA 的算法?#33455;俊?/p>

                不同于 GPU 的运行原理,FPGA ?#19988;?#38376;电?#20998;?#25509;运算的,即编程中的语言在执行?#34987;?被翻译成电路,优势是运算速度快。

                目前,国内?#34892;?#22810;创业企业,?#36828;?#21152;入 FPGA 阵营,基于 FPGA 的解决方案。

                ?#28909;?

                源于清华大学的深鉴科技, 专注于深度学习处理器与编译器技术, 深鉴科技研发了一种名为 “深度压缩”的技术,它不仅可?#36234;?#31070;经网络压缩数十倍而不影响准确度,还可以使用“片 上存储”来存储深度学习算法模型,减少内存读取,大幅度减少功耗。

                FPGA 的厂商有两大两小,两大分别是赛灵思、Altera(英特尔于 2015 年以 167 亿美元 收购 Altera) , 两小是 Lattice 和 Microsemi。

                其?#26657;?赛灵思和 Altera 占据了近 90%的市场份额, 两人旗下的专利超过 6000 项。

                而剩下约 10%的市场份额,由 Microsemi 和 Lattice ?#25103;鄭?#36825; 两位的专利也有 3000 余项。

                由此可以看出,极高的技术门槛将其它希望进入 FPGA 市场的 厂商牢牢挡在门外。

                FPGA 也有两大局限性。

                第一,FPGA 的峰值性能不如 GPU。

                即便使用高端的服务器做 FPGA 编译都会需要数分 钟的时间,放到移动端速?#28982;?#20250;更慢。

                但 FPGA 的功耗低于 GPU,若 FPGA 的架构和配置合 理,从能耗比的角度上来看,则能超过 GPU。

                第二,FPGA 的编程难度较高。

                编程人员需要同?#26412;?#36890;软件和?#24067;?#20004;种编程语言。

                FPGA 芯片主要面向企业客户, 如百度、 微软、 IBM 等公司都有专门做 FPGA 的团?#28216;?#26381;务器加速。

                就未来发展来看,FPGA 的崛起指日可待。

                理由有三个: ?#32043;齲?#22312;人工智能起步阶段,算法大致每三个月迭代一次,单凭这一点来说,FPGA 可 以灵活调整电路配置以适应新的算法,具有一定优势; 其次,相比于 GPU,FPGA 更适用于深度学习的应用阶段; 最后,为了降低 FPGA 的编程难度,FPGA 厂商赛灵思专门研发了可重配置加速栈堆, 基于 FPGA 的?#24067;?#21152;速方案,这类似于一个 App Store,赛灵思?#19988;?#20010;平台,用户使用时 直接从商店里挑选方案,不需要再?#32422;?#35774;计布局布线了。

                ASIC ASIC 的全称是专用集成电路 (Application-Specific Integrated Circuit)。

                虽然 GPU 在并行 计算方面有不少优势,但毕竟不是为机器学习专?#27966;?#35745;的,FPGA 则是需要用户自主编程, 主要面向专业领域的企业用户, 门槛太高。

                大众消费领域怎办?如应用到无人驾驶汽车上或 是智能家?#21448;?#31471;, 这款芯片还要同时满足高性能和低功耗的要求, 甚至不需要将数据传回服 务器端,不必连入互联网,本地?#35789;?#35745;算即可。

                ASIC 分为全定制和半定制。

                全定制设计需要设计者完成所有电路的设计,因此需要大 量人力物力,灵活性好但开发周期长,上市速度慢。

                专为机器学习设计的 ASIC 芯片,从设 计到制造,对?#24335;?#21644;技术的要求都更高。

                一般来说,基于 FPGA 的开发周期大约为六个月, 而相同规格的 ASIC 则需要一年左右,需要经过多步验证,在这样精细的打磨下,其性能自 然也更为出色。

                ASIC 的开发时间长,意味着 ASIC 芯片很有可能赶不上市场变化的速度,致 使厂商陷入竹篮打水一场空的?#38480;?#22659;地。

                为了改进这一缺点, SoC+IP 模式开始流行。

                SoC 全称是 “片上系统 (System-on-chip) ” , 亦?#27425;?#32435;了许多不同模块的芯片。

                SoC 上面的每一个模块都可以称为 IP,这些 IP 既可以 是?#32422;?#35774;计的,也可以是购买其他公司的设计并整合到?#32422;?#30340;芯片上。

                相比 ASIC,SoC+IP 模式的上市时间短,成本较低,并且 IP 可以更灵活地满足用户需求。

                IP 公司专注于 IP 模块 的设计,SoC 公司则专注于芯片集成,分工合作,提高效率。

                事实上,高通已经在研发能在本地完成深度学习的移动设备芯片,IP 设计公司如 CEVA 和 Kneron 也在研发与人工智能相关的 IP 核,这种模式未来也是人工智能芯片的发展方向之 一。

                谷歌于 2016 年推出可编程 AI 加速器 TPU, 英特尔也于 2017 年推出专为深度学习设计

                的芯片 Knights Mill。

                微软打造了 Project Catapult 支持微软 Bing。

                从初创公司来看,美国的 Wave Computing 公司专注于深度学习芯片架构,推出 DPU(Dataflow Processing Unit) ;英国 的 Graphcore 公司将推出开源软件框架 Poplar 和智能处理单元 IPU。

                相比于科技巨头,初创企业更有可能结合具体应用场景设计芯片,如地平线机器人设 计的第一代 BPU(Brain Processing Unit) ,被用于开发 ADAS ?#20302;场?/p>

                中科院计算所从 2008 年开始?#33455;浚?项目名为寒武纪, 主要经费来?#35789;?#20013;科院先导专项 和国家自然科学基金。

                目前,寒武纪系列已包含三种原型处理器结构:寒武纪 1 号(英文名 DianNao,面向神经网络的原型处理器结构) ;寒武纪 2 号(英文名 DaDianNao,面向大规模 神经网络) ;寒武纪 3 号(英文名 PuDianNao,面向多种机器学习算法) 。

                类脑芯片 类脑芯片的代表是 IBM。

                IBM 类脑芯片的支?#32456;?#26159;美国国防部先进?#33455;?#39033;目局 (DARPA) ,DARPA 与 IBM 合作建立了一个项目,名为“神经形态自适应伸缩可塑电子系统 计划 (SyNAPSE)” 。

                该计划意图还原大脑的计算功能, 从而制造出一种能够模拟人类的?#33455;酰?理解,行动与交流的能力的系统,用途非常明确:辅助士兵在战场动态复杂环境中的?#29616;?#33021; 力,用于无人武器的?#36828;?#20316;?#20581;?/p>

                该项目中最引人注目的是类脑芯片 TureNorth。

                2011 年,IBM 发布第一代 TrueNorth 芯片,它可以像大脑一样具有学习和信息处理能 力,具有大规模并行计算能力。

                2014 年,IBM 发布第二代 TrueNorth 芯片,性能大幅提升, 功耗却只有 70 毫瓦,神经元数量由 256 个增加到 100 万个,可编程突触由 262144 个增加 到 2.56 亿个。

                高通也发布了 Zeroth ?#29616;?#35745;算平台,它可以融入到高通 Snapdragon 处理器芯 片?#26657;?#20197;协处理方式提升系统?#29616;?#35745;算性能,实际应用于终端设备上。

                上海的西井科技去年发布了全球首块 5000 万神经元类脑芯片“正北” 。

                该公司宣称,这 是目前世界上含有神经元数量最多的类脑芯片,也是首块可商用化类脑芯片。

                去年 6 月,?#34892;?#24494;宣布中国首款嵌入式神经网络处理器(NPU)芯片诞生,并已于实 ?#33267;?#20135;,主要应用于嵌入式视?#23548;?#25511;领域。

                中科院陈云霁认为,总体上看,国内芯片和 IBM 的 TrueNorth 芯片为代表的国际先进水 平还存在一定的差距。

                这个差距不体现在单芯片绝对的运算速度上(事实上,国产类脑芯片 每秒能进行的神经元运算和突触运算数量比 TBM 的 TrueNorth 还要高十倍) , 而是在功耗上。

                TrueNorth 芯片功耗仅为 65 毫瓦,比国内芯片(15 瓦左右)要低 250 倍。

                从芯片性能角度来看,如今类脑芯片的算力和精度都不能超过 GPU 和 FPGA 的最好水 平,因此类脑芯片是人工智能芯片几大方向中最小众的一类。

                就眼下来看,类脑芯片在商业 化的道路上还需要探索一段时间。

                在知名的芯片厂商?#26657;?#32654;国有 13 家公司?#26657;?#39046;军者既有谷歌、英特尔、IBM 这样的科 技巨头,也有高通、英伟达、AMD、赛灵思这样在各自领域中?#33455;?#23545;优势的大公司,以及一 些发展良好的中等规模公司和活跃的初创企业。

                但中国则主要以初创公司为主,没?#33455;?#22836;。

                初创公司均成立于近三年内,只有一家中等规模企业——?#34892;?#24494;。

                从芯片类别来看,美国厂商遍布人工智能芯片的四大类别,IC 设计?#26041;?#30340;产业结构非 常均衡,并且在 GPU 领域,美国企业是完全垄断的,中国为零;在 FPGA 领域,只能跟随赛 灵思做解决方案;在 ASIC 领域,?#34892;?4 家创业公司;类脑芯片,也有 2 家。

                芯片是数字经济的产业核?#27169;?历?#35789;且资?#38590;攻, 一旦形成先发优势, 后来者很难超?#20581;?/p>

                AI 芯片也不例外。

                在过去十多年里,Intel、IBM、摩?#26032;?#25289;、飞利浦、东芝、三星等 60 多 家公司曾试图进军 AI 芯片,但纷?#33258;?#33268;惨败。

                这其中的原因就在于进入门槛高,主要有以下几点: ?#32043;?#26159;专利技术壁垒。

                FPGA 四公司用近 9000 项专利构筑了长长的知识产权壁垒,将 进攻者拒于国门之外。

                即便是强如 Intel 也只能耗资 167 亿美元?#31456;?#20102; Altera,获得了一张 FPGA 领域的门票。

                染指 GPU 就更不用提了。

                其次是市场相对偏小。

                2016 年全球 FPGA 市场总额仅为 50 亿美元, 且?#33455;?#25104;落入赛灵 思和 Altera 两家公司,这么小的市场规模很难养活太多的大公司,必然导致竞争异常激烈。

                最后是投?#25163;?#26399;长。

                专利壁垒或许可以跨越,市场狭小,或许可以忍受。

                但是 FPGA 产品,从投入研发到产品真正规模化生产差不多要七年。

                这期间几乎没有任何商业回报。

                正 常的风投是等不了这么长时间的。

                AI 时代,芯片是核心。

                AI 芯片作为产业上游,也是技术要求和附加值最高的?#26041;冢?#20135; 业价值和战略地位远远大于应用层创新,因此我们需要高度重?#21360;?/p>

                放眼时代变迁,CPU 领域 已经一统江山极难突破,而 AI 芯片方兴未艾,机遇正在逐渐显露,AI 领域未来必然?#19981;?#20135; 生类似英特尔、AMD 这样的世界级企业。

                美国以绝对实力处于领先地位,但一批中国初创 企业也在蓄势待发。

                但是,AI 芯片领域的创新绝不是件?#36135;?#32780;就的事情。

                它涉及到人工智能算法、编程语 言、计算机结构、集成电路技术、半?#32487;?#24037;艺的方方面面。

                在巨大的国际竞争压力下, ?#24247;?#20010;企业研发投入,远远不够;单靠有限的风险投?#21097;?#20063;不行。

                抱团创新可能会是未?#35789;?现突破的方向。

                AI 领域创业?#21344;?#24040;大,所需?#24335;?#35268;模巨大,所需资源巨大,单凭创业者个 人和团队的能力打天下已经不现实, AI 创业者需要跟产业加速器和产业资本密切结合,抱 团创新,如此才能有更广阔的发展天地。

              1. 人工智能AI技术方案PPT

                人工智能AI技术方案PPT

                人工智能AI技术方案PPT...

                ?#27605;?#32773;:网络?#21344;?/div>
                786423
              2. 人工智能技术和实践

                人工智能技术和实践

                人工智能技术和实践...

                ?#27605;?#32773;:网络?#21344;?/div>
                345765
              3. 人工智能三大流派

                人工智能三大流派

                人工智能三大流派...

                ?#27605;?#32773;:网络?#21344;?/div>
                506248
              4. 人工智能技术在智能建筑中应用

                人工智能技术在智能建筑中应用

                人工智能技术在智能建筑中应用...

                ?#27605;?#32773;:网络?#21344;?/div>
                173401
              5. 它基于矢量技术的制作

                它基于矢量技术的制作

                它基于矢量技术的制作...

                ?#27605;?#32773;:网络?#21344;?/div>
                787939
              6. 人工智能技术应用

                人工智能技术应用

                人工智能技术应用...

                ?#27605;?#32773;:网络?#21344;?/div>
                353359
              7. 人工智能在计算机网络技术中的应用

                人工智能在计算机网络技术中的应用

                人工智能在计算机网络技术中的应用...

                ?#27605;?#32773;:网络?#21344;?/div>
                897287
              8. 人工智能历史核心技术和应用

                人工智能历史核心技术和应用

                人工智能历史核心技术和应用...

                ?#27605;?#32773;:网络?#21344;?/div>
                966572
              9. AI医疗的全产业“技术流”

                AI医疗的全产业“技术流”

                AI医疗的全产业“技术流”...

                ?#27605;?#32773;:网络?#21344;?/div>
                487909
              10. 人工智能技术的?#33455;糠段?#21644;应用领域

                人工智能技术的?#33455;糠段?#21644;应用领域

                人工智能技术的?#33455;糠段?#21644;应用领域...

                ?#27605;?#32773;:网络?#21344;?/div>
                899551
              11. 网友在搜
                一张专辑大概多钱 一叶扁舟古灵精怪 warframe实用武器 rebuild kext cache 教狗狗厕所大小便 matlab把向量排序 坐便器孔距的标记 2016年宏观经济指标 什?#35789;?#33756;不含维生素c 丁烷在空气中燃烧 高手的贴身校花唐宇 leaving in加时间 mysql dba 工作职责 if i believe you 淘宝网2017女装春装 win7 64位 微软件下载 群名字好听点的 星际scarlett为何变性 家装刷漆流程 getoptimaldftsize 0欧姆电阻 求生之路2rpg士兵加点 filter autowire 2017年七夕情人节 行列式可以直接相加吗 $this php 贴膜出现白边 舟山汽车运输公司购票 密码子表 超?#22534;?#38382;术txt下载 viral v. acharya planesex samickjs118二手多少钱 易建联这个废物 dnf天帝换装buff 老子不是美学家 洪荒之力主题段子 stax 009 t1 济南opt光嫩肤美白 vmware用户权限 raúl illarramendi synaptics clickpad phantomjewels是什么 欧美黑?#22235;?#26126;星项链 ostelin价位 饥荒联机版单人玩生存 个性特殊符号网名大全 孔雀鱼生了10条不生了 什么叫授课型?#33455;?#29983; 天天挂机没有破解版吗 new study postcard mysql分组 取指定记录 java中间件开发 jux 528下载 会做饭的男人特点 emui5.0电池温度 drag queen 光头 java中xml解析

                声明:本站内容部分源于网络转载,出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。文章内容仅供参考,请咨询相关专业人士。

                如果无意之?#26143;?#29359;?#22235;?#30340;版权,或有意见、反馈或?#31471;?#31561;情况, 联系我们:点击这里给我发消息

                Copyright ? 2016 All Rights Reserved 紫菜网 手机站

                梦幻西游赚钱攻略
                <progress id="invqe"></progress>

                  <em id="invqe"></em>

                      <div id="invqe"></div>

                        <div id="invqe"></div>

                            <progress id="invqe"></progress>

                              <dfn id="invqe"><span id="invqe"></span></dfn><div id="invqe"><ol id="invqe"><object id="invqe"></object></ol></div><div id="invqe"><ins id="invqe"><object id="invqe"></object></ins></div>

                              <em id="invqe"><tr id="invqe"></tr></em>
                              <progress id="invqe"></progress>

                                <em id="invqe"></em>

                                    <div id="invqe"></div>

                                      <div id="invqe"></div>

                                          <progress id="invqe"></progress>

                                            <dfn id="invqe"><span id="invqe"></span></dfn><div id="invqe"><ol id="invqe"><object id="invqe"></object></ol></div><div id="invqe"><ins id="invqe"><object id="invqe"></object></ins></div>

                                            <em id="invqe"><tr id="invqe"></tr></em>
                                            香港码报 黑龙江十一选五走势图正好网 中国福利快乐十分技巧 卓越彩票网是正规的吗 2014斯诺克中国公开赛决赛 陕西快乐10分规则 十一运夺金11选5技巧 时时彩组六的号 甘肃十一选五进500期 自创六肖公式规律计算法 陕西福彩中奖彩票 腾讯彩票杀号 新疆11选5昨天 七乐彩空格模板 澳洲幸运5彩票开奖结果查询