本文摘要:【编者按】随着人工智能的发展,半导体芯片已经成为数据中心巨头布局的新方向。

性能

【编者按】随着人工智能的发展,半导体芯片已经成为数据中心巨头布局的新方向。谷歌作为全球三大云服务提供商之一,对其硬件加速设备进行了大幅优化,其TPU公告震惊了整个半导体行业。本文从两个方面进行分析:1)四个硬件加速器设备的分析;2)谷歌开发TPU的原因。

这篇文章出自forbes.com,作者卡尔弗罗伊德;十亿欧元编译器。当谷歌宣布其致力于机器学习的第二代TPU时,许多人开始关注这会给半导体行业带来什么潜在影响。世界上其他几个数据中心不会开发人工智能芯片吗?这对英伟达、AMD、英特尔等初创企业会有怎样的影响?TPU是否提前结束了GPU和FPGAs之间的游戏?要问这些问题,我们先想想这些互联网巨头有什么计划。目前,加速训练和深度神经网络的四种硬件加速器主要有四种技术:CPU、GPU、FPGAs和ASICs。

老式CPU是无限可编程的,但是性能不是很好。它主要用于估计工作阻抗,工作阻抗是在神经网络的指导下计算的,从而准确预测输出数据。

英特尔的FPGA需要更好的性能,更低的功耗和更高的灵活性。设计师可以通过改变其硬件的性能来更好地反对其软件系统。

FPGAs主要用于机器学习推理小说、视频算法和数千个小型专业应用。但是FPGA硬件编程所必须的技能非常难,而且FPGA在处理一些工作阻抗上不如高端GPU。

从技术上讲,GPU是用于处理图形算法的ASIC。不同的是,作为许多并行算法的加速器,专用集成电路获取指令集和库,以允许GPU对本地存储的数据进行操作。GPU擅长继续进行矩阵运算,即图像、人工智能和众多科学算法。

基本上GPU是很慢很灵活的。ASIC可以定制,专门作为一个继续缓慢执行相同功能的操作者,因为整个芯片的逻辑区域可以被限制为继续执行特定的功能。如果你把ASIC想象成一辆改装赛车,虽然速度很快,却无法抵挡一个人直线行走,也无法穿越其他区域。

但是设计ASIC可能要花费几千万甚至上亿美元。因此,支付这些R&D意味着在芯片有效期内(一般为2-3年)出售数万或数十万个芯片。此外,芯片必须进行大幅修改,以利用新技术和生产流程进行实时构建。

然而,由于设计师在R&D的早期过程中以逻辑为目标,当新的想法经常出现时,他们不能很快做出反应。然而,FPGA可以被新编程以构建新的特征。谷歌为什么开发TPU?我们可以从三个方面来解释谷歌为什么要投资人工智能定制芯片。

研究这些因素可能有助于评估其他公司进行类似投资的可能性。1)战略意图:谷歌曾回应称,已经成为“AI第一”的公司。换句话说,人工智能技术在整个业务中具有最重要的战略意义,可以用于搜索、自驾汽车、Google Cloud、Google Home等众多新老产品和服务。

人工智能

因此,谷歌通过控制自己的硬件(TPU)加速器和软件框架(TensorFlow)来创造自己的产品和服务。2)规模必须是:谷歌的计算基础设施是全球仅次于谷歌的,这个规模意味着它必须投入足够的资金来开发和保证硬件平台,从而推动人工智能的发展。事实上,谷歌声称,TPU被用来使公司不太可能创建12个数据中心来处理人工智能阻抗。

Google Cloud的重要性:Google高管不符合其在全球云计算市场的地位,目前仅次于亚马逊和微软。在黛安格林(Diane Greene)的带领下,谷歌在云领域投入巨资,增速也是业内最慢的。

谷歌TPU更好的表现和天梭在行业内的认可是其提供更多市场份额的潜在优势。谷歌回应称,与TPU和高端GPU的云采访价格相同,但谷歌目前不想出售TPU。谁能和谷歌抗衡?虽然其他六大巨头(亚马逊、阿里巴巴、百度、Facebook、微软、腾讯)都有能力开发自己的加速器,但在以上三个方面,没有一家能达到谷歌。

此外,本质上,几个企业可能在向不同的方向布局。百度公开回应,已经积极与英伟达在云、家居、汽车等领域开展人工智能项目合作。这并不意味着百度不能创造自己的芯片,但就目前而言,百度可能会专注于自己的软件和服务,这些也是中国市场上必不可少的服务。

另外,百度云还是其业务中相对较小的一部分。微软作为第二大云服务提供商,享有一支相当可观的人工智能工程师团队,通过其技术和API为企业客户获得更多“人性化”的人工智能。然而,微软要求其Azure和Bing服务用于英特尔的Altera FPGAs,也用于NVIDIA的GPU来训练其神经网络。

亚马逊大概是布局上最像Google模式的公司。亚马逊的AWS服务很强,在人工智能上投入很大。亚马逊反对为AI开发的Apache MXNet框架,其AWS云服务反对所有主要框架,使其成为人工智能研发领域的开源平台。

但是亚马逊的布局长期以来还是以ASIC为主。亚马逊在2012年收购了以色列芯片制造商AnaPurna Labs,显然是为了节省AWS基础设施成本和延迟成本,并在以色列正式成立了芯片团队。或许,亚马逊不会像百度一样用FPGA来构建其可编程性。

结论以上分析并没有预测到其他巨头会开发自己的GPU或ASIC,但趋势是很多企业可能会、也会这样做。这些公司可能正在利用他们的大量数据开发机器学习模型,没有时间在各种产品和服务中货币化这些模型。同时,GPU的市场需求往往会大幅上升,至少在不久的将来。

AMD以坚定的信念回应,现在致力于培养其Vega技术。

本文关键词:谷歌,算法,注册送18元无需申请,性能

本文来源:注册送18元无需申请-www.platinumseedco.com

相关文章