IT巨头将加速研发AI芯片

目前迅猛发展的人工智能，上层的应用都依赖于底层核心能力，而这个核心能力就是人工智能处理器。如果在芯片上不能突破，人工智能应用就不可能真正成功。可以说核心芯片是人工智能时代的战略制高点。

人工智能目前采用的深度学习算法，有海量的数据运算需求，对传统架构和系统提出了极大挑战。

深度学习，就是通过算法给机器设计一个神经网络。这个网络的基本特点，是模仿大脑神经元之间传递、处理信息的模式，从多个角度和层次来观察、学习、判断、决策。近年来，这种方法已应用于许多领域，比如人脸识别、语音识别等，是人工智能领域的热点研究方向之一。

用于图像处理的GPU芯片因海量数据并行运算能力，被最先引入深度学习。2011年，当时在谷歌就职的吴恩达将英伟达的GPU应用于“谷歌大脑”中，结果表明12个GPU可达到相当于2000个CPU的深度学习性能。之后多家研究机构都基于GPU来加速其深度学习神经网络。

然而，随着近两年人工智能技术的迅速发展，GPU在三个方面显露出局限性：无法充分发挥并行计算优势，硬件结构固定不具备可编程性，运行深度学习算法能效不足。

全球科研界和企业于是竞相开发更加适用的人工智能芯片，尤其是适用于移动通信时代的芯片。

华为公司与中国科学院计算技术研究所“寒武纪”项目团队共同开发的麒麟970人工智能手机芯片，首次集成NPU，将通常由多个芯片完成的传统计算、图形、图像以及数字（数位）信号处理功能集成在一块芯片内，节省空间、节约能耗，同时极大提高了运算效率。

在新的计算时代，核心芯片将决定基础架构和未来生态。因此，谷歌、微软、超威等全球信息技术和通信制造巨头都投入巨资，加速人工智能芯片的研发。

• 上一页
• 1
• 2
• 全文阅读