您的当前位置:铜雀台娱乐 > 股票资讯 > 正文

AI芯片群雄争霸 设计面临四大挑战

来源:未知 编辑:yidagame 时间:2019-01-18
AI芯片群雄争霸 设计面临四大挑战 2019-01-04中国家电网

 摘 要:2018年以来,不少以算法为主的语音、视觉、自动驾驶等公司也开始研发AI芯片,将算法和芯片进行更好的结合,来针对多样化的场景,未来软硬结合将会是趋势。


导读

2018年以来,不少以算法为主的语音、视觉、自动驾驶等公司也开始研发AI芯片,将算法和芯片进行更好的结合,来针对多样化的场景,未来软硬结合将会是趋势。

随着深度学习和AI应用的不断演进,近两年AI芯片厂商不断涌现,加之贸易摩擦中芯片概念的普及,2018年的AI芯片领域持续火热。在国内,贴上AI芯片标签的公司已经超过40家,其中的佼佼者们获得不菲融资。

尽管目前AI在行业应用方面的渗透有限,但是算力的供需还是不平衡。近日,华为智能计算业务部总裁邱隆就向21世纪经济报道记者表示: 原来由摩尔定律驱动的计算产业,面对爆发式的计算需求无以为继。摩尔定律在正常的时候,以每年1.5倍增长,50%的算力增长,在过去几年间,每年的算力实际增长只有10%。人工智能在过去几年间,算力增长了30万倍,至少每一年我们的算力要增长10倍。

这意味着人工智能除了算法外,对算力也存在强大的需求。面对增多的B端应用场景,也有更多的AI芯片公司加入角逐。从功能角度细分,AI芯片可分为训练芯片和推理芯片,在训练方面,目前英伟达独树一帜,但是在推理方面,可选择的芯片种类不只是GPU,还有FPGA(现场可编程门阵列)、ASIC(专用集成电路)等。在各个分类中,芯片巨头们各有千秋,接下来还要考验落地情况。

群雄混战

芯片目前主要是提供算力支持,2018年,AI芯片大厂和创业公司们均有不少新动作。

最大的玩家当属英伟达和英特尔。英伟达的GPU抓住了计算设备需求的关键时机,在图形渲染、人工智能和区块链领域的计算表现突出,希望成为真正的算力平台,其中,英伟达在训练方面的代表芯片就是Tesla V100。由于英伟达GPU布局AI的时间早于英特尔、赛灵思等公司,整体生态较为完整,产品在IT公司中得到广泛应用。

英特尔则通过收购案来弥补AI芯片的赛道:2015年167亿美金收购FPGA巨头Altera。FPGA在云计算、物联网、边缘计算等方面有很大的潜力。随着5G浪潮的到来,物联网的数据分析及计算需求会暴增,物联网的接入节点至少是数百亿级的规模,比手机规模要高出1-2个数量级。物联网的典型需求是需要灵活使用算法的变化,这是FPGA的强项,FPGA可以通过自身结构的改变来适应定制化计算场景的需求,能为不同类型的设备提供高效芯片。

同时,英特尔还收购了Nervana,计划用这家公司在深度学习方面的能力来对抗GPU,Nervana的最新版深度学习芯片将在2019年量产。此外,英特尔还收购了视觉处理芯片初创公司 Movidius、自动驾驶公司Mobileye。

相关文章:

栏目分类

铜雀台娱乐,铜雀台游戏,铜雀台娱乐信誉平台-铜雀台官方网站

铜雀台娱乐官方网站,铜雀台娱乐城,高效,稳定,秒出款,优惠赔率高达9.9%,铜雀台娱乐高达1980赔率,让您感受不一样的极致体验。

Top