人工智能算力的發(fā)展趨勢

      近年來(lái)，人工智能算力得到的長(cháng)足的進(jìn)展，并呈現出一定的趨勢：人工智能算力需求暴增，異構計算成為主流、GPU仍然是人工智能計算的主要算力供給、傳統高性能計算正在與人工智能融合為“先進(jìn)計算"、邊緣人工智能算力持續提升。

      人工智能算力需求暴增，異構計算成為主流：隨著(zhù)算力需求的暴增，對算力的合理利用和不同計算單元的協(xié)作就變得日益重要，將CPU、DSP、GPU、ASIC、協(xié)處理器、FPGA等各種計算單元、使用不同的類(lèi)型指令集、不同的體系架構的計算單元組成一個(gè)混合的系統執行計算，讓每一種不同類(lèi)型的計算單元都可以執行自己最擅長(cháng)的任務(wù)，從而大幅度提高人工智能計算的效率和速度?？偟膩?lái)說(shuō)，不同處理器芯片在構建異構計算方面有著(zhù)自己的鮮明特點(diǎn)，CPU、GPU領(lǐng)域存在大量的開(kāi)源軟件和應用軟件，任何新的技術(shù)首先會(huì )用CPU實(shí)現算法，因此CPU編程的資源豐富而且容易獲得，開(kāi)發(fā)成本低而開(kāi)發(fā)周期。FPGA的或現采用Verilog/VHDL等底層硬件描述語(yǔ)言實(shí)現，需要開(kāi)發(fā)者對FPGA的芯片特性有較為深入的了解，但其高并行性的特性往往可以使業(yè)務(wù)性能得到量級的提升；同時(shí)FPGA是動(dòng)態(tài)可重配的，當在數據中心部署之后，可以根據業(yè)務(wù)形態(tài)來(lái)配置不同的邏輯實(shí)現不同的硬件加速功能。ASIC芯片可以獲得最優(yōu)的性綿，即面積利用率高、速度快、功耗低；但是AISC開(kāi)發(fā)風(fēng)險極大，需要有足夠大的市場(chǎng)來(lái)保證成本價(jià)格，而且從研發(fā)到市場(chǎng)的時(shí)間同期很長(cháng)，不適合例如深度學(xué)習CNN等算法正在快速迭代的領(lǐng)域

      GPU仍然是人工智能計算的主要算力供給：值得注意的是，越來(lái)越多的人工智能計算服務(wù)器開(kāi)始使用8GPU甚至16GPU卡，這意味著(zhù)隨著(zhù)數據的爆發(fā)式增長(cháng)、深度神經(jīng)網(wǎng)絡(luò )日趨復雜，單系統可提供更高密度、更高性能的AI基礎架構，將在A(yíng)l線(xiàn)下訓練場(chǎng)景中得到更廣泛應用。此外，GPU計算正朝著(zhù)"Non-CPU"方向發(fā)展，即不需要計算系統中使用CPU，用戶(hù)可構建起完全由GPU組成的計算系統。

      傳統高性能計算正在與人工智能融合為“先進(jìn)計算"：事實(shí)上，現在有可用的大型數據集合和強大的計算資源，這樣的組合允許這個(gè)領(lǐng)域取得很大的進(jìn)步。人工智能，特別是機器學(xué)習和深度學(xué)習，需要龐大的計算資源，隨著(zhù)數據的增長(cháng)，計算力變得越來(lái)越重要，只有擁有更好的、與人工智能計算相匹配的計算系統，比如提供GPU計算能力或是深度學(xué)習算法框架平臺才能更好的訓練深度學(xué)習模型。這一計算系統正是先進(jìn)計算系統。

      邊緣人工智能算力持續提升：隨著(zhù)物聯(lián)網(wǎng)邊緣設備對人工智能能力的要求不斷提升，對即時(shí)、高吞吐量的邊緣人工智能算力的需求也在持續增加，邊緣設備需要借助人工智能及與之相匹配的算力，即時(shí)做出分析、判斷和決策，與此同時(shí)，2025年，預計將會(huì )有1500億臺機愿傳感器和物聯(lián)網(wǎng)設備持續輸出數據，這比當今使用智能手機的個(gè)人用戶(hù)所產(chǎn)生的數據要高出幾個(gè)數量級，因此，無(wú)論是市場(chǎng)規模還是算力需求規模都極為龐大。

      以上就是我們給您帶來(lái)的關(guān)于人工智能算力的發(fā)展趨勢的相關(guān)分享，如果您有更多想要咨詢(xún)的相關(guān)問(wèn)題歡迎您與我們聯(lián)系。