AI芯片 技术发展方向及应用场景落地探讨.docx
《AI芯片 技术发展方向及应用场景落地探讨.docx》由会员分享,可在线阅读,更多相关《AI芯片 技术发展方向及应用场景落地探讨.docx(11页珍藏版)》请在优知文库上搜索。
1、一、Al芯片诞生和发展的背景自1956年美国达特茅斯学院首次提出人工智能(AI)的概念以来,Al技术不断获得突破和快速发展,对算力的需求也不断增加。为了满足这种需求,AI芯片不断迭代升级,目前已成为算力提升的核心基础硬件。2006年以前,Al算法尚未出现突破性进展,且Al的训练数据主要以小数据为主。因此学术界和产业界对AI的算力需求主要由CPU提供,在这个阶段AI芯片发展较慢。2006年到2016年期间,A【算法在深度学习上获得突破,同时大数据、云计算等技术在这期间高速发展,进一步促进了Al在“大数据+深度学习”模式上的快速发展,随之而来的是Al性能的提升越来越依赖于计算能力的大小。研究人员发
2、现,相比于CPU,GPU具备并行计算特性,因此在深度学习等人工智能先进算法所需的“暴力计算”场景中更为高效。通过充分发挥GPU的优势,人工智能算法的计算效率可以大幅提升,这促使研究人员广泛采用GPU进行人工智能领域的研究和应用。2016年以后,随着Al技术的发展和商用化,Al芯片进入大发展阶段。2016年,美国谷歌旗下DeePMind团队开发的AI系统AlphaGo战胜韩国棋手李世石,引发全球AI热潮。此后,Al领域对于算力的需求不断增加。但GPU的高功耗和高价格限制了其在不同场景中的应用。为应对上述挑战,研究人员开始致力于开发定制化的AI芯片,以实现在加速AI算法运算的同时降低功耗和成本。自
3、此,大量初创企业和传统互联网巨头纷纷涌入Al芯片领域,推动了专用AI芯片的快速发展。2022年11月,美国OPenAl公司推出AI大模型ChatGPT,引发全球Al大模型发展浪潮,这一趋势进一步加大了Al领域对算力的需求,推动了Al芯片的投资和发展。二、Al芯片发展的技术方向广义而言,Al芯片指的是专门用于处理人工智能应用中大量计算任务的模块,即面向人工智能领域的芯片均被称为AI芯片。狭义的AI芯片指的是针对人工智能算法做了特殊加速设计的芯片1,2。从技术架构来看,Al芯片主要分为图形处理器(GPU)、现场可编程门阵列(FPGA),专用集成电路(ASIC)、类脑芯片四大类。其中,GPU为通用型
4、人工智能芯片,FPGA和ASIC是针对Al需求特征的半定制和全定制芯片,类脑芯片则是一种模仿人脑神经系统结构和功能的处理器。(一)图形处理器(GPU)。GPU最初是专门用来做图像处理的,如图像渲染、特效制作等,后因其优秀的矩阵计算能力和并发计算的架构,被广泛运用于Al领域。目前,GPU已成为Al领域最为成熟和广泛应用的通用型芯片,在数据中心、超级计算机等大型计算设施中备受青睐,在Al芯片市场中占据主导地位。在全球GPU厂商中,英伟达GPU技术一直处于领先水平,其融合了统一计算设备架构CUDA,构建起软硬件高性能计算的生态壁垒。2022年3月,英伟达在GPU技术大会(GPUTechnologyC
5、onference)上发布了基于新一代Hopper架构的高性能GPU芯片H100,其配备第四代TensorCore和TranSfOrmer引擎,与上一代产品相比,HlOO的综合技术创新可以将AI大型语言模型的速度提高30倍。(二)现场可编程门阵列(FPGA)。FPGA是一种灵活可编程的硬件平台,具备较高的计算性能和可定制性等优点,能够对AI算法进行加速和优化。在不断迭代的Al算法场景下,FPGA凭借其灵活性、低功耗和低延时的技术优点,在Al推理应用中表现出色。2022年11月,英特尔发布基于第二代英特尔HyperflexFPGA架构的AgilexFPGA芯片,其中整合引入了AI张量模块的增强型
6、数字信号处理(DSP)功能模块,能够更好支持AI/图像/视频处理以及可执行复数计算的DSP密集型应用。(三)专用集成电路(ASIC)。ASIC是针对用户对特定电子系统的需求而设计的专用集成电路,其计算能力和计算效率可根据算法需要进行定制,是固定算法最优化设计的产物。2016年,谷歌发布ASIC芯片TPUV1,主要应用于Al推理过程。自此,ASIC克服了GPU价格昂贵、功耗高的缺点,开始逐渐应用于Al领域,成为Al芯片的重要分支。2017年5月,谷歌发布TPUv2,相比于TPUV1,TPUV2最大的特色在于它既可以用于Al训练,又可以用于Al推理。2018年5月,谷歌发布TPUV3,可实现超过1
7、00PFLOPS的处理能力,几乎是TPUV2的8倍。2022年5月,谷歌又推出TPUV4,相比于英伟达AIoo芯片,处理速度最高快1.7倍,节能效率提高1.9倍。2022年3月,中国寒武纪公司推出训推一体Al加速卡MLU370-X8,搭载双芯片四芯粒思元370,集成寒武纪MLU-Link多芯互联技术,可应用于YoLOV3、Transformer等AI训练任务中,每张加速卡可获得200GBs的通讯吞吐性能,是PCIe4.0带宽的3.1倍,可高效执行多芯多卡AI训练和分布式AI推理任务。(四)类脑芯片。类脑芯片是结合微电子技术和新型神经形态器件,模仿人脑神经系统进行设计的Al处理器,旨在突破“冯诺
8、依曼瓶颈”,实现超低功耗和并行计算能力。类脑芯片被认为是后摩尔时代重要的发展方向之一,可能成为未来智能计算的突破口。2017年,研发出第二代异构融合类脑芯片“天机芯”,其具有高速度、高性能、低功耗的特点,制程为28纳米。相比于当时世界先进的IBM的TrUeNOrth芯片,其功能更全、灵活性和扩展性更好,密度提升20%,速度提高至少10倍,带宽提高至少100倍。2019年,基于“天机芯”研究成果的论文面向人工通用智能的异构天机芯片架构(TOWardSArtifiCialGeneralIntelligencewithHybridTianjicChipArChiteCtUre)作为封面文章登上自然(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- AI芯片 技术发展方向及应用场景落地探讨 AI 芯片 技术发展 方向 应用 场景 落地 探讨
