现在的位置: 首页资讯>正文

AI处理器之战一触即发,或将于2018开启?

2017年12月20日 作者: 暂无评论 682+ 0

回顾2017年,常发表威胁论的马斯克也开始造芯片,英特尔发布Nervana神经网络处理器和人工智能芯片Loihi,英伟达推出进化版TITAN V 等等,这一年各个巨头可谓是在人工智能领域卯足了劲儿,经过这年如火如荼的积蓄,2018势必将是充满“硝烟”的一年。

关于人工智能的硬件,CPU,GPU,TPU(张量处理单元),甚至是FPGA,已经很难判断是谁开启了这场人工智能之战,要说谁将终结人工智能时代更是为时过早。但是2018年将是芯片制造商之间长期战斗的开始,在人工智能领域的硬件之争,怕是一定要决出个高下了。

当英特尔在Automobility LA 2017上宣布发布最新的人工智能硬件,这并不是对外发起挑战的意思。相反,它只是少数几个主要科技巨头的一系列最新技术更新,毕竟大家的目标都是在人工智能硬件领域打下坚实的基础。因为就目前的发展状况来看,人工智能将成为包括制造业、汽车、物联网、医疗甚至娱乐业在内的众多行业中的主导力量之一。

在硬件方面,人工智能被锁定在自己的“权力游戏”之中,不同的企业都在争夺霸主地位,创造出芯片架构,特别是在深度学习和神经网络方面以期获得优势。

据Research and Markets和TechNavio的分析师预测,全球AI芯片市场将在2017年至2021年间以年均54%的速度增长。

Technavio嵌入式系统研究首席分析师Raghu Raj Singh表示,“对能够满足深度学习的高功率硬件的需求是推动这一发展的关键驱动力。硬件的高增长率是由于对高计算能力的硬件平台的需求不断增长,这有助于运行深度学习的算法。初创企业和老牌企业之间日益激烈的竞争正在引领新的人工智能产品的发展,无论是硬件还是软件平台,都在运行着深度学习和算法。”

竞争正在升温。人工智能将成为计算硬件的下一个前沿领域,自从移动计算和互联网出现以来,人工智能可能是计算机硬件最重要的战场。

那么,我们是如何到达这里的,谁又是这其中的大玩家呢?

好的CPU

那些不需要人为干预的自动驾驶汽车,可能是有史以来最聪明、最复杂的机器之一。很显然,自动驾驶车辆已经成为人工智能的主要目标之一,而英特尔正在为这个目标不断奋斗。

英特尔并不仅仅是在内部进行研发工作,而是利用收购来使得在人工智能领域的脚步更稳。 2016年8月,英特尔收购了神经网络处理器制造商Nervana Systems。

谈到神经网络,它能够非常有效地执行各种各样的任务,但为了完成这些任务,首先必须教导网络如何执行这些任务。首先,神经网络执行要识别出狗的图片就必须明白狗的特征,并且了解它的所有品种。光从这一点上来看,就会十分耗费时间,可能会需要成千上万甚至数百万的狗的图像才能够完成相应的任务。

在2016年11月,在收购Nervana几个月后,英特尔宣布推出一系列处理器 - Nervana平台,直接针对人工智能相关的应用,例如训练神经网络。英特尔数据中心事业部执行副总裁兼总经理Diane Bryant表示,“我们期望英特尔Nervana平台能够产生突破性的性能,并大大缩短训练复杂神经网络的时间。在这个十年结束之前,英特尔将提供100倍的性能提升,这将在新兴的深度学习领域大大加速创新的步伐。”

今年3月,英特尔又在Mobileye公司进行了另一项引人注目的人工智能收购,这是一款基于机器学习的高级驾驶员辅助系统(ADAS)的开发,其价值约为150亿美元。英特尔收购的意义马上就显现了出来。这家芯片制造商希望在自动驾驶车辆领域占有一席之地,也许这样做也将自己定位为一个关键的机器学习硬件提供商。

在去年11月举行的洛杉矶Automobility LA贸易展览会上,英特尔首席执行官Brian Krzanich称自动驾驶是现今最大的游戏改变者,因为该公司宣布收购Mobileye公司后已经生产了一款新的SoC、EyeQ5。

Tera每秒运算(TOPS)是用于高性能SoC的通用性能指标。每瓦TOPS可以扩展该测量来描述性能效率。每瓦TOPS越高,芯片的效率越高。深度学习TOPS(DL)是指进行深度学习相关的操作的效率。根据英特尔的基于模拟的测试,EyeQ5预计将提供每瓦2.4 DL TOPS,是Nvidia的Xavier效率的两倍多,它的效率大约是每瓦执行1 DL TOPS。

英特尔自动驾驶集团(ADG)高级副总裁兼总经理Doug Davis在接受《设计新闻》时表示,“英特尔选择将重点放在每瓦特的DL型电脑上,因为它希望把重点放在处理器效率上,而不是其他指标。关注DL每瓦功耗是电源消耗的一个很好的指标,但是如果你考虑这个问题,它也会影响重量、成本和散热的问题,所以我们真的觉得效率是关注的重点。”

Davis补充表示,“总是围绕绝对性能进行大量的讨论,但是当我们考虑这个问题时,应该从更实际的角度出发,因为我们考虑了不同类型的工作量。深度学习是能够识别对象并做出决策,并尽可能快速有效地完成这一任务的关键。“

然而,英伟达公司已经对英特尔的数据提出了异议,尤其是考虑到EyeQ5的估计是基于模拟的,SoC将在两年内不可用。 今天所知道的是我们宣布的Xavier将于2018年初开始提供,相比于EyeQ5纯粹的24 TOPS两年后的模拟预测,30 TOPS的性能更高。

GPU是否注定要AI?

GPU制造商已经发现自己掌握着可能处于人工智能革命最前沿的技术。GPU曾被认为是CPU的补充单元(许多CPU将GPU集成到GPU中以处理图形处理),GPU已经扩展到以图形和视频为中心的领域之外,并进入深度学习领域,GPU制造商表示他们提供的性能远优于CPU。

Nervana001

▲Titan V GPU

虽然GPU市场上有少数几家公司,但似乎Nvidia更像这个技术的代名词。根据Jon Peddie研究公司的报告,Nvidia在2017年第三季度的GPU出货量上升了29.53%,主要竞争对手AMD和Intel都出局。AMD的出货量增加了7.63%,而Intel的出货量增加了5.01%。当然,这主要是由视频游戏市场推动的,但Jon Peddie Research的分析师认为,与加密货币挖掘有关的应用程序和对高端性能的需求也对出货量有所贡献。

对于能够处理需要高性能的特定任务的处理器(如加密货币挖掘和AI应用程序)的需求正是GPU发现自己处于AI硬件对话最前沿的原因。 GPU包含数百个可同时执行数千个软件线程的内核,同时比CPU更节能。尽管CPU是普遍化的并且倾向于跳跃,执行许多不同的任务,但是GPU擅长在大批量数据上一次又一次地执行相同的操作。

文章分页: 1 2

发表评论