如今，有一個(gè)詞聽到耳根生繭卻有些觸不可及，這個(gè)詞就是“人工智能”，曾經(jīng)它活在科幻小說中，如今它活在新聞標(biāo)題中，然而降臨在我們身邊，還是一個(gè)未知的時(shí)間、未知的地點(diǎn)、未知的場景。
自2016年3月AlphaGo戰(zhàn)勝李世石，全世界掀起了一場對人工智能的熱戀，一個(gè)仍在實(shí)驗(yàn)室里的襁褓瞬間就成了國民對象。一場AI軍備競賽也逐漸浮出水面，無論是科技大佬還是初創(chuàng)公司，誰都不愿錯(cuò)過這場即將爆發(fā)的AI風(fēng)暴。
前幾天，谷歌又掀起一場AI風(fēng)波，TPU來襲、劍指GPU，本來就難分勝負(fù)的AI芯片之戰(zhàn)，更撲朔迷離。
那么本期《趣科技》我們就來講講誰是AI時(shí)代真正的“硬”角色。
最近我們總聽到一種論調(diào)“中國人工智能直追美國”，而麥肯錫最新研究報(bào)告顯示，盡管中國在人工智能的論文數(shù)量方面超過美國，但是中國AI研究的影響力尚不及美國或者英國。這究竟是為什么？為何一個(gè)很鼓舞人心的消息后面總有一個(gè)殘酷的現(xiàn)實(shí)。
在人工智能的賽道上，有三大軍團(tuán)，即算法、計(jì)算能力、芯片，而核心陣地顯然是在硬件方面。我國與美國的差距也主要是在此方面。
目前，在AI芯片領(lǐng)域，有幾大競爭主力：
- GPU，視覺處理器，只有英偉達(dá)、AMD兩大玩家；
- FPGA，現(xiàn)場可編程門陣列，玩家有賽靈思、Altera（已被英特爾收購）、Lattice、Microsemi；
- ASIC，專用集成電路，美國英特爾、高通、微軟，英國Graphcore，中國中科院計(jì)算所、地平線機(jī)器人等均有布局；
- 類腦芯片，美國IBM、高通，中國中科院計(jì)算所、北京大學(xué)、中星微等已有不俗的成績。
顯然，在GPU和FPGA上我國缺席，在ASIC與類腦芯片上也只是一個(gè)追隨者，這就是與美國的差距所在。而說我們緊追美國也不為過，在AI應(yīng)用層面，在語音識別和定向廣告等方面，百度已經(jīng)走在全球前列。
隨著人工智能的大量涌現(xiàn)，AI芯片市場群雄爭霸，廠商紛紛推出新的產(chǎn)品，都想領(lǐng)跑智能時(shí)代——但問題是，誰會(huì)擔(dān)當(dāng)這個(gè)角色呢？
目前來看，GPU是厚積薄發(fā)正當(dāng)時(shí)，在深度學(xué)習(xí)領(lǐng)域發(fā)揮著巨大作用；FPGA被視為AI時(shí)代的萬能芯片，架構(gòu)靈活獨(dú)具特色；ASIC這個(gè)后起之秀,被企業(yè)視作引發(fā)一輪全面的顛覆的杰作。其推動(dòng)代表之一就是谷歌，2016年宣布將獨(dú)立開發(fā)一種名為TPU的全新的處理系統(tǒng)，而在前幾日，這個(gè)神秘的TPU現(xiàn)真容。谷歌表示TPU 已經(jīng)在谷歌數(shù)據(jù)中心內(nèi)部使用大約兩年，并且TPU 在推理方面的性能要遠(yuǎn)超過 GPU。
TPU，為深度學(xué)習(xí)而生的ASIC
TPU 是谷歌專門為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的一款芯片，可用來加速神經(jīng)網(wǎng)絡(luò)（NN）的推理階段，其實(shí)是一款 ASIC。
我們先來看一下什么是ASIC，ASIC指依照產(chǎn)品需求不同而定制化的特殊規(guī)格集成電路，由特定使用者要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造。一般來說，ASIC 在特定功能上進(jìn)行了專項(xiàng)強(qiáng)化，可以根據(jù)需要進(jìn)行復(fù)雜的設(shè)計(jì)，但相對來說，實(shí)現(xiàn)更高處理速度和更低能耗。相對應(yīng)的，ASIC 的生產(chǎn)成本也非常高。
谷歌為什么要做TPU呢？一方面是有錢任性，畢竟一般公司很難承擔(dān)為深度學(xué)習(xí)開發(fā)專門處理器 ASIC 芯片的成本和風(fēng)險(xiǎn)；另一方面是自身需求大，龐大的體量比如谷歌圖像搜索、谷歌照片、谷歌云視覺 API、谷歌翻譯等產(chǎn)品和服務(wù)都需要用到深度神經(jīng)網(wǎng)絡(luò)，開發(fā)一款A(yù)SIC可得到廣泛的應(yīng)用。
早在2011年谷歌就意識到他們遇到的問題，開始思考使用深度學(xué)習(xí)網(wǎng)絡(luò)了，這些網(wǎng)絡(luò)運(yùn)算需求高，令他們的計(jì)算資源變得緊張。
CPU能夠非常高效地處理各種計(jì)算任務(wù)，但 CPU 的局限是一次只能處理相對來說很少量的任務(wù)；GPU 在執(zhí)行單個(gè)任務(wù)時(shí)效率較低，而且所能處理的任務(wù)范圍更小，GPU 是理想的深度學(xué)習(xí)芯片，但是能耗的問題又非常嚴(yán)重。于是TPU應(yīng)用而生。
顯然，在GPU和FPGA上我國缺席，在ASIC與類腦芯片上也只是一個(gè)追隨者，這就是與美國的差距所在。而說我們緊追美國也不為過，在AI應(yīng)用層面，在語音識別和定向廣告等方面，百度已經(jīng)走在全球前列。
隨著人工智能的大量涌現(xiàn)，AI芯片市場群雄爭霸，廠商紛紛推出新的產(chǎn)品，都想領(lǐng)跑智能時(shí)代——但問題是，誰會(huì)擔(dān)當(dāng)這個(gè)角色呢？
目前來看，GPU是厚積薄發(fā)正當(dāng)時(shí)，在深度學(xué)習(xí)領(lǐng)域發(fā)揮著巨大作用；FPGA被視為AI時(shí)代的萬能芯片，架構(gòu)靈活獨(dú)具特色；ASIC這個(gè)后起之秀,被企業(yè)視作引發(fā)一輪全面的顛覆的杰作。其推動(dòng)代表之一就是谷歌，2016年宣布將獨(dú)立開發(fā)一種名為TPU的全新的處理系統(tǒng)，而在前幾日，這個(gè)神秘的TPU現(xiàn)真容。谷歌表示TPU 已經(jīng)在谷歌數(shù)據(jù)中心內(nèi)部使用大約兩年，并且TPU 在推理方面的性能要遠(yuǎn)超過 GPU。
TPU，為深度學(xué)習(xí)而生的ASIC
TPU 是谷歌專門為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的一款芯片，可用來加速神經(jīng)網(wǎng)絡(luò)（NN）的推理階段，其實(shí)是一款 ASIC。
我們先來看一下什么是ASIC，ASIC指依照產(chǎn)品需求不同而定制化的特殊規(guī)格集成電路，由特定使用者要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造。一般來說，ASIC 在特定功能上進(jìn)行了專項(xiàng)強(qiáng)化，可以根據(jù)需要進(jìn)行復(fù)雜的設(shè)計(jì)，但相對來說，實(shí)現(xiàn)更高處理速度和更低能耗。相對應(yīng)的，ASIC 的生產(chǎn)成本也非常高。
谷歌為什么要做TPU呢？一方面是有錢任性，畢竟一般公司很難承擔(dān)為深度學(xué)習(xí)開發(fā)專門處理器 ASIC 芯片的成本和風(fēng)險(xiǎn)；另一方面是自身需求大，龐大的體量比如谷歌圖像搜索、谷歌照片、谷歌云視覺 API、谷歌翻譯等產(chǎn)品和服務(wù)都需要用到深度神經(jīng)網(wǎng)絡(luò)，開發(fā)一款A(yù)SIC可得到廣泛的應(yīng)用。
早在2011年谷歌就意識到他們遇到的問題，開始思考使用深度學(xué)習(xí)網(wǎng)絡(luò)了，這些網(wǎng)絡(luò)運(yùn)算需求高，令他們的計(jì)算資源變得緊張。
CPU能夠非常高效地處理各種計(jì)算任務(wù)，但 CPU 的局限是一次只能處理相對來說很少量的任務(wù)；GPU 在執(zhí)行單個(gè)任務(wù)時(shí)效率較低，而且所能處理的任務(wù)范圍更小，GPU 是理想的深度學(xué)習(xí)芯片，但是能耗的問題又非常嚴(yán)重。于是TPU應(yīng)用而生。