|
近几年，谷歌，苹果，微软，Facebook，英特尔，高通，英伟达，ADM，等科技巨头也是纷纷入局，开始自主研发人工智能芯片，大大的提高了人们的发展，和人们对人工智能的需求。 在全球科技领域，人工智能无疑是最热门的领域。这种并不算新的应用场景将会带动新一轮的计算革命，这也将给人工智能芯片带来新的需求，给半导体领域带来新的机遇。人工智能正在推动芯片的复兴。 
半导体是数字时代的一项基础技术。美国硅谷的名字正是源自于此，过去半个世纪以来，计算机技术的革命改变着社会的方方面面，而半导体芯片技术正是这场革命的核心。
自英特尔1971年推出全球第一个微处理器以来，计算能力一直以令人惊叹的步伐发展演进着。根据摩尔定律，当前的计算机芯片比50年前的芯片在功能上强大百万倍。
可尽管数十年来处理能力的飞速增长，但直到现在，计算机芯片的基本体系结构仍然没有太大改变。很大程度上说，芯片的创新，需要进一步缩小晶体管的体积，让集成电路可以容纳更多晶体管。正是人工智能（AI）诞生，引发了半导体创新的“黄金时代。机器学习带来独特的市场需求和无限的机会。让我们从新思考芯片架构的基本原则。
人工智能为芯片开发带来新的计算模式，在计算技术发展的历史中，主流的芯片架构是CPU。如今，CPU无处不在，它为笔记本电脑，移动设备和大多数数据中心提供动力。CPU是通用的，能够有效执行软件所需的任何计算。不过尽管CPU的主要优势是多功能性，然而如今领先的AI技术需要的，是一种非常特殊且密集的计算。深度学习需要迭代执行数百万甚至数十亿个相对简单的乘法和加法步骤。深度学习以线性代数为基础，在根本上是基于试错法的：对参数进行调整，对矩阵进行乘法运算，随着模型自身的不断优化，在整个神经网络中反复进行数字求和。这种重复性的、计算量巨大的工作流程，对于硬件体系结构有很重要的要求。「并行化」变得至关重要，「并行」指的是：处理器能够同时、而不是一个接一个地执行多个计算的能力。与之紧密相关的是，深度学习涉及大量数据的连续转换，因此让芯片内存和计算核心尽可能靠近数据所在的位置，可以减少数据移动，从而大幅提升速度和效率。随着机器学习正在日益普及，传统芯片已经无法应对现代AI算法的要求，这一点正变得愈加突出。正如AI专家Yann LeCun最近所说的：“如果你能穿越到未来五年或者十年，看看计算机大部分时间都在做些什么的话，我认为很可能是机器学习之类的事情。
眼下，一场为即将而来的AI时代开发所需的硬件竞争正在上演。如今，半导体行业的创新之多，是自硅谷创立之初以来从未有过的，巨量资金不断地投入其中。
未来几年，下一代芯片将塑造人工智能领域的雏形和轨迹。用Yann LeCun的话来说：“硬件能力...激励但却限制了AI研究人员想象并追求的想法。各种我们可以使用的工具正在不断刷新我们的想法，这一点我们不得不承认。
| 
楼主
标题置顶
标题高亮
