当前位置:

OFweek电子工程网

IC设计

正文

深度学习处理器 中美谁更有希望率先突破?

导读: 中国和美国的深度学习处理器,哪一款产品能在商业上取得成功,很大程度上取决于技术以外的因素。就现在情况来看,大家基本处于同一起跑线,鹿死谁手,还未可知。

  OFweek电子工程网讯 中国和美国的深度学习处理器,哪一款产品能在商业上取得成功,很大程度上取决于技术以外的因素。就现在情况来看,大家基本处于同一起跑线,鹿死谁手,还未可知。

  归功于阿法狗与韩国李世石对弈掀起的波澜,人工智能和深度学习已经深入人心。而中科院、英特尔、谷歌、IBM、英伟达等中美两国的科研机构和商业公司,不满足于当吃瓜群众,也纷纷推出了用于深度学习的处理器。

  所有这些机构和公司的产品中,既有CPU、GPU、DSP这样的传统芯片,也有专门为深度学习而生的NPU(嵌入式神经网络处理器)。毫无疑问,就像PC时代一样,在人工智能时代,这些芯片也将成为未来深度学习人工智能的核心,可以说是走向智能世界的重要根基。

  这么重要的技术,自然也是国家科技竞赛的必争之地,那么,中美两国推出的这些CPU、GPU、DSP、TPU、NPU深度学习处理器,各有什么特点,在深度学习处理器方面,中美谁更有希望率先突破呢?

  美国:CPU、GPU、DSP、TPU、NPU一应俱全

  由于在美国在半导体产业上拥有的雄厚技术底蕴,使美国不少公司都开发出了针对深度学习的芯片,这其中以英特尔的众核芯片,英伟达的GPU,Cadence公司和Synopsys公司的DSP,以及IBM的真北和谷歌的TPU为代表。

  一直以来,英伟达着力于将自己的GPU用于深度学习,并为深度神经网络推出了Tesla P100 GPU,并且发布了基于该GPU的深度学习超级计算机 DGX-1,随后DGX-1被交给了人工智能项目OpenAI。

  深度学习处理器 中美谁更有希望率先突破?

  图:英伟达为人工智能开发的超级计算机DGX-1

  在英伟达开发出针对人工智能的定制GPU,并坚持DGX-1 系统之后,英特尔也不甘落后,在收购深度学习创业公司Nervana Systems之后,英特尔又公布了用于深度学习的Xeon Phi家族新成员,在深度学习处理器领域开辟新战场。

  美国Cadence公司的Tensilica Vision P5处理器和Synopsys公司的EV处理器本质上也是在现有的成熟技术上做改进,将传统的面向数字信号处理的DSP处理器架构用于处理神经网络。

  在今年年初,谷歌公开一款叫做Tensor Processing Unit的处理器,根据TPU团队主要负责人介绍,TPU专为Google机器学习应用TensorFlow打造,能够在相同时间内处理更复杂、更强大的机器学习模型并将其更快地投入使用。

  谷歌数据中心早在一年前就开始使用TPU,之前打败李世石的AlphaGo就是采用了TPU做了运算加速。不过,谷歌也表示,TPU只在特定应用中辅助CPU和GPU使用。由于谷歌没有公开TPU的细节信息,而且只供内部使用,以及只能配合CPU和GPU起辅助作用。因此,下文对TPU不再论述。

  相对于只起到辅助作用的TPU,IBM的真北则是能独立完成深度学习的芯片,IBM宣称处理能力相当于1600万个神经元和40亿个神经键。

  可以说,由于美国在相关技术上的深厚积累,使其可以实现遍地开花,既可以运用现有成熟技术开发出针对深度学习的CPU、GPU和DSP,也可以开发出专门针对深度学习的专业芯片NPU和TPU。

1  2  3  4  下一页>  
责任编辑:Trista
免责声明: 本文仅代表作者个人观点,与 OFweek电子工程网 无关。其原创性以及文中陈述文字和内容未经本站证实, 对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅 作参考,并请自行核实相关内容。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: