|
人工智能芯片（AI chips）采用特定的架構(gòu)構(gòu)建，并集成了AI加速，以支持基于深度學(xué)習(xí)（DL）的應(yīng)用，包括專用集成電路(ASICs)、現(xiàn)場可編程門陣列(FPGAs)、中央處理器(CPU)和圖形處理器。
深度學(xué)習(xí)（DL）更通常被稱為主動神經(jīng)網(wǎng)絡(luò)(ANN)或深度神經(jīng)網(wǎng)絡(luò)(DNN)，是機(jī)器學(xué)習(xí)（ML）的一個子集，屬于AI的更廣泛的范圍。它結(jié)合了一系列刺激活動和大腦結(jié)構(gòu)的計算機(jī)命令或算法。
dnn經(jīng)歷一個訓(xùn)練階段，從現(xiàn)有數(shù)據(jù)中學(xué)習(xí)新的能力。然后，DNNs可以通過應(yīng)用在深度學(xué)習(xí)訓(xùn)練中學(xué)習(xí)到的這些能力來進(jìn)行推理，以針對以前從未見過的數(shù)據(jù)進(jìn)行預(yù)測。深度學(xué)習(xí)可以讓收集、分析和解釋大量數(shù)據(jù)的過程變得更快、更容易。
傳統(tǒng)芯片和AI芯片的區(qū)別
傳統(tǒng)芯片包含處理器內(nèi)核和內(nèi)存，執(zhí)行計算任務(wù)時，它們不斷地在兩個硬件組件之間移動命令和數(shù)據(jù)。然而，這些芯片對于AI應(yīng)用來說并不理想，因為它們無法處理具有大量數(shù)據(jù)的AI工作負(fù)載的更高計算需求，雖然一些更高端的傳統(tǒng)芯片可能能夠處理某些AI應(yīng)用。
AI芯片通常包含處理器核心，以及幾個AI優(yōu)化的核心(取決于芯片的規(guī)模)，這些核心旨在執(zhí)行計算任務(wù)時協(xié)調(diào)工作。由于與旨在處理非AI應(yīng)用的其他處理器內(nèi)核緊密集成，AI內(nèi)核針對具有低延遲推理的異構(gòu)企業(yè)級AI工作負(fù)載的需求進(jìn)行了優(yōu)化。
從本質(zhì)上講，AI芯片重新想象了傳統(tǒng)芯片的架構(gòu)，使智能設(shè)備能夠以最低的功耗實時執(zhí)行復(fù)雜的深度學(xué)習(xí)任務(wù)，如對象檢測和分割。
AI芯片應(yīng)用
半導(dǎo)體公司為大量智能機(jī)器和設(shè)備開發(fā)了各種專業(yè)的AI芯片，其中包括據(jù)說可以為邊緣設(shè)備提供數(shù)據(jù)中心級計算機(jī)性能的芯片。
其中，一些芯片支持車載計算機(jī)更有效地運(yùn)行最先進(jìn)的AI應(yīng)用程序。AI芯片也在推動可穿戴電子產(chǎn)品、無人機(jī)和機(jī)器人中的計算成像應(yīng)用。此外，由于對聊天機(jī)器人和在線渠道(如Messenger、Slack等)的需求增加，AI芯片在NLP(自然語言處理)應(yīng)用中的使用也有所增加。他們使用NLP來分析用戶信息和對話邏輯。
此外，還有一些芯片制造商制造了具有片上硬件加速功能的AI處理器，旨在幫助客戶在銀行、金融、貿(mào)易、保險應(yīng)用和客戶互動等領(lǐng)域?qū)崿F(xiàn)大規(guī)模商業(yè)洞察。
隨著AI在不同工作負(fù)載中變得無處不在，擁有一個包括支持主要深度學(xué)習(xí)框架的專用推理加速器將允許公司利用其數(shù)據(jù)的全部潛力。（Donna Zhang，張底剪報）
|
