人工智能芯片技术路线剖析---FPGA.doc
《人工智能芯片技术路线剖析---FPGA.doc》由会员分享,可在线阅读,更多相关《人工智能芯片技术路线剖析---FPGA.doc(2页珍藏版)》请在三一文库上搜索。
1、人工智能芯片技术路线剖析-FPGA在万物互联大背景下,预计未来将有数以百亿的智能设备连接至互联网。思科公司最新数据显示,到 2021 年在全球 271 亿连接设备中,物联网设备将占据连接主导地位。这一趋势无疑推动了物联网向各行各业渗透,并将开启一个“万物皆有智能”的新型社会,人们能够享受到更加智慧的生活。在这个大连接、大智能的时代中,具有人工智能要素的芯片需求广阔,依靠人工智能芯片构建数据中心,为实现万物互联和人工智能提供基础计算环境,包括英伟达在内的芯片厂商快速崛起,围绕人工智能芯片领域的创新企业也倍受资本支持,让芯片厂商成为这个时代最大受益者。与此同时,作为产业制高点,人工智能芯片可应用范
2、围广,如智能手机、医疗健康、金融、零售等,发展空间巨大。2017 年 9 月初,华为公司在柏林 IFA2017新品发布会上发布了全球首款人工智能移动芯片“麒麟 970”,该芯片是全球首款内置神经元网络单元的人工智能处理器(NPU),至此拉开了人工智能芯片在移动终端领域渗透的序幕。一、人工智能芯片的发展综述(一)概念与范畴根据清华大学魏少军教授的观点,将“人工智能”划分为三个层次:第一个层次是应用(即:能体现深度学习和机器学习功能的应用);第二个层次是方法(即:人工智能的算法);第三个层次是工具(即:开发工具和芯片)。因此,人工智能芯片是实现人工智能的根本因素。我们对人工智能芯片进行了定义:从广
3、义上讲,能运行人工智能算法的芯片称为人工智能芯片;从狭义上讲,人工智能芯片是专门针对人工智能算法做了特殊加速设计的芯片。(二)分类深度学习的搭建,可分为训练(Training)和推理(Inference)两个环节:1、训练通过大量的数据输入,或采取增强学习等非监督学习方法,训练出一个复杂的深度神经网络模型。训练过程由于涉及海量的训练数据(大数据)和复杂的深度神经网络结构,需要的计算规模非常庞大,通常需要GPU集群训练几天甚至数周的时间,在训练环节GPU目前暂时扮演着难以轻易替代的角色。2、推断指利用训练好的模型,使用新的数据去“推断”出各种结论。虽然推断环节的计算量相比训练环节少,但仍然涉及大量的矩阵运算。在推断环节,除了使用CPU或GPU进行运算外,FPGA以及ASIC均能发挥作用。二、人工智能芯片的生态环境(一)算法层面:机器学习算法不断成熟自20世纪80年代起,机器学习算法开始快速发展,包括决策树学习、推导逻辑规划、强化学习和贝叶斯网络等在内的多种机器学习算法现已被广泛应用于网络搜索、垃圾邮件过滤、推荐系统、网页搜索排序、
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 芯片 技术 路线 剖析 FPGA
链接地址:https://www.31doc.com/p-3373402.html