CPU、GPU统统失宠？AI芯片开发竞赛战火渐燃
25年前，严恩·乐库（Yann LeCun）曾打造过一种人工智能（AI）芯片，名叫ANNA，但它实在是太超前了。
那是1992年，乐库当时是贝尔实验室的一名研究人员。他和同事们设计这种芯片是为了运行深度神经网络——一种复杂的数学系统，能够通过分析大量数据独立执行任务。
但ANNA从未进入大众市场。那时的神经网络已非常善于识别支票和信封上潦草的文字和数字，但在处理其他任务时，表现却不太好，至少在实际应用中是如此。
但现在，神经网络正在迅速改变互联网巨头，包括谷歌、Facebook和微软。乐库现在执掌着Facebook的人工智能实验室，在这里，他们利用神经网络识别照片中的人脸和物体，把一种语言翻译成另一种语言，类似这样的应用，还有很多。乐库说，25年后的今天，对于像ANNA这样的芯片，市场有着强烈的需求。很快，这些芯片就会大量涌现。
最近，谷歌打造了自己的AI芯片，这种名为TPU的芯片已广泛部署于支撑该公司在线业务的大型数据中心。在那里，数以千计的TPU参与处理各种各样的任务，不管是识别用户对安卓手机发出的语音指令，还是选择谷歌搜索引擎的搜索结果。而这只是一个开始。据CNBC近日报道，最初开发TPU芯片的几位工程师，目前正在初创公司Groq开发类似的芯片。此外，英特尔、IBM、高通等知名芯片制造商也有类似的开发计划。
谷歌、Facebook和微软等公司，仍然可以在标准的计算机芯片（即CPU）上运行它们的神经网络。但CPU是通用处理器，运行神经网络的效率极低。而如果配上特制芯片，专门用来处理AI系统所需要进行的大规模数学运算，那么神经网络的运行速度将更快，能耗也会更低。
谷歌表示，TPU芯片为它节省了新建15个数据中心的成本。如今，随着谷歌和Facebook等公司把神经网络应用于手机和虚拟现实头戴设备——这样做是为了消除向远程数据中心传输图像所造成的延迟——它们也需要可以在个人设备上运行的AI芯片。“更专业、更高效的芯片将大有作为。”乐库说。
换句话说，AI芯片市场潜力巨大。这就是为什么很多公司纷纷加入这个行列的原因。
各路巨头争先恐后
收购初创公司Nervana之后，英特尔正在打造一种专门用于机器学习的芯片。IBM也在开发一种模拟神经网络的硬件架构。乐库指出，高通最近也开始打造专门运行神经网络的芯片。他之所以知悉高通的计划，是因为Facebook正在帮助这家芯片制造商研发机器学习相关技术。高通技术副总裁杰夫·格尔哈尔（Jeff Gehlhaar）证实了这一项目。“在原型产品和研发方面，我们已经取得了很大进展。”他说。
显然，英伟达也在向这个领域推进。今年3月，这家硅谷芯片制造商将克莱蒙特·法拉贝特（Clément Farabet）招入麾下。他曾在纽约大学师从乐库，研究AI芯片的架构。后来，他创建了著名的深度学习初创企业Madbits，该公司2014年时被Twitter收购。
英伟达已经成为AI领域的一股重要力量。在谷歌和Facebook等公司利用神经网络进行语言翻译之前，它们必须首先训练神经网络，把大量的翻译实例输入系统。而英伟达的GPU（图形处理器）芯片可以加快训练过程。“在AI训练方面，GPU基本上已经垄断了市场，尤其是英伟达的GPU。”乐库说。但法拉贝特的加盟或许表明，英伟达和高通一样，也在研发AI芯片，用于运行经过训练的神经网络。
GPU本来不是为AI设计的，而是为了处理图像。但大约五年前，谷歌和Facebook等公司开始利用GPU来训练神经网络，因为GPU是执行此类任务的最佳选择。乐库相信，GPU将继续扮演这一角色。他指出，程序员和科技公司现在对GPU非常熟悉，并且拥有使用GPU所需的各种工具。“GPU的地位将难以撼动。”他说，“因为你需要整个生态系统。”但他也认为，新一代AI芯片将极大地改变大型互联网公司运行神经网络的方式，无论是在数据中心，还是在手机、智能割草机和真空吸尘器等个人设备上。
正如TPU给谷歌带来的变化，专用AI芯片可以将数据中心的效率提升到一个全新的高度，尤其是如今，人们对图像识别服务的需求已是越来越大。运行神经网络时，专用AI芯片的能耗更低、发热更少。“如果你不希望煮沸一个小湖泊，你也许需要专用硬件。”乐库开玩笑说。
与此同时，随着虚拟现实和增强现实技术的普及，手机和头戴设备也会需要AI芯片。最近，Facebook在发布新的增强现实工具时表示，这项技术需要可以识别周围环境的神经网络。但对增强现实系统而言，运行这种部署于数据中心的AI是不可行的，因为通过互联网传输图像耗时太久，会破坏增强现实的效果。
Facebook首席技术官麦克·斯科洛普夫（Mike Schroepfer）说，Facebook已开始依靠GPU和其他数字信号处理芯片来执行某些任务。但长期来看，这种设备肯定会使用全新一代的AI芯片。需求已摆在眼前，各家芯片制造商正在加紧把握机会，唯恐被落下。
翻译：于波
来源：Wired
点击标题 查看往期回顾
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明：以上内容为用户推荐收藏至CareerEngine平台，其内容（含文字、图片、视频、音频等）及知识版权均属用户或用户转发自的第三方网站，如涉嫌侵权，请通知[email protected]进行信息删除。如需查看信息来源，请点击“查看原文”。如需洽谈其它事宜，请联系[email protected]。
版权声明：以上内容为用户推荐收藏至CareerEngine平台，其内容（含文字、图片、视频、音频等）及知识版权均属用户或用户转发自的第三方网站，如涉嫌侵权，请通知[email protected]进行信息删除。如需查看信息来源，请点击“查看原文”。如需洽谈其它事宜，请联系[email protected]。