自定义AI加速走势高涨 将引起更加广泛的关注
2020-03-18 12:22:22爱云资讯
自定义AI加速走势高涨。在云计算领域,阿里巴巴继亚马逊、谷歌之后,推出了自己的定制加速器。Facebook也参与其中,微软在Graphcore中持有大量股份。英特尔(Intel)和Mobileye在汽车领域拥有强大的边缘人工智能(AI),而无线基础设施开发商正在为5G的小电池和基站增加AI功能。所有这些应用程序都依赖于大量灵活性和对未来的检验,以便在快速发展的环境中获得长期的相关性。
但是有许多应用程序,对于它们来说,功率、成本或透明的使用模型是更重要的度量标准。一个农业监视器在一个偏僻的地方,一个微波语音控制器,交通传感器分布在一个大城市。对于这些问题,一个通用的解决方案,甚至一个通用的AI解决方案,都可能是多余的。所以,一个特定的应用程序的AI功能将会更加引人注目。
在人工智能时代之前,你会立刻想到一个硬件加速器——它可以做任何它必须做的事情,但比在CPU上运行一个软件要快得多。这就是人工智能加速器的作用。它可能仍然是以软件驱动的,但与通用CPU方式不同。软件是在大型平台(如TensorFlow或Torch)上用Python开发的,然后通过多个步骤编译到目标加速器上。
这就是神奇之处。只要加速器保持在神经网络架构的一般范围内,它就可以像你希望的那样狂野。它可以支持多个卷积引擎,每个引擎又由SRAM作为一个整体来支持,同时还支持本地内存,以优化对操作的优先顺序的访问。
它可能支持专业功能池等常用操作。为了提高速度和性能,它通常会在不同的推理阶段支持不同的字宽,并在处理稀疏数组时支持专门的优化。这两个领域都是神经网络架构的创新热点,一些架构师甚至尝试使用单比特权值——如果一个权值只能是1或0,那么你就不需要在卷积和稀疏性增加中进行乘法运算了!
所有这些的挑战在于,当你想要致力于最终架构时,你会发现有太多的旋钮,以至于很难知道从哪里开始,或者你是否真正探索了全部的可能性空间。更加复杂的是,你需要在大范围的大型测试用例(大图像、语音样本等等)上测试和描述。
用C语言而不是RTL来运行大部分测试是常识,因为它比RTL运行速度快几个数量级,而且比RTL更容易调优。此外,神经网络算法可以通过高级合成(HLS)很好地映射,因此你的C模型可以不仅仅是一个模型,它还可以是生成RTL。你可以探索你正在考虑的选择的能力、性能和区域含义——多个卷积处理器、本地内存、字宽、广播更新。所有这些都具有快速的周转时间,允许你更充分地探索可能的优化范围。
- MongoDB观点:让生成式AI成为业务增长的新动能,游戏公司可以这样做
- 京东先人一步上线影石Insta360 X4相机 丰富AI功能助你拍摄精彩视频
- 人形机器人行业迎发展重要转折点,苹果/微美全息前瞻布局共研AI+创新应用新篇章
- WOT全球技术创新大会2024北京站:AIGC与大模型的未来风暴
- 百度何俊杰:智能体,创造AI原生未来
- Suno V3引爆AI音乐产业链机遇 券商看好万兴科技昆仑万维等投资机会
- 三盟科技推出AIGC助手广场 引领教垂大模型走向“智变”
- “大模型”时代 路凯智行如何Rock AI
- 第八届社交媒体风向大会 | 20+AI专家,预测AI下的产业新风向
- 影驰AIGC创意设计大赛正式上线!AI樱花季,曜你不同
- 马斯克感慨硅谷AI人才争夺疯狂 万兴科技百万年薪邀人才共赴AI大时代
- 木愚科技亮相中国高等教育博览会,AIGC实训方案助力高职院校人才培养
- 百度文库官宣「AI创作」体验官李雪琴,带来AI办公提效新范式
- AI赋能千行百业:湖南卫视首创AI导演 万兴“天幕”革新视频内容创作
- 西云算力举办AIGC沙龙,CTO梁峰分享“全系列全场景智算基础设施”
- 高通钱堃:5G+AI赋能数字化转型,将带来下一个创新周期