《信息技术导论》课件-10.4算力

算力课程导入利用芯片技术解决算法实现的能力。解决了传统芯片架构算力不足的问题，成为当前人工智能技术的核心硬件基础。计算机算力人工智能芯片课程导入多样化专用化人工智能芯片趋势课程导入人工智能芯片分类可高效支持AI应用的通用芯片01侧重加速特定AI算法的专用芯片02受生物脑启发设计的类脑芯片03开源芯片04二、专用芯片三、神经形态芯片一、通用芯片GPU四、开源芯片通用芯片GPU通用芯片GPU根据艾瑞咨询《2019年AI芯片行业研究报告》，2018年GPU在全球云端训练市场份额达80%。先发优势的持续积累，确立了英伟达（NVidia）在当前人工智能芯片领域，尤其是云端训练场景下的霸主地位。深度学习NVidiaGPU通用芯片GPU当前的人工智能浪潮通用芯片GPU谷歌的吴恩达使用GPU加速深度神经网络在图片识别上取得出色效果。GPU和深度神经网络的组合多次在ImageNet图像识别比赛上斩获大奖。英特尔宣布推出Nervana神经网络处理器。通用芯片GPU未来的云端训练市场可能不会是英伟达（NVidia）一家独大。专用芯片专用芯片一般放在智能终端上，用于进行边缘计算用于推理任务完成智能终端的相对专一的功能。专用芯片专用芯片主要目的01高速计算02快速反应03正确执行专用芯片国外ARM01谷歌02赛灵思04苹果03国内华为01阿里巴巴03清华06大华04百度02依图05专用芯片为手机、无人机、智能音箱、智能摄像头、工业和服务机器人等人工智能应用终端产品，以及各种物联网设备等边缘计算设备开发了专用的AI芯片。专用芯片从芯片专用化趋势来看，AI芯片的专用化成为一种主流形式。神经形态芯片神经形态芯片在人工智能领域神经网络分支快速发展的基础上形成的一种基于神经网络深度学习算法的通用芯片，被认为是实现通用人工智能（AGI）最可能的路径，他将数百万的可编程神经元集成到芯片中用于解决采用神经网络深度学习算法的人工智能应用。神经形态芯片神经形态芯片2019年8月1日，清华大学类脑计算研究中心研发的新型通用人工智能芯片“天机芯（Tianjic）”登上了世界顶级学术杂志《自然》封面，“天机芯”能同时处理视觉、听觉、学习和推理等多种任务，具备举一反三、融会贯通的能力。深度学习是近10年机器学习领域发展最快的一个分支，由于其重要性，已有三位教授因此同获2018年图灵奖。开源芯片开源芯片美国是开源芯片的引导者，美国加州伯克利分校发布的开源精简指令集项目RISC-V，是目前最成功的开源芯片项目。RISC-V除了自身规范的开放和参考实现的开源外，还准备了完善的软件工具服务社区。开源芯片例如，谷歌在主板控制模块使用了RISC-V；硬盘厂商WesternDigital公司把存储产品中嵌入的10亿个处理器核换成RISC-V等。截至2019年年初，已有包括谷歌、NVidia等在内的200多个公司和高校加入RISC-V社区，并且部分公司已经对RISC-V展开应用。例如硬盘厂商WesternDigital公司把存储产品中嵌入的10亿个处理器核换成RISC-V等。谷歌在主板控制模块使用了RISC