抱歉,你查看的文章不存在

【行业报告】AMiner发布最新人工智能芯片研究报告

【导读】随着AI技术的发展,从基础算法,底层硬件,工具框架到实际应用场景,目前人工智能已经全面开花。 作为人工智能核心的底层硬件AI芯片,也同样经历了多次的起伏和波折。本文为大家推荐一份来自AMiner的最新AI芯片报告,全面梳理人工智能芯片的发展历程。

报告速览:

概述篇:AI芯片的分类/AI芯片发展历程/我国情况

技术篇:传统的CPU及其局限性/并行加速计算的GPU/半定制化的FPGA/全定制化的ASIC/5类脑芯片/AI芯片技术特点比较

产业篇:中科寒武纪/中星微/地平线机器人/深鉴科技/灵汐科技

人才篇:学者分布及迁徙/代表性研究学者

应用篇:智能手机/ADAS/CV/VR设备/语音交互设备/机器人

趋势篇:更高效的大卷积解构//更低的Inference计算/更多样的存储器定制设计/更稀疏的大规模向量实现/计算和存储一体化

AI芯片发展历程

上世纪八十年代,多层神经网络和反向传播算法的出现给人工智能行业点燃了新的火花。反向传播的主要创新在于能将信息输出和目标输出之间的误差通过多层网络往前一级迭代反馈,将最终的输出收敛到某一个目标范围之内。

1989年贝尔实验室成功利用反向传播算法,在多层神经网络开发了一个手写邮编识别器。1998年Yann LeCun和Yoshua Bengio发表了手写识别神经网络和反向传播优化相关的论文《Gradient-based learning applied to document recognition》,开创了卷积神经网络的时代。

此后,人工智能陷入了长时间的发展沉寂阶段,直到1997年IBM的深蓝战胜国际象棋大师和2011年IBM的沃森智能系统在Jeopardy节目中胜出,人工智能才又一次为人们所关注。2016年Alpha Go击败韩国围棋九段职业选手,则标志着人工智能的又一波高潮。从基础算法,底层硬件,工具框架到实际应用场景,目前人工智能已经全面开花。 作为人工智能核心的底层硬件AI芯片,也同样经历了多次的起伏和波折,总体看来,AI芯片的发展前后经历了四次大的变化,其发展历程如下图所示。

(1)2007年以前,AI芯片产业一直没有发展成为成熟的产业;同时由于当时算法、数据量等因素,这个阶段AI芯片并没有特别强烈的市场需求,通用的CPU芯片即可满足应用需要。

(2)随着高清视频、VR、AR游戏等行业的发展,GPU产品取得快速的突破;同时人们发现GPU的并行计算特性恰好适应人工智能算法及大数据并行计算的需求,如GPU比之前传统的CPU在深度学习算法的运算上可以提高几十倍的效率,因此开始尝试使用GPU进行人工智能计算。

(3)进入2010年后,云计算广泛推广,人工智能的研究人员可以通过云计算借助大量CPU和GPU进行混合运算,进一步推进了AI芯片的深入应用,从而催生了各类AI芯片的研发与应用。

(4)人工智能对于计算能力的要求不断快速地提升,进入2015年后,GPU的性能功耗比不高的特点使其适用场合受到很多限制,业界开始研发针对人工智能的专用芯片,通过更好的硬件和芯片架构,在计算效率、能耗比上进一步提升。

报告链接:

https://www.aminer.cn/research_report/aichip?h=1201&download=true

-END-

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2018-10-31

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

编辑于

专知

989 篇文章344 人订阅

相关文章

来自专栏CSDN技术头条

诺亚方舟实验室李航:深度学习还局限在复杂的模式识别上

李航认为,深度学习时代的到来是统计学习发展的必然趋势,今后若干年里深度学习还将是研究的热点,会有很多新技术开发出来,利用深度学习的应用也会有革命性的进步。尽管深...

244100
来自专栏AI科技评论

百度IDL主任林元庆解读:人工智能技术研发的四大支柱

近日,百度深度学习实验室主任林元庆在百度年终媒体分享会上做了《看懂AI-百度技术开放日》的演讲,从客观层面阐述了人工智能技术研发的四大支柱,为我们呈现了让人工智...

401130
来自专栏PPV课数据科学社区

【学习】人工智能\\机器学习\\统计学\\数据挖掘之间有什么区别?

前段时间,作者在 stats.stackexchange.com(译注:国外的一个系列问答网站,其中Stack Overflow是其中一个子站)看到一个...

26380
来自专栏量子位

2018深度学习十大趋势:元学习成新SGD,多数硬件创企将失败

原作 Carlos E. Perez 李杉 编译自 Intuition Machine博客 量子位 出品 | 公众号 QbitAI ? 2018年,一切可能都会...

32450
来自专栏大数据文摘

学界 | 人工智能的圣杯:关于可解释AI(XAI)的一切

这期间,在企业客户却也始终存在一种怀疑态度:AI系统做出的产品部署是否真的值得被信赖呢?

8920
来自专栏人工智能快报

谷歌开放TPU应对英伟达GPU挑战

谷歌宣布将以“有限数量”向谷歌云客户开放张量处理器(Tensor Processing Unit,简称TPU)服务,按时收费,每小时成本6.50美元。 谷歌宣布...

32680
来自专栏镁客网

「深度」科学家眼中完美的计算机长什么样?

16930
来自专栏PaddlePaddle

技术|深度学习行业应用及就业方向大猜想

一直以来,大家都在盛传深度学习是工程师的风口,但是对于深度学习和行业的联系却很少被提及。

15010
来自专栏数据猿

北京大学新媒体研究院教授刘德寰:未来数据分析是分析人

<数据猿导读> 北京大学社会学博士、北京大学新媒体研究院教授刘德寰在“无数据不智能”的主论坛上,围绕“有效大数据运算的两个路径假说及意义”进行演讲。他直言:目前...

33150
来自专栏数据科学与人工智能

【机器学习】人工智能\\机器学习\\统计学\\数据挖掘之间有什么区别?

前段时间,作者在 stats.stackexchange.com(译注:国外的一个系列问答网站,其中Stack Overflow是其中一个子站)看到一个很有意思...

25550

扫码关注云+社区

领取腾讯云代金券