在上述芯片巨頭進行GPU領域的提升之外,有更多的企業在試圖引發一輪全面的顛覆。其代表為谷歌在2016年宣布將獨立開發一種名為TPU的全新的處理系統。
TPU是專門為機器學習應用而設計的專用芯片。通過降低芯片的計算精度,減少實現每個計算操作所需的晶體管數量,從而能讓芯片的每秒運行的操作個數更高,這樣經過精細調優的機器學習模型就能在芯片上運行得更快,進而更快地讓用戶得到更智能的結果。Google將TPU加速器芯片嵌入電路板中,利用已有的硬盤PCI-E接口接入數據中心服務器中。
據Google 資深副總裁Urs Holzle 透露,當前Google TPU、GPU 并用,這種情況仍會維持一段時間,但他表示,GPU 可執行繪圖運算工作,用途多元;TPU 屬于ASIC,也就是專為特定用途設計的特殊規格邏輯IC,由于只執行單一工作,速度更快,但缺點是成本較高。
除了上述提到的谷歌,微軟也在使用一種叫做現場可變編程門陣列(FPGA)的新型處理器。
據介紹,這個FPGA 目前已支持微軟Bing,未來它們將會驅動基于深度神經網絡——以人類大腦結構為基礎建模的人工智能——的新搜索算法,在執行這個人工智能的幾個命令時,速度比普通芯片快上幾個數量級。有了它,你的計算機屏幕只會空屏23毫秒而不是4秒。
在第三代原型中,芯片位于每個服務器的邊緣,直接插入到網絡,但仍舊創造任何機器都可接入的FPGA池。這開始看起來是Office 365可用的東西了。最終,Project Catapult準備好上線了。另外,Catapult硬件的成本只占了服務器中所有其它的配件總成本的30%,需要的運轉能量也只有不到10%,但其處理速度卻是原來的2倍。
此外,有一些公司,例如Nervada和Movidius,模擬GPU的平行模式,但是專注于更快速地移動數據,省略圖像所需要的功能。其他公司,包括使用了被稱為“True North”的芯片的IBM公司,開發了由神經元、突觸等其他大腦特征所啟發的芯片設計。
由于深度學習和人工智能未來的巨大前景,各大巨頭都在盡量爭取技術上的優勢。如果這其中的某家公司,如谷歌,用一種新型芯片替換掉現有芯片,這基本上就相當于顛覆了整個芯片行業。
“不管是英偉達、Intel還是谷歌或是百度,都在尋找一種未來人工智能能夠廣泛應用的基礎。”Therese Poletti表示。
而也有很多人持有與谷歌副總裁Urs Holzle 同樣的觀點,認為在人工智能的遙遠未來,GPU沒有代替CPU,而TPU也不會取代GPU,芯片市場將出現更大的需求和繁榮。
本文“TPU與FPGA可能的逆襲”由財經365首發,歡迎轉載,轉載請帶上本文鏈接。
免責聲明:財經365(www.hand93.com)發布的所有信息,并不代表本站贊同其觀 點和對其真實性負責,投資者據此操作,風險請自擔。部分內容文章及圖 片來自互聯網或自媒體,版權歸屬于原作者,不保證該信息(包括但不限 于文字、圖片、圖表及數據)的準確性、真實性、完整性、有效性、及時 性、原創性等,如無意侵犯媒體或個人知識產權,請聯系我們或致函告之 ,本站將在第一時間處理。關注財經365公眾號(caijing365wz),獲取最優質的財經報道!