近年來，人工智能算力得到的長足的進展，并呈現(xiàn)出一定的趨勢：人工智能算力需求暴增，異構(gòu)計算成為主流、GPU仍然是人工智能計算的主要算力供給、傳統(tǒng)高性能計算正在與人工智能融合為“先進計算"、邊緣人工智能算力持續(xù)提升。

      人工智能算力需求暴增，異構(gòu)計算成為主流：隨著算力需求的暴增，對算力的合理利用和不同計算單元的協(xié)作就變得日益重要，將CPU、DSP、GPU、ASIC、協(xié)處理器、FPGA等各種計算單元、使用不同的類型指令集、不同的體系架構(gòu)的計算單元組成一個混合的系統(tǒng)執(zhí)行計算，讓每一種不同類型的計算單元都可以執(zhí)行自己最擅長的任務(wù)，從而大幅度提高人工智能計算的效率和速度?？偟膩碚f，不同處理器芯片在構(gòu)建異構(gòu)計算方面有著自己的鮮明特點，CPU、GPU領(lǐng)域存在大量的開源軟件和應(yīng)用軟件，任何新的技術(shù)首先會用CPU實現(xiàn)算法，因此CPU編程的資源豐富而且容易獲得，開發(fā)成本低而開發(fā)周期。FPGA的或現(xiàn)采用Verilog/VHDL等底層硬件描述語言實現(xiàn)，需要開發(fā)者對FPGA的芯片特性有較為深入的了解，但其高并行性的特性往往可以使業(yè)務(wù)性能得到量級的提升；同時FPGA是動態(tài)可重配的，當(dāng)在數(shù)據(jù)中心部署之后，可以根據(jù)業(yè)務(wù)形態(tài)來配置不同的邏輯實現(xiàn)不同的硬件加速功能。ASIC芯片可以獲得最優(yōu)的性綿，即面積利用率高、速度快、功耗低；但是AISC開發(fā)風(fēng)險極大，需要有足夠大的市場來保證成本價格，而且從研發(fā)到市場的時間同期很長，不適合例如深度學(xué)習(xí)CNN等算法正在快速迭代的領(lǐng)域

      GPU仍然是人工智能計算的主要算力供給：值得注意的是，越來越多的人工智能計算服務(wù)器開始使用8GPU甚至16GPU卡，這意味著隨著數(shù)據(jù)的爆發(fā)式增長、深度神經(jīng)網(wǎng)絡(luò)日趨復(fù)雜，單系統(tǒng)可提供更高密度、更高性能的AI基礎(chǔ)架構(gòu)，將在Al線下訓(xùn)練場景中得到更廣泛應(yīng)用。此外，GPU計算正朝著"Non-CPU"方向發(fā)展，即不需要計算系統(tǒng)中使用CPU，用戶可構(gòu)建起完全由GPU組成的計算系統(tǒng)。

      傳統(tǒng)高性能計算正在與人工智能融合為“先進計算"：事實上，現(xiàn)在有可用的大型數(shù)據(jù)集合和強大的計算資源，這樣的組合允許這個領(lǐng)域取得很大的進步。人工智能，特別是機器學(xué)習(xí)和深度學(xué)習(xí)，需要龐大的計算資源，隨著數(shù)據(jù)的增長，計算力變得越來越重要，只有擁有更好的、與人工智能計算相匹配的計算系統(tǒng)，比如提供GPU計算能力或是深度學(xué)習(xí)算法框架平臺才能更好的訓(xùn)練深度學(xué)習(xí)模型。這一計算系統(tǒng)正是先進計算系統(tǒng)。

      邊緣人工智能算力持續(xù)提升：隨著物聯(lián)網(wǎng)邊緣設(shè)備對人工智能能力的要求不斷提升，對即時、高吞吐量的邊緣人工智能算力的需求也在持續(xù)增加，邊緣設(shè)備需要借助人工智能及與之相匹配的算力，即時做出分析、判斷和決策，與此同時，2025年，預(yù)計將會有1500億臺機愿傳感器和物聯(lián)網(wǎng)設(shè)備持續(xù)輸出數(shù)據(jù)，這比當(dāng)今使用智能手機的個人用戶所產(chǎn)生的數(shù)據(jù)要高出幾個數(shù)量級，因此，無論是市場規(guī)模還是算力需求規(guī)模都極為龐大。

      以上就是我們給您帶來的關(guān)于人工智能算力的發(fā)展趨勢的相關(guān)分享，如果您有更多想要咨詢的相關(guān)問題歡迎您與我們聯(lián)系。