当前位置：
AI芯片领域“双英” 英特尔英伟达实力剖析
近年人工智能（AI）技术应用兴起，部分晶片业者正积极抢进这块商机处女地，包括NVIDIA、英特尔（Intel）等，其中NVIDIA晶片生产主要与台积电合作，成为英特尔眼中发展AI一大劲敌。
OFweek网讯 近年人工智能（AI）技术应用兴起，部分晶片业者正积极抢进这块商机处女地，包括NVIDIA、英特尔（Intel）等，其中NVIDIA晶片生产主要与台积电合作，成为英特尔眼中发展AI一大劲敌。英特尔副总裁Raejeanne B. Skillern表示，英特尔将在2017年针对AI进行投资及推出新AI产品线，目标借此引领全球AI晶片产业发展潮流。英特尔在2017年投入AI是否会见到不一样的火花，值得观察。根据报导，Skillern此前曾表示，在全球AI晶片市场NVIDIA仅取得很小一块市场，至于英特尔除了2017年将推AI新晶片产品及进行投资，也一直非常积极创建自有晶片生态系统，以维持在全球资料中心市场的领导地位。虽然英特尔未出现如NVIDIA般的爆炸式成长，不过英特尔资料中心业务第3季营收年增也有10%表现，达45亿美元。Skillern提到，即使NVIDIA愈来愈受市场欢迎，但NVIDIA绘图晶片（GPU）产品依然需要搭配英特尔中央处理器（CPU）协作，才能提供较佳运算性能表现。日经报导举例，Google DeepMind AI系统AlphaGo此前在与南韩棋王李世乭较量时，便仰赖于1，202颗CPU及176颗GPU协助运算。虽然英特尔当前掌控全球98%资料中心伺服器晶片市场，不过近来NVIDIA以绘图为导向的晶片产品，逐渐成为Google、亚马逊（Amazon）、Facebook及微软（Microsoft）等业者首选，虽然目前全球整体资料中心晶片业务中，为AI设计的晶片产品所占比重仍低，但不可否认这块AI市场具备庞大成长潜力。市调机构IDC预估，到了2020年全球跨产业AI及认知系统年营收可达逾470亿美元，较2016年近80亿美元将呈现明显成长。市场投资人已注意到NVIDIA转朝AI领域迈进的市场定位，在看好下带动2016年至今NVIDIA股价上涨超过255%，截至2016年10月底最新一季NVIDIA营收达逾20亿美元、年成长53.5%，净利大增120%达5.42亿美元。面对NVIDIA来势汹汹，英特尔不敢大意，近来持续透过收购策略强化自有AI领域布局。如2015年英特尔以167亿美元高价收购FPGA晶片供应商Altera，成为英特尔投入AI处理器开发一大布局，其他收购案包括近期买下深度学习（DL）新创企业Nervana Systems、电脑视觉晶片供应商Movidius以及认知运算公司Saffron等，全都是为了建构自有AI实力进行的购并行动。针对NVIDIA与英特尔现阶段的AI晶片竞争态势，IDC分析师Leon Kao分析，即使目前NVIDIA在AI晶片发展上取得显著领先，包含已拥有一个能够训练自驾车的综合资料库，但英特尔在这块领域也不是省油的灯，受惠于英特尔拥有的重量级合作伙伴、庞大客群基础及具备较强大整合与投资能力，对NVIDIA来说在AI晶片市场英特尔竞争实力不容小觑。Kao分析，由于AI领域需要大量复杂的领域知识以及与其他业者合作，目前还很难认定哪一家投入业者会成为最终赢家，不过到了2017年AI将会成为欲掌握下一波成长契机科技业者的关键战场。值得注意的是，NVIDIA晶片制造最主要合作伙伴台积电，同样视AI为驱动成长的新动能，如台积电共同执行长刘德音10月曾表示，AI应用对矽晶片将产生庞大需求。瑞士信贷（Credit Suisse）分析师Randy Abrams表示，NVIDIA约贡献台积电月合计新台币8，698.2亿元营收达7~8%比重，NVIDIA高达80~90%晶片均由台积电制造，预估2017年NVIDIA贡献台积电整体营收比重将增至8%。
责任编辑：Trista
免责声明：
本文仅代表作者个人观点，与
OFweek电子工程网
无关。其原创性以及文中陈述文字和内容未经本站证实，
对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅
作参考，并请自行核实相关内容。
邮箱/用户名：
忘记密码？
用其他账号登录： QQ
请输入评论
广东省/深圳市
四川省/成都市
广东省/深圳市
广东省/深圳市
广东省/深圳市
广东省/深圳市
北京市/海淀区
广东省/深圳市
广东省/深圳市
广东省/惠州市
*文字标题：
*纠错内容：
联系邮箱：
*验 证 码：人工智能时代，谷歌、英特尔和英伟达之间的计算能力角逐战_凤凰科技
人工智能时代，谷歌、英特尔和英伟达之间的计算能力角逐战
用微信扫描二维码分享至好友和朋友圈
机器人还没有成为真正意义上的人, 但人工智能在围棋领域战胜了人类。它的强大和超强的进化能力，让人类棋手难以望其项背。
凤凰科技 花子健日，著名导演史蒂文&斯皮尔伯格执导的《人工智能》（英文名：《AI》）在美国上映。影片讲述的是机器人小男孩大卫为了寻找养母，并缩短机器人与人类的差距而奋斗的故事。《人工智能》电影剧照大卫是一个被输入情感程序的机器人男孩，Cybertronics Manufacturing公司员工亨瑞和他妻子制造出的一个试验品。他们收养了大卫，并给了他足够的爱，但是人类与机器都无法接受大卫。于是大卫踏上旅程去寻找真正属于自己的地方，渴望成为一个真正意义上的人。在这部影片上映15年后，机器人还没有成为真正意义上的人, 但人工智能在围棋领域战胜了人类。它的强大和超强的进化能力，让人类棋手难以望其项背。AlphaGo以3:0战胜柯洁九段&AlphaGo Master比AlphaGo Lee（与李世石对战的版本）要强大，Master在对战中耗费的能力（性能和功耗）仅是Lee版本的十分之一，需要4个TPU在单台电脑上运行即可。&DeepMind首席科学家David&Silver在AlphaGo 战胜李世石后这样解释说。AlphaGo强大到令人绝望，引发了&人工智能威胁人类&的讨论。但在本质上，人工智能是算法、数据和硬件三个要素综合的结果。一旦涉及到算法、数据，就离不开计算。在这个领域，用来计算的硬件主要是TPU、GPU和CPU，他们背后代表的公司则分别是谷歌、英伟达和英特尔。这几家公司彼此竞争，又互相需要。&TPU（Tensor Processing Unit）是专为机器学习而定制的芯片，经过了专门深度机器学习方面的训练。谷歌工程师Norm Jouppi介绍，在人工智能相关的算法上，它的计算速度更快，计算结果更精准，同时也更加节能。谷歌在I/O 2017上发布第二代Cloud TPU人工智能依赖于机器学习（Machine Learning），机器学习又依赖于硬件，它需要硬件平台提供大量的运算资源。就计算效率来说，专用工具的计算效率远高于通用工具。专门为机器学习定制而出现的谷歌的TPU就是一种专用的工具，业内普遍认为它的出现对于通用工具GPU来说是一种威胁。GPU的设计初衷不是主要用来进行神经网络运算，而是图像处理。由于其特殊的构造碰巧也比较适用于神经网络运算，所以在TPU出现之前，大多数做机器学习厂商都在同时利用FPGA和GPU来改进训练自己的神经网络算法。英伟达创始人兼CEO黄仁勋却不认同&TPU威胁论&，在接受凤凰科技的采访时,他表示谷歌的TPU不会对英伟达的Volta GPU构成威胁，双方在TensorFlow项目上保持着合作，而Volta GPU的运算能力甚至在TPU之上。作为世界最大的GPU制造商之一，英伟达一直不遗余力地推广GPU在深度学习领域的应用。老黄将英伟达称为&一家人工智能公司&。谈到英伟达基于GPU的人工智能战略，需要先从Volta说起。在今年5月11日的NVIDIA&GTC 2017上，英伟达推出了全新的GPU架构Volta。英伟达应用深度学习研究副总裁Bryan Catanzaro表示这并不是前代架构Pascal的升级，而是一个全新的架构。Volta提供大量的FLOP（浮点运算），基于Volta的架构，人们就可以使用需要更多FLOP的深度学习模型。如今很多流行的模型都需要很大的计算资源，例如卷积学习神经网络。黄仁勋展示基于Volta架构的Tesla V100加速芯片基于全新的Volta架构，英伟达推出Tesla V100加速器，它速度比其前身Tesla P100快2.4倍。Tesla V100凝聚了英伟达内部数千名工程师数年的开发，研发投入相当于30亿美金。黄仁勋在NVIDIA GTC 2017的主题演讲中，展示了一块Tesla V100，他笑称全世界唯一一块就在他手上，如果有人想买的话，那么价格就是30亿美金。而在Tesla V100加速器基础上，英伟达推出了超级计算机DGX-1V和HGX。DGX-1V内置了8块Tesla V100，黄仁勋表示&DGX-1V相当于400个服务器&，过去Titan X（GTX TITAN X，泰坦显卡）需要花费8天训练的神经网络，DGX-1V只需要8个小时，性能提升了24倍。HGX是英伟达和微软联合开发的云图形加速器，是英伟达人工智能战略的硬件支撑。它同样内置了8块Tesla V100。目前微软的Project Olympus计划、Facebook的Big Basin系统都是使用的HGX作为数据中心设计方案的核心。黄仁勋在台北国际电脑展的主题演讲中表示，GPU的运算能力提升非常快，能在未来取代CPU成为最主要的人工智能芯片。但是英特尔并不这么认为。台北国际电脑展期间，英特尔数据中心全球销售部产品和技术总经理陈葆立在接受凤凰科技采访时提到， TPU和GPU只是加速芯片，目前是无法独立工作的，没有CPU它跑不起来。&不管是AMD或者是ARM出的CPU，都是不能直接连接到英伟达的GPU的，连接的标准是PCIE（这属于英特尔），传输速度取决于PCIE的速度。但是目前我们自己的芯片组合可以跳过PCIE，所以能比CPU+GPU更快。&他说。在收购Nervana之后，英特尔拥有了将至强融核处理器和FPGA两个不同的芯片整合成一个芯片的能力。在最新的Nervana系统中，就包含了FPGA加速芯片Arria 10和至强融核处理器的整合。Arria 10就是一款主流的Altera FPGA产品FPGA最初是从专用集成电路发展起来的半定制化的可编程电路，它可以作为一种用以实现特殊任务的可再编程芯片应用与机器学习中。譬如百度的机器学习硬件系统就是用FPGA打造了AI专有芯片，制成FPGA版百度大脑。FPGA比相同性能水平的硬件系统消耗能率更低，在刀片式服务器上可以由主板上的PCI Express总线供电。使用FPGA可以将一个计算得到的结果直接反馈到下一个，不需要临时保存在主存储器，所以存储带宽要求也在相应降低。英特尔的方案是将CPU与FPGA融合起来，组合芯片的运算更加灵活和高效，同时还能实现最低的功耗，获得性能和功耗的平衡。人工智能方兴未艾，谷歌的TPU、英伟达的GPU和英特尔的CPU组合方案，在硬件层面上都还只是尝试，这种尝试能帮助实现早期的技术积累。在采访的最后陈葆立提到，虽然是不同的硬件平台，但是大家都在想办法融合，这有利于帮助开发者，从而真正帮助人工智能向前发展。
[责任编辑：李艳 PT024]
责任编辑：李艳 PT024
用微信扫描二维码分享至好友和朋友圈
凤凰科技官方微信
播放数：1571513
播放数：369702
播放数：1228578
播放数：5808920英特尔/英伟达/微软/谷歌/IBM阵容强大，华为AI芯片有何不同？-控制器/处理器-与非网
据外媒7月18日报道，富士通和计划进军及深度学习领域，以满足从数据分析到自动驾驶等一系列工作负载所产生的增长需求。
微软、谷歌、IBM等公司正在创建AI业务部门，并开发能够融合这项技术的产品和服务。、以及AMD等芯片制造商也不甘落后，正在采取行动。
英特尔上周推出新一代Xeon服务器芯片，性能大幅提升，深度学习能力是上一代服务器的2.2倍，可接受培训和推理任务。此外，英特尔还展示了将在未来AI领域发挥重大作用的现场可编程门阵列(FPGA)技术，同时，计划推出Lake Crest处理器，旨在深度学习代码。
英伟达在过去几年中将其业务重心转移到AI和深度学习领域，AMD也正在为其Radeon系列显示芯片寻找AI开发商。谷歌具有专为AI设计的TCU处理器。初创公司Graphcore也正在开发一款智能处理器，简称IPU。
所有这一切都来自于市场调研公司Gartner分析师的预计：到2020年，基本上所有软件和服务都将包含AI技术，未来几年内市场将快速扩张。
目前，富士通和华为正在开发AI处理器。
2016年秋，富士通推出以人为本的AI Zinrai系统，宣布新的AI服务。富士通在过去几年一直致力于研发DLU处理器，于6月在国际超级计算机大会上展示了组件的更多细节。富士通表示，计划于2018年初发布DLU处理器，将其作为协处理器集成到CPU中。这是富士通为其立足于快速发展的AI领域所做出的努力。
在上周举行的2017年中国互联网大会上，华为消费者BG CEO余承东也表示，华为正在研发AI处理器。虽然许多细节尚未公布，但由华为海思制造的芯片将会集CPU、GPU和AI功能于一体，并且有可能基于ARM今年在Computex展会上推出的全新设计，预计今年晚些时候推出。
更多最新行业资讯，欢迎点击与非网！
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
随着物联网、大数据和移动应用等新一轮信息技术的发展，全球化工业革命开始提上日程，工业转型开始进入实质阶段。智能工厂利用物联网技术和监控技术加强信息管理服务，提高生产过程可控性、减少生产线人工干预，以及合理计划排程。
发表于： 11:23:15
曾几何时，AI（人工智能）成为了诸多企业的口头禅，不管这个企业身处什么产业，是什么样的企业，好像不带上AI就落伍了，媒体更是天天充斥着各种AI的报道，我们也是听得耳朵磨出了糨子。在此我们不妨以业内公认的AI或技术或市场中的代表IBM、谷歌和亚马逊为例，看看AI的技术和市场究竟如何？
发表于： 11:21:08
这段时间，巨头高通似乎有些“点背”。苹果欠的专利费不给还反诉形成拖累；与本地大唐的一个合资案，被某国企掌门咒骂；最新财报显示，净利同比下滑40%，而它又给出一个不太乐观的下季财测；不断有业内人士鼓噪说，未来5G标准会统一，高通将失去霸主地位。
发表于： 11:03:05
英特尔的处理器型号越来越多，也越来越复杂，今年声势浩大推出了全新系列i9处理器，并更新了Core X系。赛扬、奔腾、i3、i5、i7、i9，而且有些处理器的型号末尾还带有T、S、K、X字母……
发表于： 10:04:57
这段时间，外界都在谈论AI，高通在全球乃至中国也有些论坛，并参加了本地一些峰会，不断宣告5G与人工智能时代的战略变革。但与BAT们相比，声量似乎都没那么高。
发表于： 09:42:39
虚拟货币比特币 价格暴涨，却意外让高端显示适配器价格疯涨，近 2 个月上涨了 25－40％，主因是有人大量购买显示适配器用来「挖矿」比特币，因为显示适配器「挖矿」的效果强过 CPU。
发表于： 11:11:13
—21日，2017自主可控计算机大会在北京召开，大会由中国计算机学会主办、中国计算机学会抗恶劣环境计算机专委会承办，航天二院七〇六所协办，龙芯中科作为的大会的支持单位受邀参会。
发表于： 10:54:05
近期中国移动正式成立物联网联盟OneNET，联发科携手中国移动基于MT2625芯片推出NB-IoT通用模块。
发表于： 10:06:37
由示范性微电子学院建设专家组、示范性微电子学院产学融合发展联盟指导，IEEE电路与系统学会（CASS）、IEEE固态电路学会（SSCS）、新思科技（Synopsys）和北京中关村集成电路设计园发展有限责任公司（IC Park）共同举办为期十天的第一季“先进CMOS技术暑期大师班（Advanced CMOS Technology Summe
发表于： 09:43:15
回顾目前已经面世的几大手机处理器芯片厂商，目前全球最为先进、用户群体最庞大的移动处理器芯片生产厂商当属高通骁龙(Qualcomm Snapdragon)。
发表于： 09:30:38
最近见了我的朋友白东，他们公司要扩大规模，招很多程序员……
14:00:00众创时代，要让创业变得越来越容易，就离不开完善的创新创业服务链；以此为使命，成立一年以来，云创硬见一直致力于为双创者打造更加完整的创新服务生态圈，帮助双创者解决从创意到产品过程中的难题。2017年7月
16:00:00关键词：FPGA万人大赛（想想就心潮澎湃）柒月，蝉声缭绕，数以万计FPGA工程师和爱好者摩拳擦掌，掀起一场FPGA的热浪。在这个夏天，一切都将改变！让学生利用FPGA平台学习数字电路设计，就像写代码看
15:00:00这个夏天，两年一度的重量级比赛：“全国大学生电子设计竞赛”如约而至，曾经没日没夜挥汗如雨，以及并肩作战的队友历历在目，暂且不论含金量，只凭它是学生时代最珍贵的记忆这一点，不亲身经历一次，又怎能说自己是
15:00:00Altium Designer是一款比较受大家喜欢的PCB制作软件，在我们做些项目已经做毕业设计的时候都会用到。这两天本专业在做生产实习，主要就如何使用Altium Designer制作电路板进行学习
16:00:00关键词：FPGA万人大赛（想想就心潮澎湃）柒月，蝉声缭绕，数以万计FPGA工程师和爱好者摩拳擦掌，掀起一场FPGA的热浪。在这个夏天，一切都将改变！让学生利用FPGA平台学习数字电路设计，就像写代码看
旗下网站：
与非门科技(北京)有限公司 All Rights Reserved.
京ICP证:070212号
北京市公安局备案编号： 京ICP备：号04:39:47 UTC
量子位(QbitAI) | 李林 若朴 编译整理自《经济学人》
“我们有好几次几乎就破产了。”
通常创始人不太谈论自己公司濒死的经历，然而Nvidia的老板黄仁勋，说出上面那句话时似乎毫不为意。作为一家开发微处理器和相关软件的公司，Nvidia业绩连创新高。上个季度，这家公司收入增长55%达到22亿美元。
过去12个月，黄仁勋的公司股价几乎翻了两番。
Nvidia的成功很大一部分要归因于他们的芯片产品：图形处理单元(GPU)。GPU也可以理解为显卡，可以让电脑在玩游戏时表现的更出色。然而现在GPU有了一个新的用武之地：为人工智能(AI)程序提供所需的大量计算能力，特别是在数据中心里。
这些芯片销量非飞涨(如图所示)，是信息技术长期转型的最明显标志。由于摩尔定律的减慢(目前芯片的计算能力大约每两年翻一番)，以及云计算和AI的快速崛起，处理器市场正在重构。这对半导体产业及其霸主英特尔，产生了深远的影响。
过去的日子对英特尔来说，简直顺风顺水。无论个人电脑市场还是服务器领域，英特尔生产的中央处理器(CPU)，可以胜任几乎所有的“工作负载”。因为制造了强大的CPU，英特尔掌控了个人电脑市场80%的份额，以及几乎完全垄断服务器市场。
过去一年，英特尔的收入接近600亿美元。
如今这个单极世界开始崩溃。CPU的更新换代速度，已经无法满足需求。机器学习和其他AI应用，需要大量的数据，对数据处理能力的需求比几年前整个数据中心的消耗还多。所以英特尔的客户，例如Google和微软以及其他大数据中心运营商，正在选择来自其他厂商越来越专业的处理器，甚至开始自己设计处理器。
Nvidia的GPU就是一例。这个产品最初被设计用来执行交互式视频游戏所需的大规模复杂计算，也就是给大型游戏加速。GPU有数百个专门用于计算数据的“核心”，所有的核心都是并行工作。而CPU只有几个核心，顺序地处理计算任务。
Nvidia最新的处理器有3584个核心，而因特尔服务器CPU最多有28个。
在年的全球金融危机期间，已经接近破产的Nvidia迎来了自己的幸运时刻。这家公司发现对冲基金和研究机构，正在把他们处理器用于新的领域，例如计算复杂的投资策略或者研究气候变化模型。
Nvidia开发了一种称为CUDA的编程架构，帮助客户为不同的任务对处理器进行编程。CUDA能够让GPU解决复杂的计算问题。所以当几年前云计算、大数据和AI开始崛起之后，能够满足需求的Nvidia芯片简直堪称生逢其时。
每一个互联网巨头都在使用Nvidia出品的GPU，驱动他们各自的AI服务在大量数据中进行挖掘，无论是医学图像或是人类语音等等。Nvidia来自数据中心运营商的销售收入，在过去一年增长了三倍，达到2.96亿美元。
然而在众多的专用处理器中，GPU只是其中的一种。随着云计算公司为了保持领先优势，不断提高运营效率而混合和匹配芯片，处理器的范围正在扩大。“为正确的工作找到合适的工具”，负责Google基础设施的Urs H?lzle说，要在灵活性、速度和成本间取得平衡。
候选范围的一端是ASIC，意思是专用集成电路。顾名思义，这种芯片为了单一目的而搭建，速度最快、能效最高。许多创业公司正在开发这种内建AI算法的芯片。Google已经为语音识别而建造了一个称为TPU的ASIC芯片。
另一端是现场可编程门阵列：FPGA。这种芯片可以编程，也就有了更大的灵活性。尽管这种芯片不容易调教，微软还是把他们加入到很多服务器中，例如在线搜索必应(Bing)。“我们现在有世界上最多的FPGA”，微软计算云Azure的CTO说。
偏执的时候到了
英特尔近年来专注于制造更强大的CPU，而不是生产ASIC或FPGA。
人们普遍认为，传统的处理器不会很快失去地位：每一台服务器都需要它们，无数应用运行在它们之上。英特尔的芯片销售还在增长，不过Gartner的IT咨询师Alan Priestley认为，加速芯片的高速增长对这家公司来说是个坏消息，在这些芯片上完成的计算越多，在CPU上运行的就越少。
英特尔的一个对策，是借助收购来追赶。2015年，英特尔以167亿美元的价格收购了FPGA生产商Altera；8月，又花了4亿美元收购了Nervana，这是一家成立仅3年的创业公司，开发从软件到芯片的专用AI系统。
英特尔说，他们把专用处理器视为机会而非威胁。英特尔数据中心业务主管Diane Bryant说，新的计算工作往往是先在专用处理器上进行，随后被“拉进CPU”，比如说加密，这项计算也曾用单独的半导体组件来处理，但现在只是英特尔CPU上的一个简单指令。
英特尔CPU几乎占领了全球所有处理器市场，对于企业来说，在加速芯片上运行AI等新型计算工作意味着额外开销和更高的复杂性。
英特尔已经在为这样的融合而进行投资。今年夏天，它将开始销售代号“Knights Mill”的新处理器，来与Nvidia竞争。同时，英特尔也在开发另一款芯片，名叫“Knights Crest”，这款芯片融合了Nervana的技术。从某种意义上讲，英特尔也希望能将Altera的FPGA融合到自己的CPU之中。
可以预见的是，竞争者们对未来有着不同见解。
Nvidia认为，他们已经有了自己的计算平台，很多公司用他们的芯片来开发、运行AI应用，他们也为其他类型的程序创造了软件基础设施，用于可视化和VR等领域。
数十岁高龄的计算巨头IBM也在试着抢英特尔的生意。2013年，IBM开源了自己的处理器架构Power，把它变成了半导体行业某种意义上的公共资产。专用芯片的制造商更容易将自己的硬件同强大的CPU结合在一起，而IBM掌握着平台发展方式的话语权。
这很大程度上依赖着AI如何发展，如果AI没能在几年内带来很多人所期待向往的变革，英特尔的机会还不错；但是，如果AI能在接下来的十几年中继续影响各行各业，其他处理器就有着更大的胜算。IDC市场分析师Matthew Eastwood这样表示。
从AI技术应用的广大范围来看，第二种情况更可能发生。
当然，一个粗大笨重的CPU独揽所有工作，不管计算量和难度的时代已经过去了。它跌下云端摔得粉碎，英特尔拼尽全力，也无法让它恢复往日荣光。这一场人工智能芯片大战，英特尔/谷歌/英伟达等都有啥实力？
作为机器学习的领军人物，Yann LeCun（杨立昆）曾在 25 年前开发过一块名为 ANNA 的。而现在，构建适用于深度学习的计算芯片已成为所有科技巨头共同的发展目标。
那是 1992 年，LeCun 还供职于贝尔实验室，这座位于纽约市郊的研发机构举世闻名。他和一群研究者们共同设计了一种适用于进行深度计算的芯片 ANNA，用于高效处理需要分析大量数据的复杂任务，但 ANNA 从未投入市场。随后的二十多年里，神经网络随着计算机性能的不断提升，开始在识别文字、人脸和语音等任务中达到甚至超越了人类水平。但人工智能还远没有达到威胁人类智能的水平，那些用于特定任务的算法，在执行其他种类任务的时候，不会产生任何有意义的结果。
尽管如此，今天的神经网络还是在重塑着所有科技公司的面貌，谷歌、Facebook、微软都在做着自己的改变。LeCun 现在已经成为 Facebook 人工智能实验室的主任。在那里，神经网络被用于识别人脸、标注图片中的事物、翻译语言甚至更多。在 25 年后，LeCun 认为市场现在非常需要像 ANNA 这样的芯片，很快，它们将大量涌现。
谷歌刚刚有了自己的人工智能芯片 TPU，这种芯片已经广泛用于谷歌的数据中心，成为其网络帝国的引擎。每台安卓手机的谷歌语音搜索指令都会经由 TPU 处理。这只是芯片业巨大变革的开始，CNBC 等媒体 4 月 20 日 的报道指出，谷歌 TPU 的开发者们正在秘密成立的创业公司 Groq 重新集结，开发类似的人工智能芯片；而传统芯片厂商，如、IBM 和高通也在做着同样的努力。
谷歌在推出 TPU 时称：&它是我们的第一块机器学习芯片。&在谷歌发表的论文中，TPU 在一些任务中的处理速度可达到 K80 GPU 与英特尔 Haswell CPU 的 15-30 倍。而在功耗测试中，TPU 的效率也比 CPU 和 GPU 高 30-80 倍（当然，作为对比的芯片并不是最新产品）。
谷歌 TPU 芯片已经成为其数据中心的重要组成部分
像谷歌、Facebook 和微软这样的科技巨头当然可以把自己的神经网络任务交给常规计算机芯片来处理（如 CPU），但 CPU 是设计用来处理所有类型任务的，这种方式显得效率很低。当使用特殊设计的芯片进行处理时，神经网络任务会运行得更快，消耗更少的电力。谷歌宣称随着 TPU 的应用，它为谷歌节约的成本可以打造另外 15 个数据中心。而随着谷歌、Facebook 等公司将神经网络应用于手机和 VR 头盔，为了减少延迟，在个人设备上的小型智能芯片也变得迫在眉睫了。&在更加高效的专业芯片方面，市场还有很大一片空白，&LeCun 说道。
在收购了初创公司 Nervana 之后，英特尔正在打造一款机器学习专用芯片。IBM 也是，它正在创建一个可以映射（mirror）神经网络设计的硬件架构。最近，高通已经开始制造执行神经网络的专用芯片，这条消息来自 LeCun，因为 Facebook 正帮助高通开发机器学习相关技术所以他对高通的计划很了解；高通技术部副主席 Jeff Gehlhaar 证实了该计划，他说：&在原型机研发方面，我们还有很多路要走。&
高通一直在和 Yann LeCun 在 Facebook AI 研究机构的团队保持合作，共同开发用于实时推理的新型芯片。高通之前宣布计划花费 470 亿美元收购荷兰汽车芯片公司 NXP。在收购宣布之前，NXP 就在致力于解决深度学习和计算机视觉难题，看来高通希望借助收购加强自动驾驶系统的开发。
自动驾驶是深度学习与人工智能发挥作用的主要领域之一。除此之前，内置芯片有很多其他选择以与真实世界交互，比如手机和虚拟现实耳机。当前技术发展飞快，我们很快就会看到其他实际应用的出现。
很多公司想把握住这一蓝海机遇，比如传统芯片巨头英特尔和 IBM。Big Blue 努力在其 Minsky 人工智能服务器中把 RISC 芯片和英伟达 GPU 结合起来的同时，其研究团队也在探索其他芯片架构。IBM Almaden 实验室探讨了其类脑芯片 TrueNorth 的性能，该芯片具备 100 万个神经元和 2.56 亿个突触。IBM 称在若干个视觉和语音数据集中，TrueNorth 给出了接近当前最高分类精确度的深度网络。
IBM 研究院类脑计算首席科学家 Dharmendra Modha 在其博文中说道：&类脑计算的目标是在不断逼近时间、空间和能量的根本限制的情况下，给出可扩展的神经网络基础（substrate）。&
作为芯片领域最大的玩家，英特尔并没有止步不前，它也正在根据下一代人工智能工作需求开发自己的芯片架构。去年，英特尔宣布其第一个人工智能专用硬件 Lake Crest（其技术基于 Nervana）将在 2017 年上半年推出，并在稍后接着推出 Knights Mill，它是 Xeon Phi 联合处理器架构的下一个迭代。
英伟达已成为人工智能硬件领域的主力军之一。在谷歌、Facebook 等公司能够使用神经网络翻译语言之前，他们必须首先用特殊任务训练神经网络，给神经网络输入现有的大量翻译数据集。英伟达制造了可以加快这一训练进程的 GPU 芯片。LeCun 说，在训练方面，GPU 通常考虑的是市场，尤其是英伟达 GPU。但是 Farabet 的出现也许表明，英伟达正和高通一样，也在探索一旦接受训练就可运行神经网络的芯片。
GPU 最初的设计初衷并非人工智能，而是图形绘制。但是大约 5 年前，谷歌、Facebook 等公司开始使用 GPU 训练神经网络，仅仅因为 GPU 是现有的最佳选择。LeCun 相信 GPU 可以持续发挥这一作用，他说，现在程序员和公司对 GPU 相当熟悉，他们具备使用 GPU 的所有工具；GPU 很难被替代，因为替代它需要换掉全部（整个生态系统）。但是他也认为将会出现一种新型芯片，从数据中心和消费设备两个方面，极大地改变大型公司运行神经网络的方式，从而，从手机到智能割草机再到真空吸尘器的一切也都将会改变。
正如谷歌 TPU 展示的，专用 AI 芯片可以将数据中心的运行效率提高到一个新的层次，特别是对于那些需要进行图像识别的服务器。在执行神经网络任务时，它们消耗更少的电力，发热更小。&如果你不想让一个池塘沸腾，你就需要特殊设计的硬件，&LeCun 说。
与此同时，随着 VR 和 AR 技术的发展，手机与头戴设备也需要同样的芯片。Facebook 上周曾展示了它们的新型增强现实工具，而这种设备需要神经网络来对周围环境进行识别。但增强现实系统的任务不能基于数据中心&&传送数据需要时间，延迟会破坏用户体验。正如 Facebook 首席技术官 Mike Schroepfer 所解释的，Facebook 目前正在使用 GPU 和另一种被称为数字信号芯片的设备处理这些任务。但从长远来看，这些设备必须使用全新类型的芯片。
现在，需求已经出现，芯片公司正在争相占领新的市场。
更多最新行业资讯，欢迎点击与非网！
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
总规模不低于１００亿元的上海集成电路装备材料基金２１日在上海临港举行签约仪式，这标志着上海５００亿元集成电路产业基金全面启动。基金将推动上海以及国内的相关企业快速成长，助力打造“中国芯”
发表于： 11:24:04
随着物联网、大数据和移动应用等新一轮信息技术的发展，全球化工业革命开始提上日程，工业转型开始进入实质阶段。智能工厂利用物联网技术和监控技术加强信息管理服务，提高生产过程可控性、减少生产线人工干预，以及合理计划排程。
发表于： 11:23:15
当人们提到一个精明的老资本大鳄，一种常见的修辞方式是说这个人像“机器人一样无情冷酷”。好了，如今这样的比喻要成真了：机器人正在取代华尔街职员的工作。
发表于： 11:17:13
ARM日前宣布根据委托第三方针对全球近4,000名消费者进行的独立调查显示，仅少数受访者认为人工智能(AI)的发展将导致机器人大肆盛行，取代人类就业。
发表于： 11:06:38
根据LEDinside最新「2017中国LED芯片与封装产业市场报告」显示，2016年LED照明市场稳定成长，芯片、封装厂商产能持续扩张。 尤其中国LED封装市场规模年增6%至89亿美元，在营收前十大厂商中，日亚化学蝉联冠军，木林森窜升至亚军，Lumileds排名第三。
发表于： 10:11:35
虚拟货币比特币 价格暴涨，却意外让高端显示适配器价格疯涨，近 2 个月上涨了 25－40％，主因是有人大量购买显示适配器用来「挖矿」比特币，因为显示适配器「挖矿」的效果强过 CPU。
发表于： 11:11:13
这段时间，巨头高通似乎有些“点背”。苹果欠的专利费不给还反诉形成拖累；与本地大唐的一个合资案，被某国企掌门咒骂；最新财报显示，净利同比下滑40%，而它又给出一个不太乐观的下季财测；不断有业内人士鼓噪说，未来5G标准会统一，高通将失去霸主地位。
发表于： 11:03:05
—21日，2017自主可控计算机大会在北京召开，大会由中国计算机学会主办、中国计算机学会抗恶劣环境计算机专委会承办，航天二院七〇六所协办，龙芯中科作为的大会的支持单位受邀参会。
发表于： 10:54:05
近期中国移动正式成立物联网联盟OneNET，联发科携手中国移动基于MT2625芯片推出NB-IoT通用模块。
发表于： 10:06:37
英特尔的处理器型号越来越多，也越来越复杂，今年声势浩大推出了全新系列i9处理器，并更新了Core X系。赛扬、奔腾、i3、i5、i7、i9，而且有些处理器的型号末尾还带有T、S、K、X字母……
发表于： 10:04:57
最近见了我的朋友白东，他们公司要扩大规模，招很多程序员……
14:00:00众创时代，要让创业变得越来越容易，就离不开完善的创新创业服务链；以此为使命，成立一年以来，云创硬见一直致力于为双创者打造更加完整的创新服务生态圈，帮助双创者解决从创意到产品过程中的难题。2017年7月
16:00:00关键词：FPGA万人大赛（想想就心潮澎湃）柒月，蝉声缭绕，数以万计FPGA工程师和爱好者摩拳擦掌，掀起一场FPGA的热浪。在这个夏天，一切都将改变！让学生利用FPGA平台学习数字电路设计，就像写代码看
15:00:00这个夏天，两年一度的重量级比赛：“全国大学生电子设计竞赛”如约而至，曾经没日没夜挥汗如雨，以及并肩作战的队友历历在目，暂且不论含金量，只凭它是学生时代最珍贵的记忆这一点，不亲身经历一次，又怎能说自己是
15:00:00Altium Designer是一款比较受大家喜欢的PCB制作软件，在我们做些项目已经做毕业设计的时候都会用到。这两天本专业在做生产实习，主要就如何使用Altium Designer制作电路板进行学习
16:00:00关键词：FPGA万人大赛（想想就心潮澎湃）柒月，蝉声缭绕，数以万计FPGA工程师和爱好者摩拳擦掌，掀起一场FPGA的热浪。在这个夏天，一切都将改变！让学生利用FPGA平台学习数字电路设计，就像写代码看
旗下网站：
与非门科技(北京)有限公司 All Rights Reserved.
京ICP证:070212号
北京市公安局备案编号： 京ICP备：号