祥峯報告|人工智能芯片發展前景研究(Part II)

  作者:Emanuel TIMOR 、夏志進、Brian TOH、Tracy JIN

  在人工智能芯片研究報告的第一部分中,我們分析了人工智能的驅動因素。第二部分,我們將探討由人工智能主導的對算力的需求將如何推動這些趨勢:

  1)未來基於深度學習的神經網絡算法的訓練將會依賴更大量的數據集

  2)這將會導致對計算性能的要求從一般應用轉向基於神經網絡的應用,即增加對高性能計算的需求

  3)深度學習算法既是計算密集型的,又是內存密集型的,對處理器的性能要求極高

  4)因此,一些創業公司研發新的人工智能優化芯片將會加速人工智能在各個領域的應用

  深度學習將持續推動神經網絡算法訓練

祥峯報告|人工智能芯片發展前景研究(Part II)

  人工智能算法的優化需要越來越多的數據集

祥峯報告|人工智能芯片發展前景研究(Part II)

  對計算性能的要求將會從一般應用轉向基於神經網絡的應用

祥峯報告|人工智能芯片發展前景研究(Part II)

  深度學習算法既是計算密集型的,又是內存密集型的

祥峯報告|人工智能芯片發展前景研究(Part II)

  提高處理器的性能可以通過以下幾種方式:矩陣乘法

祥峯報告|人工智能芯片發展前景研究(Part II)

  神經網絡的量化

祥峯報告|人工智能芯片發展前景研究(Part II)

  圖像處理

祥峯報告|人工智能芯片發展前景研究(Part II)

  一些新的方法專注於圖像處理和稀疏矩陣的特性,強調計算時輸入和輸出的通信

祥峯報告|人工智能芯片發展前景研究(Part II)

  以及在內存架構中針對人工智能算法的優化和芯片的大規模並行計算能力

祥峯報告|人工智能芯片發展前景研究(Part II)

  對芯片的選擇取決取決於應用場景:即用於訓練還是推斷,雲端還是終端亦或是兩者的混合

祥峯報告|人工智能芯片發展前景研究(Part II)

  行業巨頭正在嘗試不同的方案

祥峯報告|人工智能芯片發展前景研究(Part II)

  延遲和場景化是邊緣計算的關鍵驅動因素

祥峯報告|人工智能芯片發展前景研究(Part II)

  展望未來,我們更可能會看到聯合學習——一個多層次的基礎設施,學習不僅發生在雲端也發生在終端

祥峯報告|人工智能芯片發展前景研究(Part II)

  這將會推動ASIC、FPGA和其他新興類型的芯片組產量的增加

祥峯報告|人工智能芯片發展前景研究(Part II)

  關鍵要點

祥峯報告|人工智能芯片發展前景研究(Part II)祥峯報告|人工智能芯片發展前景研究(Part II)祥峯報告|人工智能芯片發展前景研究(Part II)

  完整版英文報告請關注“祥峯投資”公衆號並回復“AI芯片2”獲取。

  祥峯投資是新加坡淡馬錫控股旗下關注互聯網、高科技以及大消費領域創新創業的風險投資機構,成立於1988年。祥峯中國投資基金成立於2008年,目前基金管理規模超過5億美金,重點關注移動互聯網、消費升級、人工智能、在線教育、企業服務等領域,部分已投公司:91助手、IGG、唱吧、摩拜單車、地平線機器人、微芯生物、學霸君、橙子自動化、要出發、NEIWAI內外、即刻、高跟73小時、SolidEnergy等。祥峯投資以新加坡爲基地,在中國、美國、以色列、印度等創業活躍國家皆有分支機構,我們一直在尋找下一個改變世界的偉大企業。

  BP:[email protected] 

祥峯報告|人工智能芯片發展前景研究(Part II)

相關文章