公司新闻行业新闻

人工智能芯片与传统芯片的区别?

发布者:管理员 日期:2021-12-10

      作为AI和芯片两大领域的交差点,AI芯片已经成了最热门的投资领域,各种AI芯片如雨后春笋冒出来,但是AI芯片领域生存环境恶劣,能活下来的企业将是凤毛麟角。

  谷歌在I/O大会发布了其第三代TPU,并宣称其性能比去年的TUP 2.0提升8倍之多,达到每秒1000万亿次浮点计算,同时谷歌展示了其一系列基于TPU的AI应用。

  可以说,AI已经成为科技行业除了区块链之外最热门的话题。AI芯片作为AI时代的基础设施,也成为目前行业最热门的领域。


  可以看到,AI芯片已经成为资本追逐的最热门领域,资本对半导体芯片的热情被AI技术彻底点燃。在创业公司未真正打开市场的情况下,AI芯片初创企业已经诞生了不少的独角兽,多笔融资已经超过亿元。


  AI技术的革新,其从计算构架到应用,都和传统处理器与算法有巨大的差异,这给创业者和资本市场无限的遐想空间,这也是为什么资本和人才对其趋之若鹜的原因。

  但是,产业发展还是要遵循一定的产业规律,笔者认为,绝大多数AI芯片公司都将成为历史的炮灰,最后,在云端和终端只剩下为数极少的几个玩家。

  首先我们来分析下目前对AI芯片的需求主要集中在哪些方面。

  先来讲讲AI目前芯片大致的分类:从应用场景角度看,AI芯片主要有两个方向,一个是在数据中心部署的云端,一个是在消费者终端部署的终端。从功能角度看,AI芯片主要做两个事情,一是Training(训练),二是Inference(推理)。

  目前AI芯片的大规模应用分别在云端和终端。云端的AI芯片同时做两个事情:Training和Inference。Training即用大量标记过的数据来“训练”相应的系统,使之可以适应特定的功能,比如给系统海量的“猫”的图片,并告诉系统这个就是“猫”,之后系统就“知道”什么是猫了;Inference即用训练好的系统来完成任务,接上面的例子,就是你将一张图给之前训练过的系统,让他得出这张图是不是猫这样的结论。

  Training和Inference在目前大多数的AI系统中,是相对独立的过程,其对计算能力的要求也不尽相同。

  Training需要极高的计算性能,需要较高的精度,需要能处理海量的数据,需要有一定的通用性,以便完成各种各样的学习任务。

        对于芯片厂家来说,谁有数据,谁赢!

        那么哪些芯片厂家有大量的用户数据呢?BAT。按照这个逻辑、包括科大讯飞和华为未来也未必有足够的机会。谁有大量的数据,谁更有机会。

  Inference相对来说对性能的要求并不高,对精度要求也要更低,在特定的场景下,对通用性要求也低,能完成特定任务即可,但因为Inference的结果直接提供给终端用户,所以更关注用户体验的方面的优化。

获取新消息

深圳市言行智科技有限公司
电话:0755-8525 8990
联系人:葛先生 13699795123
地址:深圳市宝安区西乡街道宝安大道5010号西部硅谷B座B区608(后瑞地铁站A出口)


扫描关注我们
版权所有:深圳市言行智科技有限公司 粤ICP备17048058号
网络变压器生产厂家,供应商,代理商,原装进口直销,直营,授权

在线
客服

在线客服服务时间:9:00-18:00

销售联系:

终端客户:

贸易窗口:

客服
热线

0755-8525 8990
7*24小时客服服务热线

关注
我们

官网二维码
TOP