頂級芯片給AI裝上“超級引擎”
為適應AI應用,計算機芯片需進行更多并行計算。頂級 圖片來自:谷歌公司。芯片愛游戲app
美國開放人工智能研究中心(OpenAI)首席執行官山姆·奧特曼等人認為,人工智能(AI)將從根本上改變世界經濟,頂級擁有強大的芯片計算芯片供應能力至關重要。芯片是超級引擎推動AI行業發展的主要的因素,其性能和運算能力直接影響著AI技術的頂級進步和應用前景。
英國《自然》雜志網站在近日的報道中指出,工程師正競相開發包括圖形處理單元(GPU)等在內的超級引擎尖端芯片,以滿足未來AI的頂級愛游戲app計算需求。
GPU加快機器學習運算速度。
GPU是英偉達公司標志性的計算機芯片。傳統中央處理單元(CPU)按順序處理指令,頂級而GPU可并行處理更多指令,芯片因此可分布式訓練程序,從而大大加快機器學習的運算速度。
2022年,英偉達公司Hopper超級芯片在MLPerf上擊敗了包括圖像分類和語音識別在內所有類別的競爭對手。MLPerf是國際上最權威、最有一定的影響力的AI基準測試之一,被譽為“AI界奧運會”。
今年3月,英偉達正式展示了性能更優異的新一代AI芯片Blackwell。它擁有2080億個晶體管,是英偉達首個采用多芯片封裝設計的GPU。隨技術發展,GPU慢慢的變大,如果不能更大,就把更多GPU組合在一起,變成更大的虛擬GPU。Blackwell就是在同一個芯片上集成了兩個GPU,新架構將通過芯片與芯片間的連接技術,一步步構建出更大型AI超算集群。
如果要訓練一個擁有1.8萬億個參數的GPT模型,需要8000塊Hopper芯片,耗能15兆瓦,歷時3個月。若使用Blackwell芯片,只需2000塊,耗能4兆瓦,就能在同樣的時間內達成目標。
AI芯片市場持續增長,英偉達目前供應了其中80%以上的產品。2023年,該公司售出55萬塊Hopper芯片。近日,該公司市值首次突破3萬億美元,超越蘋果,僅次于微軟,成為全世界市值第二高的公司。
多種芯片競相涌現。
盡管GPU一直是AI革命的核心,但它們并非是唯一“主角”。隨著AI應用的激增,AI芯片的種類也在激增,現場可編程門陣列(FPGA)可謂“一枝獨秀”。
FPGA是一種在計算和數字電路領域大范圍的應用的硬件設備。它以獨特的可編程性和靈活性,成為嵌入式系統、高性能計算處理等多種應用的理想選擇。
這就像搭建樂高積木,工程師可將FPGA電路一個接一個地構建到他們能想象的任何設計中,無論是洗衣機傳感器還是用于引導無人駕駛汽車的AI。不過,與擁有不可調節電路的AI芯片(如GPU)相比,FPGA工作速度相對更慢、效率更低。但FPGA對處理某些任務(如粒子對撞機產生的數據)很有用。英偉達加速計算集團產品營銷總監戴維·薩爾瓦托指出,FPGA的易編程性也對原型設計很有幫助。
張量處理單元(TPU)則是谷歌公司專為神經網絡機器學習而定制的芯片,旨在執行矩陣計算和張量操作。TPU作為谷歌深度學習框架TensorFlow的加速器于2016年首次推出,其設計目標是提供低功耗、高效能的矩陣運算,以滿足大規模機器學習和神經網絡訓練的需求。TPU在性能與能效之間取得了良好平衡。它們的功耗相比來說較低,這對于大規模數據中心和在移動電子設備上的應用至關重要。
此外,元宇宙平臺也在獨立開發自己的芯片。谷歌、英特爾和高通成立了UXL基金會,用以開發一套支持多種AI加速器芯片的軟件和工具,以此對抗英偉達的GPU。
當然,GPU等AI芯片的興起并不代表傳統CPU的終結,兩者互相取長補短已成大勢所趨。例如,有一個版本的Blackwell芯片就讓GPU與CPU攜手;世界上最強大的超級計算機之一、位于美國田納西州橡樹嶺國家實驗室的“前沿”也依賴CPU和GPU的結合,來執行高性能計算。
考慮到過去十年芯片領域翻天覆地的變化,工程師們可能很難預測芯片的未來。將來可能會研制出使用光而非電子的光學芯片,或量子計算芯片,而逐步提升芯片性能,將加速AI在科學領域的應用。
本文地址:http://www.properlyrics.com/news/99c3399867.html
版權聲明
本文僅代表作者觀點,不代表本站立場。
本文系作者授權發表,未經許可,不得轉載。