歐界報導:
Google公佈了一個TPU論文全世界又炸鍋了!
早在去年5月中旬的Google I/O大會上, 穀歌就首次向外透露了其機器學習專用晶片TPU。 之後, 穀歌除了公佈它們是圍繞公司自身進行優化的TensorFlow機器學習框架之外, 就再未透露更多的細節, 直到這次TPU論文的發佈。
首先需要指出, TPU是一個人工智慧技術專用處理器, 在種類上歸屬於ASIC(Application Specific Integrated Circuit, 為專門目的而設計的積體電路)。 相比人工智慧技術常見的另外幾種處理器CPU(中央處理器)、GPU(影像處理器)、FPGA(陣列可程式設計邏輯閘陣列), ASIC天生就是為了應用場景而生, 所以在性能表現和工作效率上都更加突出。
穀歌基於自己的基準測試對自研晶片進行了測試, 結果表明:在神經網路層面的操作上, TPU處理速度比當下GPU和CPU快15到30倍;在能效比方面, TPU比GPU和CPU高30到80倍;在代碼上也更加簡單, 100到1500行代碼即可以驅動神經網路。 研究報告作者表示, 如果將來使用更快的記憶體,
據悉, 穀歌已經將TPU用於許多內部專案, 如機器學習系統RankBrain、Google街景、以及AlphaGo等。 但Google尚未給出將TPU應用於外部專案的計畫。
看來, 穀歌嫌Intel處理器太弱而發飆自研TPU, 以便處理海量的語音資料和AI計算。
四年前, 穀歌面臨一個窘迫,
實際上, 在上個月的英特爾公司投資者會議上, 其CEO 就已經表示, 未來將投入大量精力和資金在量子和神經形態計算領域, 因為Intel認為量子計算和神經晶片才是下一代PC的出路。 最新14nm處理器PC處理器已到極限, Intel決心往更前沿的領域進發。
按照摩爾定律, 電腦晶片會每隔兩年將電晶體數量提升一倍、性能提高一倍, 同時功耗和成本會下降。 但Intel在成功攻克14nm工藝之後, 已經在電晶體密度方面遇到了瓶頸, 想要提升到10nm, 甚至7nm仍需要更長的時間。 因此, Intel將工藝換代從之前的兩年, 延長到了三至四年, 也就是說摩爾定律不靈了。 Intel認為下一代PC會在架構和原理方面出現根本性的變化,
而現在TPU一出, 數倍於CPU、GPU的性能技驚四座, 英特爾往量子計算和神經芯方向走的決定看來是對的了。
確實,雖然也有業內人士認為:這個晶片沒有什麼太神奇的地方,儘管性能很驚豔,但是成本也會很高,而且目前TPU並不能單獨使用,還是要配套CPU/GPU。然而,TPU是一顆帶有人工智慧“光環”的ASIC,它反映出了人工智慧時代到來,性能更好、能效比更高的FPGA、ASIC需求日趨強烈趨勢。很明顯,TPU是人工智慧發展歷程中的一個“小里程碑”。雖然CPU/GPU已經提供了通用運算能力,但隨著人工智慧技術的進一步發展,硬體專業化趨勢不可避免,從CPU到GPU,從GPU到FPGA,最後再到ASIC,這是一條路,層層遞進。
除了Google,很多公司其實也在進行著類似的專業化硬體開發工作,相信不久的將來,一大批比擬TPU甚至超越TPU的專業化硬體將會出現,為人工智慧的發展再次注入動力,促進更多應用場景和更優質服務的出現。所以,小編認為在大驚小怪之餘,國內相關企業也要趕緊跟上,不要被落後太多,爭取在人工智慧時代拉近與世界先進水準的距離。
歐界科技 | Jie Media
深度報導環球前沿科技
確實,雖然也有業內人士認為:這個晶片沒有什麼太神奇的地方,儘管性能很驚豔,但是成本也會很高,而且目前TPU並不能單獨使用,還是要配套CPU/GPU。然而,TPU是一顆帶有人工智慧“光環”的ASIC,它反映出了人工智慧時代到來,性能更好、能效比更高的FPGA、ASIC需求日趨強烈趨勢。很明顯,TPU是人工智慧發展歷程中的一個“小里程碑”。雖然CPU/GPU已經提供了通用運算能力,但隨著人工智慧技術的進一步發展,硬體專業化趨勢不可避免,從CPU到GPU,從GPU到FPGA,最後再到ASIC,這是一條路,層層遞進。
除了Google,很多公司其實也在進行著類似的專業化硬體開發工作,相信不久的將來,一大批比擬TPU甚至超越TPU的專業化硬體將會出現,為人工智慧的發展再次注入動力,促進更多應用場景和更優質服務的出現。所以,小編認為在大驚小怪之餘,國內相關企業也要趕緊跟上,不要被落後太多,爭取在人工智慧時代拉近與世界先進水準的距離。
歐界科技 | Jie Media
深度報導環球前沿科技