在近日的一场活动上，芯片业界大佬表示，AI硬件的发展将起到重要作用，硬件设计而非算法将实现下一波AI的重大突破。然而对于专业的芯片制造商而言，并不是每一条道路都能获得成功。
3月26日在MIT Technology Review举办的AI大会EmTech Digital上，英伟达首席科学家Bill Dally指出，如今的深度学习革命已经通过硬件实现，芯片制造商必须为人工智能发展继续提供更厉害的硬件。
Dally表示，英伟达目前聚焦于三个方向的芯片发展，其中一个趋势就是设计制造更专业化的芯片。Dally表示，为特定计算任务设计的高度专业化芯片可以胜过那些擅长处理不同任务的GPU芯片，两者在相同表现水平上的效率差异可能达20%。
第二个就是减少深度学习中所需的计算次数。英伟达的研究人员发现，他们可以减少90%的计算，同时不会牺牲深度学习模型的准确性，这意味着相同的学习任务可以使用更小的芯片构架来实现。
最后一个是模拟计算（analog computation）。计算机几乎将所有信息以0或1的序列存储，但是模拟计算将允许各种数值直接编码，这意味着随着数字可以更简洁地表示，计算将更高效。
英特尔AI产品集团的副总裁Naveen Rao也认为，通过不同的芯片设计，英特尔和英伟达可以让操作变得更加容易，这将深刻影响AI社区。目前行业处于爆发前的快速发展期，但并不是每一个解决方案都将获得成功。
Rao在论坛上表达了他对于芯片发展的看法。他认为，任何芯片都只是用于编码和操纵信息的基质（substrate），但是根据基质设计的不同，计算能力上会有巨大的不同。
另一方面，芯片设计是针对不同的目的，适用于不同环境。比如，随着更多在线智能设备的出现，将这些设备数据发送至云存储进行深度学习处理并不总是有意义的；相反，在本地设备上运行一个小型、高效的深度学习模型可能更有意义。
联系客服
