带你认识谷歌TPU

分享到:

我们生活在一个技术推动整个文明基石的时代。但是,尽管拥有所有辉煌的发明和技术进步,今天世界比以往更倾向于速度和敏捷性。我们已经从传统的有线拨号互联网连接转移到第四代无线网络。光纤的广泛分布使得连接到互联网并以快速的速度访问数据成为可能。同样,当涉及到处理器和GPU时,我们已经从仅包含6000个晶体管的传统8位8080微处理器芯片转变为时钟速度高达1.7 GHz的最先进的Octa核心处理器。
 
人工智能的发展越来越抽象,越来越复杂。从早期简单的是与否的判断,到后来精准的识别,可以在复杂的场景里找出特定的目标,再到后来,出现 AlphaGo 这样可以做出主动的决策的 AI,甚至智能如 AlphaGo Zero,可以完全依靠自学实现快速成长。
 
人工智能经过这么长时间的发展,在网络的种类、复杂程度和处理的信息量上都发生了天翻地覆的变化。网络种类上,从早期的 AlexNet 和 GoogleNet 到现在各种各样的 GAN(生成对抗网络)以及各种深度强化学习的网络,它们各自网络结构都有不同,开发者在适应最新的网络上常常会遇到一些麻烦。
 
处理的信息量也在成倍地增长,算力需求越来越高的情况下,对搭载处理单元的体积有更多限制的机器人实际上存在着在智能水平上升级的障碍。这就是为什么人工智能芯片不断升级迭代的原因。
 
人工智能的终极目标是模拟人脑,人脑大概有1000亿个神经元,1000万亿个突触,能够处理复杂的视觉、听觉、嗅觉、味觉、语言能力、理解能力、认知能力、情感控制、人体复杂机构控制、复杂心理和生理控制,而功耗只有10~20瓦。
 
可能有很多人会问,目前在人工智能领域,NVidia GPU为什么具有无可撼动的霸主地位,为什么AMD的GPU和NVidia GPU性能相差不多,但是在人工智能领域的受欢迎的程度却有天壤之别。
 
12
 
2011年,负责谷歌大脑的吴恩达通过让深度神经网络训练图片,一周之内学会了识别猫,他用了12片GPU代替了2000片CPU,这是世界上第一次让机器认识猫。
 
2016年,谷歌旗下Deepmind团队研发的机器人AlphaGo以4比1战胜世界围棋冠军职业九段棋手李世石(AlphaGo的神经网络训练用了50片GPU,走棋网络用了174片GPU),引发了围棋界的轩然大波,因为围棋一直被认为是人类智力较量的巅峰,这可以看做是人工智能史上的又一个重大里程碑事件。
 
谷歌并不是唯一一家为这种设备上的AI任务设计芯片的公司。 ARM,Qualcomm,Mediatek和其他公司都制造了自己的AI加速器,而Nvidia制造的GPU在培训算法市场上占据了主导地位。
 
然而,Google的竞争对手并没有控制整个AI堆栈。 客户可以将他们的数据存储在Google的云端; 使用TPU训练他们的算法; 然后使用新的Edge TPU进行设备上推断。而且,他们很可能会使用TensorFlow创建他们的机器学习软件--TensorFlow是由Google创建和运营的编码框架。
 
这种垂直整合具有明显的好处。 Google可以确保所有这些不同的部分尽可能高效,顺畅地相互通信,使客户更容易在公司的生态系统中玩游戏。
 
2016年5月的谷歌I/O大会,谷歌首次公布了自主设计的TPU,2017年谷歌I/O大会,谷歌宣布正式推出第二代TPU处理器,在今年的Google I/0 2018大会上,谷歌发布了新一代TPU处理器——TPU 3.0。TPU 3.0的性能相比目前的TPU 2.0有8倍提升,可达10亿亿次。
 
TPU全名为Tensor Processing Unit,是谷歌研发的一种神经网络训练的处理器,主要用于深度学习、AI运算。在7月份的Next 云端大会,谷歌又发布了 Edge TPU 芯片抢攻边缘计算市场。虽然都是 TPU,但边缘计算用的版本与训练机器学习的 Cloud TPU 不同,是专门用来处理AI预测部分的微型芯片。Edge TPU可以自己运行计算,而不需要与多台强大计算机相连,因此应用程序可以更快、更可靠地工作。它们可以在传感器或网关设备中与标准芯片或微控制器共同处理AI工作。
继续阅读
本该快速盈利的AI医疗,却已知面临亏损究竟为何?

在数据、人才和技术这三座大山的压制下,AI医疗的发展并非想象中乐观,其盈利还是存在问题。与人工智能医疗相关的公司要想在AI医疗上实现盈利,必然要攻破数据、人才和技术三大难题,才有可能使更多的AI医疗产品实现真正的落地,从而解决AI医疗难盈利的问题。

AI开发者论坛成功举办,各界精英们都说了些什么?

10月16日,由中国人工智能产业发展联盟、苏州思必驰信息科技有限公司、上海交大苏州人工智能研究院主办,与非网承办的2018年AIIA开发者大会分论坛在苏州国际博览中心隆重召开。 本次论坛以“智无界·创有形”为主题,围绕“AI开发者如何利用软硬件技术融合实现创新”展开。邀请到来自全国各地人工智能界的专家学者、企业高管以及200余位专业嘉宾齐聚一堂,共享行业发展趋势,探讨AI创新模式。

加快3D闪存生产,紫光DDR4年底见

国产内存还处在发展过程中,不过已经取得了不错的成绩,紫光作为其中的代表企业,已经取得了不错的成绩。据报道,紫光成都存储器制造基地项目已经开工,而且这个基地将会投资240亿建设闪存工厂。官方表示,DDR4芯片正在研发中,预计年底将会推向市场。

对话创新工场董事长李开复——人工智能引发的思考

即使是发达国家,人工智能依然会造成更大的贫富差距。人工智能驱动的产业天然趋向于垄断,会在压低价格的同时消除公司间的竞争。最终,小型企业会被迫关门,人工智能时代的行业主宰会获得以前根本无法想象的利润,经济权力集中到少数人手中。在我看来,如果不加以管制,人工智能对于潜在的社会经济问题就是火上浇油。随着越来越多的人担心被机器取代,科学家扪心自问:在智能机器时代,人类的意义是什么?

自动驾驶领域最为热门的四大技术趋势窥探

虽然跟得太紧或是刹车太晚等驾驶行为很容易处理,但是预测其他驾驶员行为以及处理复杂的交叉路口情况只能依赖有经验的驾驶员。自动驾驶汽车(AV)就像新手驾驶员,只是其拥有发展得更好的大脑以及价值数十亿美元的技术,可帮助缩短学习时间。但是即使使用其所有的传感器和软件,自动驾驶汽车在可以完全自信且有能力驾驶之前,仍有需要克服的缺陷。