AI

在AI算法尚不成熟的时候,可编程的灵活性给予了FPGA一定的市场优势。

但是,随着目前AI算法进一步成熟,各类全定制化的AI芯片开始陆续出现,比如搭载了寒武纪NPU的麒麟970手机芯片,又比如赛灵思投资的深鉴科技明年就要推出的AI芯片“听涛”等。定制化芯片能够提供更低的功耗与更高的能效比,其批量生产的成本也低于FPGA,那么在这样的背景下,FPGA的灵活性又是否能保持优势呢?

1.计算机视觉及机器学习算法加速,带来最快的系统响应

2.提供快速升级至传感器最佳可用类型及组合所需的可重配置性,这是其它产品没有的特性

3.可任意连接至最新机器和/或云

在赛灵思看来,人工智能和机器学习应用正在迅速扩大到越来越多的边缘市场,从云到端,从人脸识别摄像头,无人驾驶汽车,机器人、语音识别等各种新兴应用, 赛灵思全可编程的FPGA或Zynq SoC系列都能够为客户部署先进的高效神经网络、算法及应用带来更高的性能和低延迟优势。

赛灵思眼中的人工智能

赛灵思成立于1984年,总部位于美国硅谷,是FPGA的发明者,无晶圆厂(Fabless)半导体模式的开创者。

福布斯关于2018 AI芯片的十个预测

2017年是人工元年,人工智能技术开始走入我们的生活,对于AI粉丝和AI采用者来说,2017是令人振奋的一年。当我们进入2018年的时候,有一点是肯定的:我们刚刚开始这个旅程,今后一年AI会有很大的成功和巨大的失败,2018年全球AI芯片领域会有哪些变化?福布斯深度学习和高性能计算领域分析师Karl Freund做了如下预测。

首先看看2017年AI领域的十大事件:

1、NVIDIA在数据中心实现三位数增长,达到约15亿美元的收入运行率。

2、NVIDIA®(英伟达™)使用NVIDIA®(英伟达™)V100 GPU和用于机器学习的云服务令市场大吃一惊,TensorCores-6X能够以每秒125万亿次的运算速度超越一年前的PASCAL前身。

3、NVIDIA也宣布推出自己的Deep Learning ASIC,将其纳入该公司下一代DrivePX汽车平台。如承诺的那样,公司在第三季度发布了规格为开源技术。

4、AMD推出了其AI GPU和软件Vega Frontier Edition。该公司宣布了几项大规模部署,包括百度的GPU和微软的的Azure EPYC CPU。

AI指数报告:让我们从18个分立的视角来看AI

最近,斯坦福“人工智能百年(AI100)”专家小组(非盈利性项目AI Index)发起了一项AI指数报告,追踪学术界、产业界、开源软件和公共兴趣范畴的18个分立的视角评估人工智能活跃度,盘点计算机视觉、自然语言理解等技术发展现状(机器类人程度),从专家视角解读人工智能创业和投资的急剧增加,探讨相关领域的深入发展。

人工智能活跃度一览


AI活跃度指数(来自学术界和工业界数据,如出版物、注册创企和风险投资等)

从学术领域来看

人工智能论文大部分隶属计算机科学的范畴,自1996年至今年度发表的论文数量已经增加9倍,作为参考,计算机科学论文数量此间增加了6倍;

高校机器学习等人工智能相关课程的开设数量和学生的参与度都大幅增加;

人工智能相关的顶级会议也变的火爆,包括如 AAAI、IJCAI、ICML等综合性会议,以及CVPR、ACL、ICRA等专注于通用技术(计算机视觉、自然语言、机器人等)的会议。

FPGA——AI的智能加速器

作者:董培欣 来源:至顶网服务器频道

10月19日,由传统硬件开发拓展为硬件开发、应用软件开发、嵌入式软件开发的2017赛灵思开发者大会在北京召开。在会上赛灵思软件和IP产品开发部高级副总裁Salil Raje、战略市场开发总监Andy Walsh向我们展示了Xilinx FPGA如何通过从“硬”到“软”的技术发展路线,为机器学习、视频编码、数据分析乃至基因分析提供出更高效的计算处理能力。(图1:赛灵思软件和IP产品开发部高级副总裁Salil Raje(右)、战略市场开发总监Andy Walsh(左))

从“硬”到“软”的技术转变

通常提到FPGA,首先想到的是一款可编程的硬件产品,无论是用在嵌入式设备上,还是用在网络传输加速方面,与软件似乎都没有太多的直接联系。对于普通用户而言,要对FPGA产品进行应用,有两条鸿沟需要跨越:第一条是FPGA的硬件编程模式,将FPGA变为适于处理用户应用的硬件产品;第二条是开发相应的应用软件开发环境,需要打造软件工程师熟悉的设计环境让这个硬件产品可以为更广泛的软件及系统级工程师所用。

你需了解的人工智能四大概念

AI(人工智能)是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。具体到应用来说,每一个人工智能解决方案都建立在四个基础之上,还没搞清楚?来看看我们的快速指南吧!

毋庸置疑,人工智能正在席卷整个世界,层出不穷的创新应用正实践于所有行业和领域。正如电影中描述的那样,人类使用人工智能机器人代替医生已经有几十年的时间,上至各行各业的专家,下到普通消费者,人工智能正在帮助我们更快的诊断和解决问题,比如进行精密的手术,比如用语音命令播放一首歌曲。

大众只注意到人工智能带来的益处,而对于专业人士来说,有四个概念必须要了解:分类方法、类别、机器学习和协同过滤。这四个支柱也代表了分析过程中的步骤。分类方法涉及创建特定问题域的度量(例如财务、网络)。类别涉及哪些数据与所需解决的问题最为相关。机器学习包括异常检测、聚类、深度学习和线性回归。协作过滤涉及在大型数据集上寻找模式。

分类方法

3月29日,腾讯云宣布,已经形成FPGA、GPU和25G网卡云服务器的全矩阵AI基础设施计算平台,同时公布一系列技术和生态部署,包括今年上半年将推出1机4卡的FPGA云服务器、1机8卡的GPU云服务器,以及将把25G网卡部署在FPGA和GPU的云服务器上,为后续的GPU集群和FPGA集群提供网络基础设施等举措。

这是继昨日腾讯云开放DI-X深度学习平台后又一重大举措,腾讯云在AI领域的全线布局也逐渐浮出水面:腾讯云在AI领域的全线布局将从IaaS基础设施、AI平台服务、AI基础服务、AI应用服务到垂直行业解决方案,均有产品及服务覆盖。

腾讯云计划推出的1机4卡的FPGA云服务器,性能相较1机1卡的FPGA云服务器的性能,将会提升400%,可满足超大数据量、超大规模机器学习算法需求。这是继年前腾讯云推出国内首款高性能异构计算基础设施“FPGA云服务器”后的一项重大进展。

同时腾讯云发布FPGA的最新生态进展,一方面将推出基于英特尔和赛灵思等主流硬件平台和软件开发工具,方便开发者选择熟悉的开发模式,避免切换平台。另一方面加快部署FPGA IP的生态,已上线Alexnet网络模型预测加速、Googlenetv1网络模型预测加速等IP,分别用于图片鉴黄的粗筛和精选,同时在加大力度引入第三方成熟的AI IP。

同步内容