AI

赛灵思公司(Xilinx, Inc.,(NASDAQ:XLNX) ) 与 SK 电讯 (SKT) 今天共同宣布:SKT 已在其数据中心中部署赛灵思 FPGA,为其人工智能 (AI) 加速。SKT 的自动语音识别 (ASR) 系统采用赛灵思® Kintex® UltraScale™ FPGA为其声控助手 NUGU 加速。与使用 GPU 相比,SKT 的自动语音识别应用性能提高了 5 倍,单位功耗性能也提高了 16 倍。该举措标志着 FPGA 加速器在韩国大型数据中心 AI 领域的首次商业应用。

图一: NUGU语音识别的性能结果

 新浪科技讯8月10日下午消息,近日,华创资本正式推出由麻省理工科技评论、DeepTech深科技、华创资本共同出品的《未来版图》图书,发布会邀请了人民邮电出版社社科人文分社副社长恭竟平,DeepTech联合创始人陈禺杉,《未来版图》编定人陈序,深鉴科技创始人姚颂和华创资本合伙人熊伟铭。

  其中,深鉴科技因7月份正式被美国Xilinx公司收购而广受关注,其创始人姚颂在会上分享了自己关于人工智能芯片的思考,姚颂表示:

  1、AI芯片适用于不同种类,它的开发难度、开发周期、实用性应用场景可能是千差万别的;

  2、芯片的发展趋势,以英伟达为例,已经不再是一个GPU公司,而是一个系统公司、软件公司,从应用需求定义系统架构,代表了整个行业思路的变化;

  3、当大家说芯片的时候一定不要只看芯片这两个字,不然这个公司会死掉的。 (辛苓)

  以下为姚颂演讲原文节选,由新浪科技整理。

  AI芯片现在非常火,火了一年多,今年大家都很关注。这个领域细节非常多,大家经常搞不清楚,感觉随便来一个公司,不说是AI公司就没法儿在市场上混。又来一个新的AI公司,不做芯片也没有办法在市场上混。这里面的坑其实非常多,回到最根本的还是要搞清楚一个概念,什么叫AI?

  AI芯片是什么?

赛灵思一直是业界主要的 ADAS 传感器方案供应商之一。比如,在前置摄像头方面我们拥有超过 38% 的市场份额。ADAS 系统正在不断的发展和进化,随着 NCAP 等政策法规和标准的推动之下,汽车正从辅助驾驶向自动驾驶过渡,这一趋势就要求更好的相机分辨率、更低的 LiDAR 成本以及响应更迅速,计算能力更强大的信号处理芯片。另外,机器学习以及 AI 的发展将大大加速自动驾驶技术的成熟。赛灵思的 FPGA/SoC 在数据预处理、路径规划、传感器融合和计算加速方面有着得天独厚的优势,因此,基于赛灵思的技术将能帮助机器学习及 AI 更快地部署在汽车应用中,成为构建安全自动驾驶汽车的重要组成部分。

在本次直播课程当中,我们将向您详细讲解及演示基于赛灵思的加速方案是如何帮助客户实现从传统 ADAS 方案演变为更多基于机器学习和 AI 的自动驾驶的。

想做AI独角兽?你该和FPGA交个朋友

最近想必很多人工智能(AI)界小伙伴的朋友圈,都会被一则新闻刷屏:国内AI初创公司深鉴科技被全球排名第一的FPGA公司赛灵思(Xilinx)收购,尽管各方都没有披露收购的财务细节,不过据称先前深鉴科技的估值就已经达到了10亿美元。

为什么这家成立刚刚两年的公司,就可以成为令人羡慕的AI独角兽?其中有很多原因,不过从技术的角度来说,很大程度上这是因为他们在创业之初做对了一件事——选择FPGA作为AI梦想的支点。

支持算法迭代
大家都知道AI的ABC三要素——算法(A)、大数据(B)和算力(C)。为让人工智能算法基于大数据释放出最大的能量,就必须有强大的硬件计算平台做支撑。目前我们可用的硬件平台架构主要是CPU、GPU、FPGA和ASIC这几种。

如果单从计算性能和效率、功率和面积来看,专用的ASIC肯定是最佳选择。不过处于发展初期的AI,其算法总是在快速迭代和变化之中,在无法形成大规模稳定应用之前,将算法固化在ASIC中,而没有任何灵活性,将意味着巨大的成本和风险。

赛灵思一直是业界主要的 ADAS 传感器方案供应商之一。比如,在前置摄像头方面我们拥有超过 38% 的市场份额。ADAS 系统正在不断的发展和进化,随着 NCAP 等政策法规和标准的推动之下,汽车正从辅助驾驶向自动驾驶过渡,这一趋势就要求更好的相机分辨率、更低的 LiDAR 成本以及响应更迅速,计算能力更强大的信号处理芯片。另外,机器学习以及 AI 的发展将大大加速自动驾驶技术的成熟。赛灵思的 FPGA/SoC 在数据预处理、路径规划、传感器融合和计算加速方面有着得天独厚的优势,因此,基于赛灵思的技术将能帮助机器学习及 AI 更快地部署在汽车应用中,成为构建安全自动驾驶汽车的重要组成部分。

在本次直播课程当中,我们将向您详细讲解及演示基于赛灵思的加速方案是如何帮助客户实现从传统 ADAS 方案演变为更多基于机器学习和 AI 的自动驾驶的。

时间:2018年7月24日 | 10:30 - 12:00

立即注册: http://live.vhall.com/253268368 ,了解赛灵思 SoC 将如何加速 AI 在汽车应用当中的部署

专 家 介 绍:

在线直播:如何在云加速应用中集成 AI 功能

FPGA 用作高度自适应和高效加速器已经成为大势所趋,亚马逊AWS,阿里云和百度云等全球最大公有云已经开始部署 FPGA 云服务,用以加速视频和图像处理、数据分析、基因组学、安全和金融计算等应用。机器学习可以为部署在云端的这些应用提供新功能。赛灵思 FPGA 提供了将这些 AI 功能集成到云上应用的加速方案,因为在执行 CNN,LSTM,或者 MLP 网络模型的推断任务的时候,赛灵思 FPGA 可以提供更高的性能、效率和灵活性。

通过本次网络研讨会,您将了解到赛灵思最新发布的机器学习套件 (Xilinx ML Suite),以及如何在该套件上运行 CNN 加速器。

时间:2018年6月21日 | 10:00 - 12:00
报名链接: http://live.vhall.com/237325936

专家介绍:

王晓群 | 赛灵思公司数据中心专家

边缘计算(Edge Computing)有助于降低传统云端架构的运算负荷、提升边缘端的数据与数据处理能力,而传统架构的改变除大幅提升运算效率以及数据应用之外,更有机会进一步落实AI与5G等新兴技术发展,因此在2017年成为市场中热门技术议题,拓墣产业研究院预估,2018年至2022年全球边缘计算相关市场规模的年复合成长率(CAGR)将超过30%。

拓墣产业研究院分析师刘耕睿指出,过往传统云端架构引领运算市场多年,并带动云端储存、大数据分析等新商机的崛起,但随着更大量、更实时的运算需求兴起,传统云端架构已逐渐无法负荷未来需求;边缘计算则是在如现场端装置、网关等边缘端,融合网络、运算、存储、自我管理等能力,并建立分布式架构,有助于实现设备于现场端的实时反应,并提升数据收集与进阶应用的效率,更能降低过往传统架构所造成的成本消耗。

标准组织与供应链皆已积极布建生态系

由于边缘计算将对市场造成架构与实质应用上的改变,许多标准组织积极订定标准,包括欧洲电信组织ETSI的多重接取边缘计算(Multi-access Edge Computing,MEC)、OpenFog的开放雾运算(Fog Computing)、中国厂商华为所主导的边缘计算产业联盟,都积极且持续地释出参考架构与建立生态系。

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。

同步内容