专业的人工智能计算芯片为开发人员带来了机遇与挑战 | 智能技术

发布日期:2019-08-19 10:00
当谈到人工智能的计算密集型领域时,硬件供应商正在恢复我们在摩尔定律高峰期享受的性能提升。增益来自新一代专用芯片,用于人工智能应用,如深度学习。但是,正在出现的支离破碎的微芯片市场将为开发商带来一些艰难的选择。 



人工智能芯片专业化的新时代开始于最初为游戏开发的图形处理单元(GPU)被部署用于深度学习等应用。使GPU成为逼真图像的相同架构也使它们能够比中央处理单元(CPU)更有效地处理数据。2007年,Nvidia发布了CUDA,这是一个以通用方式编程GPU的工具包,向前迈出了一大步。

人工智能研究人员需要在处理深度学习前所未有的计算要求时获得的所有优势。GPU处理能力迅速发展,最初设计用于渲染图像的芯片已经成为推动改变世界的人工智能研究和开发的主力军。Fortnite以每秒120帧的速度运行所需的许多线性代数例程正在为神经网络提供动力,这些网络是计算机视觉,自动语音识别和自然语言处理等尖端应用的核心。

现在,微芯片专业化的趋势正在变成军备竞赛。Gartner预计,人工智能的专业芯片销售额将在2019年翻一番,达到80亿美元左右,到2023年达到340亿美元以上。Nvidia的内部预测将数据中心GPU(几乎全部用于深度学习)的市场在同一时间内定为500亿美元。在接下来的五年中,我们将看到来自亚马逊,ARM,苹果,IBM,英特尔,谷歌,微软,Nvidia和高通的定制芯片的大量投资。混合中还有一些创业公司。CrunchBase 估计 AI芯片公司包括Cerebras,Graphcore,Groq,Mythic AI,SambaNova Systems和Wave Computing,共筹集了超过10亿美元。 

需要明确的是,专业的AI芯片既重要又受欢迎,因为它们是将尖端AI研究转化为实际应用的催化剂。然而,大量新的AI芯片,每一个都比下一个更快,更专业,也似乎是企业软件崛起的倒退。我们可以期待低价促销和软件专业化,旨在锁定开发人员与一家供应商合作。 

想象一下,如果15年前,云服务AWS,Azure,Box,Dropbox和GCP都会在12到18个月内上市。他们的任务是锁定尽可能多的企业,因为一旦你在一个平台上,就很难切换到另一个平台。这种类型的最终用户淘金热即将发生在AI领域,数百亿美元和无价的研究受到威胁。 

芯片制造商不会缺少承诺,其好处将是真实的。但对于AI开发人员而言,重要的是要了解需要新架构的新芯片可以使他们的产品更快地推向市场,即使性能更快。在大多数情况下,AI模型不会在不同的芯片制造商之间移植。开发人员非常了解采用更高级别的云API所带来的供应商锁定风险,但在过去,实际的计算基板已经标准化且同质化。在人工智能开发领域,这种情况将发生巨大变化。

很可能超过一半的芯片行业收入将很快由人工智能和深度学习应用程序驱动。就像软件产生更多软件一样,AI也会产生更多的AI。我们已经多次看到它:公司最初专注于一个问题,但最终解决了很多问题。例如,主要的汽车制造商正在努力将自动驾驶汽车引入道路,他们在深度学习和计算机视觉方面的前沿工作已经具有连锁效应; 该研究正在引领着福特的送货机器人等分支项目。

随着专门的AI芯片进入市场,目前的芯片巨头和主要云公司可能会达成独家优惠或收购表现最佳的创业公司。这种趋势将破坏AI市场,而不是统一它。人工智能开发人员现在可以做的就是了解将要发生的事情并计划他们如何权衡更快的芯片带来的好处以及构建新架构的成本。

Evan Sparks是Determined AI的首席执行官。他拥有加州大学伯克利分校的计算机科学博士学位,主要研究数据分析和机器学习的分布式系统。