找回密碼 或 安全提問
 註冊
|註冊|登錄

伊莉討論區

搜索
請尊重及感激所有版主付出和奉獻尊貴會員無限使用任何功能認識好友、聊天,分享生活趣事
無碼流出鬼父進擊的巨ntr母乳鬼滅之刃
mide 565bright p動物派隊后宮庄園寢て痴漢囮捜内射

休閒聊天興趣交流學術文化旅遊交流飲食交流家庭事務PC GAMETV GAME
熱門線上其他線上感情感性寵物交流家族門派動漫交流貼圖分享BL/GL
音樂世界影視娛樂女性頻道潮流資訊BT下載區GB下載區下載分享短片
電腦資訊數碼產品手機交流交易廣場網站事務長篇小說體育運動時事經濟
上班一族博彩娛樂

[繁]葬送的芙莉蓮26-

[繁]秒殺外掛太強了,

[簡]為了在異世界也能

余家儀 衣服直接滑下

[繁]香格里拉・開拓異

[繁]反派千金等級99~
時事討論明星新聞討論有趣新聞企業家管理交流金融財經、投資交流房地產討論股票討論基金保險
外幣投資租屋資訊環境保護問題探討食物衛生及用品安全軍事討論
查看: 863|回復: 0

[產業動態] [AI晶片發展前景看好 然重重挑戰亦不可不慎][DIGITIMES][2018-09-19][複製鏈接]

Rank: 3Rank: 3Rank: 3

帖子
1728
積分
1040 點
潛水值
48251 米
發表於 2018-9-19 03:43 PM|顯示全部樓層
於7月時舉辦的SEMICON West AI設計論壇上,半導體業界人士紛紛表達對人工智慧(AI)未來發展看法,相信將為半導體元件開啟一個新世代,並創造許多新商機,但同時也可能面臨諸多挑戰。

如IBM認知解決方案暨IBM研究(Cognitive Solutions and IBM Research)副總裁John E. Kelly III博士表示,我們正迎來一個新的運算世代,其規模將使得前一個世代相形見拙,可望徹底改變既有商業及工業運作,甚至是所有人的生活模式;這將是個推動半導體產業發展的重要世代,未來商機無限。

對國際半導體產業協會(SEMI)總裁暨執行長Ajit Manocha來說,AI將使半導體產業「重生」。他認為AI正在改變一切,並讓半導體重新成為人們關注焦點。基於新半導體架構及運算平台的AI潛在市場規模高達數以百計的皆位元組(zettabyte;ZB)及數兆美元;而要成功推動AI半導體市場將需要一系列創新的新材料、設備以及設計方法。

應用材料(Applied Materials)執行長Gary Dickerson則表示,AI必須在邊緣及雲端上有所創新,包括在邊緣的數據產生、儲存以及處理,才能彰顯其價值。他指出,過去18個月以來,產業投資在晶片新創公司的資金更甚於過去18年來的總和。

除了英特爾(Intel)及高通(Qualcomm)等傳統IC製造商積極投入AI晶片研發外,有超過45家新創公司都投入研發新AI晶片,光是創投公司的投資就超過15億美元,其中有至少5家融資規模超過1億美元。此外,包括Google、Facebook、微軟(Microsoft)、亞馬遜(Amazon)、百度及阿里巴巴等科技大廠也紛紛投入研發自家AI晶片。

Dickerson認為,若在AI晶片技術上能夠領先競爭對手12個月以上,轉換為市場商機可達1,000億美元,因此,在應材內部追求的是每分每秒的進步,因為一旦落後幾分鐘、幾天或是幾個月,損失的規模都相當可觀。

Kelly博士則表示,在既有的15億美元至20億美元資訊科技產業外,還要加上AI的2兆美元決策支援商機;這也意謂著,基本上世界上所有產業都將受到AI技術的衝擊及改變。

據IBM Research旗下Almaden Lab副總裁Jeff Welser博士此前表示,AI之所以迎來爆發性成長,主要是受到處理大量非結構性資料的需求所推動。他舉例指出,如今只需兩天時間,就能夠產生截至2003年為止人類史上所產生的所有資料總和;預計到2020年時,全世界將產生超過50ZB的資料量,即50後面再加上21個零。

不過,這些資料中有高達8成都屬於非結構性,且成長速度要比結構性資料快上15倍。他指出,這些非結構性資料包括語音數據、社群網站資料,參雜著一堆影像、視訊、音訊及非結構性的文字等;另外還要加上物聯網(IoT)感測裝置所蒐集的資料。

有許多方式可對上述這些資料進行壓縮。中央處理器(CPU)適用於處理結構性浮點(floating point)數據,而圖形處理器(GPU)則在AI應用上表現更佳,但這不表示不能將傳統CPU用於處理AI應用。據路透(Reuters)報導,英特爾資料中心負責人Navin Shenoy曾表示,該公司已成功修改CPU,並在過去7年的AI訓練中讓效率提升200倍之多;這也為該公司的Xeon處理器在2017年創下10億美元銷售額的佳績。

事實上,AI客製化硬體並不是什麼新鮮事,如Google於2016年推出的Tensor Processing Unit(TPU)便是個特殊應用IC(ASIC)晶片,專用於機器學習應用,讓晶片更能容忍降低的運算精準、即每次運作所需的電晶體更少。

不過,當2008~2009年GPU推出後,市場發現除了預期的圖像處理應用外,GPU在神經網路所需的數學運算處理上表現更佳;自此,用於AI運算的不同GPU架構便如雨後春筍般冒出。

但無論是CPU、GPU、ASIC或可程式化邏輯閘陣列(FPGA)等,現有技術面臨的問題是,所需的預期處理能力與現有可用處理能力間仍有很大的差距,據Dickerson認為,兩者間的每瓦性能差距高達1,000倍,而這是目前業界正積極克服的問題之一。不僅要降低資料中心AI處理器的能源消耗,同時也要減少如汽車及保安等必須即時做出決策的行動應用能耗。因此,可能必須依據不同需求來制定不同類別的AI晶片。

應材市場情報主管Sundeep Bajikar表示,為解決處理器到記憶體接入以及寬頻瓶頸問題,將產生新的AI記憶體架構,並最終可望促成邏輯及記憶體製造程序技術的融合。IBM的TrueNorth推論晶片便是一例,其架構可讓每個神經元(neuron)接入專屬本地記憶,而不須在晶片外存儲記憶。

他指出,包括ReRAM、FE-RAM及MRAM等新記憶體裝置可催化以記憶為中心運算領域的創新。過去將高性能邏輯處理技術與高性能記憶體分拆的傳統途徑,在低精度運算的新AI世界可能不再那麼適用。
...
瀏覽完整內容,請先 註冊登入會員

使用道具檢舉

您需要登錄後才可以回帖 登錄 | 註冊

Powered by Discuz!

© Comsenz Inc.

重要聲明:本討論區是以即時上載留言的方式運作,對所有留言的真實性、完整性及立場等,不負任何法律責任。而一切留言之言論只代表留言者個人意見,並非本網站之立場,用戶不應信賴內容,並應自行判斷內容之真實性。於有關情形下,用戶應尋求專業意見(如涉及醫療、法律或投資等問題)。 由於本討論區受到「即時上載留言」運作方式所規限,故不能完全監察所有留言,若讀者發現有留言出現問題,請聯絡我們。有權刪除任何留言及拒絕任何人士上載留言,同時亦有不刪除留言的權利。切勿上傳和撰寫 侵犯版權(未經授權)、粗言穢語、誹謗、渲染色情暴力或人身攻擊的言論,敬請自律。本網站保留一切法律權利。
回頂部