第一阶段(2006年以前):在这一阶段,尚未出现突破性的人工智能算法,且能够获取的数据也较为有限,传统通用 CPU 已经能够完全满足当时的计算需要,学界和产业界均对人工智能芯片没有特殊需求,因此,人工智能芯片产业的发展一直较为缓慢。
第二阶段(2006—2010 年):在这一阶段,游戏、高清视频等行业快速发展,同时也助推了 GPU 产品的迭代升级。2006 年,GPU 厂商英伟达发布了统一计算设备架构(CUDA),早先让 GPU 具备了可 编程性,让 GPU 的核心流式处理器既具有处理像素、顶点、图形等渲染能力,又同时具备通用的单精度浮点处理能力,即令 GPU 既能做游戏和渲染,也能做并行度很高的通用计算,英伟达称之为 GPCPU。 统一计算设备架构推出后,GPU 编程更加易用便捷, 研究人员发现,GPU 所具有的并行计算特性比通用 CPU 的计算效率更高,更加适用于深度学习等人工 智能先进算法所需的“暴力计算”场景。在 GPU 的助力下,人工智能算法的运算效率可以提高几十倍,由此,研究人员开始大规模使用 GPU 开展人工智能领域的研究和应用。
第三阶段(2010—2015 年):2010 年之后,以云计算、大数据等为代表的新一代信息技术高速发展并逐渐开始普及,云端采用“CPU+GPU”混合计算模式使得研究人员开展人工智能所需的大规 模计算更加便捷高效,进一步推动了人工智能算法的演进和人工智能芯片的广泛使用,同时也促进了各种类型的人工智能芯片的研究与应用。
第四阶段(2016 年至今):2016 年,采 用 TPU 架构的谷歌旗下 DeepMind 公司研发的人工智能系统阿尔法围棋(AlphaGo)击败了世界冠军韩国棋手李世石,使得以深度学习为核心的人工智能 技术得到了全球范围内的很大关注。 此后,业界对于人工智能算力的要求越来越高,而 GPU 价格 昂贵、功耗高的缺点也使其在场景各异的应用环境中受到诸多限制,因此,研究人员开始研发专门针对人工智能算法进行优化的定制化芯片。大量人工智能芯片领域的初创公司在这一阶段涌现,传统互联网巨头也迅速入局该领域争夺市场,专用人工智能芯片呈现出百花齐放的格局,在应用领域、计算能力、能耗比等方面都有了非常大的提升。
以上便是IC展会小编为大家整理的相关内容,如果大家对这方面比较感兴趣,可以到IC展会参观交流。2022年5月24-26日,IC展会将于国家会展中心(上海)隆重开幕。届时,全球领先的700个电子制造专用设备供应商及品牌参展将空降上海,展示覆盖PCBA制程、3C自动化专用设备及技术解决方案,诚邀您莅临参观,为您解读更多行业发展新趋势。