订阅
纠错
加入自媒体

“新基建”下,人工智能有哪些“主线任务”?

2020-04-27 16:56
AiChinaTech
关注

当下,数字技术创新与实体经济的发展已然密不可分,2018年中国数字经济规模为31.3万亿元,占到GDP总产值比重的34.8%,预计2019年这一数字将达36亿元。高速发展的背后,是互联网、人工智能企业的技术投入与相关产业的应用落地。一批优秀的人工智能初创企业正在发力,如商汤科技、旷视科技、优必选科技、平安科技、极链科技等,AI+安防、AI+交通、AI+医疗、AI+视频、AI+金融等产业结合的快速商用化。数字经济高速发展的同时,国家战略层面也提出了更具发展目光的规划,即为经济社会的创新、协调、开放、共享发展提供底层具有乘数效应的战略性、网络型基础布局“新基建”。

“新基建”是以技术、产业驱动,具备集约高效、经济适用、智能绿色、安全可靠特征的一系列现代化基础设施体系的总称。2020年“新基建”这一词汇在多个国家级重要会议中被频繁提出,其建设核心主要涉及5G、大数据中心、人工智能、工业互联网、特高压、系能源汽车充电桩、高铁轨道交通这七大领域,建设内容细分涵盖了基础配套、平台建设、产业应用等多方面细节。以人工智能为例,主要建设方向包括:AI芯片底层硬件发展;通用智能计算平台搭建;智能感知处理交互能基础研发中心建设;人工智能创新发展试验区建设等。

任务一:加大「AI芯片」开发力度

“新基建”|人工智能有哪些“主线任务”?

2019年世界人工智能大会上展出了包括华为、平头哥、依图、紫光展锐、寒武纪以及地平线在内的AI企业共10款芯片。随后阿里云栖大会上,平头哥又推出含光800AI芯片,此芯片是专为人工智能视觉场景二推出的高算力芯片,现场演示了:“在城市大脑中实时处理杭州主城区交通视频,需要40颗传统GPU,延时为300ms,使用含光800仅需4颗,延时降至150ms,成本仅为传统GPU的十分之一”。拿10亿张商品图片来进行识别对比,GPU算力识别需要1个小时,而含光800可以5分钟完成。

AI芯片和传统芯片在制作工艺上没有太大的差别,区别在于性能功效上,比如执行AI算法时AI芯片的效率会更高,CPU、GPU的算法效率低,对于商用而言仍有不足。AI芯片服务于AI算法,在图像识别、视频识别等领域常用的是CNN卷积网络,在语音识别方面主要是RNN,前后算法区别很大,但是本质上都是矩阵或vector的乘法、加法,然后配合一些除法、指数等算法。

在同一条件下执行AI算法时,拿IBM的POWER8(CPU)和谷歌TPU1(GPU)对比时,POWER8一秒钟的巅峰计算次数大约为64Gops,谷歌TPU1一秒钟的巅峰计算次数大约为90Tops。

AI芯片则会优于CPUGPU,含光800,在Rsenet50 v1条件下,含光800算力的峰值性能达到78563IPS;峰值能效达到500IPS/w。可等同于10颗GPU的算力。

现阶段,人工智能与其他产业间的结合应用逐渐成熟,算力需求与日俱增。为了匹配产业级、城市级的项目需求,AI芯片的需求逐渐显现。

1  2  3  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号