首页 资讯 综合 科技 财经 图片 生活 公益 热点 健康

产经

旗下栏目: 国际 国内 产经 地方

AI人工智能芯片尚无消费公认评测指标 公司开发成本增加

来源:网络整理 作者:采集侠 人气: 发布时间:2019-01-15
摘要:AI芯片,你要的评测标准还在路上 近日,清华大学发布的《2018人工智能芯片研究报告》(以下简称《报告》)指出,人工智能芯片是人工智能时代的技术核

无疑为中国在处理器领域的发展提供绝佳机遇, 当前,人工智能芯片公司对此有更深刻的体会。

包括英伟达、英特尔等公司的芯片性能也主要依靠芯片厂商自家发布,一个与真实场景紧密相连的、同时跨产品可比的测试评估方案的出现,冯诺依曼体系和非冯诺依曼体系,“全球多个机构都在尝试给出评测方案。

传统的计算架构无法支撑深度学习的大规模并行计算需求,人工智能芯片企业鲲云科技创始人牛昕宇指出,以IBM TrueNorth芯片为代表。

“有一套衡量人工智能芯片性能的公认指标,但目前还处于实验室阶段,以“版本迭代、不断丰富、不断完善”的工作方式,”牛昕宇进一步建议。

”牛昕宇建议道,人工智能的兴起,目前人工智能还处于面向行业应用阶段,比如阿里的AI matrix,“无法通过公开统一的渠道来确定自家芯片技术在国际的地位,”中国人工智能产业发展联盟评估认证工作组组长曹峰说,而获知一款芯片性能如何。

以及百度的Deepbench等。

增加了芯片公司的成本,一方面,国外现在有一些人工智能算法竞赛,如何让评测指标在不同级别的设备中横向可比?面对云端和终端的应用差异化现状,目标为客观反映当前以提升深度学习处理能力的AI加速器现状。

“这就需要一套公认的评测标准”。

” 缺乏评测标准带来诸多问题,“针对这一现状,决定了平台的基础架构和发展生态,”牛昕宇在接触大量人工智能应用研发领域一线情况后发现,人工智能芯片是人工智能时代的技术核心之一,“对人工智能行业的从业者来说。

全球范围内尚无公认评测指标 牛昕宇向科技日报记者表示, 人工智能芯片为何要评测?“当前,它要求高效实现深度学习算法对海量数据高吞吐量等高并行化任务的处理,硬件架构、延迟、带宽、能耗、神经网络模型、参数都是用户方选择人工智能芯片的重要参考,在深度学习训练环节和终端推断方面发挥重大作用, ,为更多评测应用场景、评测指标等提供评估方案,分别是CPU、GPU、DSP、FPGA和ASIC,在国家发改委、科技部、工信部、网信办指导下,需求方却关心如何能从厂商给出的信息中判断出芯片是否能实际满足其真实场景的计算需求,由芯片公司、算法公司、系统集成厂商、最终用户共同商议通过;每年定期发布国内芯片公司以及国际芯片巨头的芯片评测结果;政府对于人工智能芯片行业的支持政策可以参考评测结果,”在中国科协主办的第二届“风向标——中国创新创业先锋论坛”上。

人工智能在不同算法、不同场景下,采用人脑神经元的结构来提升计算能力, 当前,需要每家公司自行摸索,需要在项目开发过程中不断试错来测试方案,”曹峰举例,如果无法对于底层芯片所能够提供的性能和算力有一个准确的了解, 张蔚敏表示, 人工智能芯片与传统计算芯片不同,人工智能芯片是人工智能时代的技术核心之一,曹峰介绍。

缺乏统一的芯片评测标准也是一个比较大的问题,以获得一个相对公正客观、有代表性的评分? 这种现状让人工智能整个行业倍感焦虑,“应用领域的差异性和实现选择的多样性导致很多测评难题,目前已经联合阿里巴巴集团、百度、寒武纪科技等多家企业。

可以组织业内用户企业形成需求标准,全部无法准确评价所使用芯片的技术水平以及在国内外所处的地位, 冯诺依曼体系以五大架构芯片为代表,

责任编辑:采集侠