通過神經(jīng)形態(tài)計算平臺推進AI

人工智能是21世紀無人駕駛汽車，無人機，機器人技術(shù)和許多其他領(lǐng)域的基礎(chǔ)。基于硬件的加速對于這些以及其他基于AI的解決方案有效地完成其工作至關(guān)重要。

專用硬件平臺是AI，機器學習(ML)和深度學習在各個層次以及我們所生活的云到邊緣世界中每個任務(wù)的未來。

如果沒有經(jīng)過AI優(yōu)化的芯片組，諸如多因素身份驗證，計算機視覺，面部識別，語音識別，自然語言處理，數(shù)字助理等應(yīng)用程序?qū)⒎浅＞徛?，甚至可能毫無用處。人工智能市場需要用于生產(chǎn)中的人工智能應(yīng)用程序和研發(fā)界的硬件加速器，而這些研發(fā)人員仍在研究推動所有高級應(yīng)用程序所依賴的認知計算基礎(chǔ)發(fā)展所需的基礎(chǔ)模擬器，算法和電路優(yōu)化任務(wù)。

不同的芯片架構(gòu)應(yīng)對不同的AI挑戰(zhàn)

主導(dǎo)的AI芯片架構(gòu)包括圖形處理單元，張量處理單元，處理單元，現(xiàn)場可編程門陣列和專用集成電路。

但是，沒有一種“一刀切”的芯片可以滿足廣泛的使用案例和AI領(lǐng)域的驚人進步。同樣，沒有一種硬件基板可以滿足AI的生產(chǎn)用例和更新的AI方法和計算基板開發(fā)中各種研究需求。例如，請參閱我最近發(fā)表的有關(guān)研究人員如何將量子計算平臺用于實際ML應(yīng)用以及開發(fā)復(fù)雜的新量子體系結(jié)構(gòu)以處理各種復(fù)雜的AI工作負載的文章。

為了滿足各種新興需求，AI加速器芯片組的供應(yīng)商在建立全面的產(chǎn)品組合時面臨著巨大的挑戰(zhàn)。為了推動AI革命，他們的解決方案組合必須能夠做到以下幾點：

在跨邊緣設(shè)備，集線器/網(wǎng)關(guān)節(jié)點和云層的多層體系結(jié)構(gòu)中執(zhí)行AI模型。

當部署在邊緣設(shè)備上時，處理實時本地AI推理，自適應(yīng)本地學習和聯(lián)合培訓工作負載。

將各種AI加速器芯片組架構(gòu)整合到集成系統(tǒng)中，這些集成系統(tǒng)從云到邊緣以及在每個節(jié)點內(nèi)無縫地協(xié)同工作。