美國開放人工智能研究中央（OpenAI）首席執行官山姆奧特曼等人以為，人工智能（AI）將從基本上變更世運彩購買限制界經濟，擁有強盛的算計芯片供給才幹至關主要。芯片是推動AI行業發展的主要因素，其功能和運算才幹直接陰礙著AI專業的先進和應用前景。
英國《天然》雜志網站在近日的報道中指出，工程師正競相開闢包含有圖形處理單元（GPU）等在內的尖端芯片，以知足未來AI的算計需求。
GPU加速機械吸取運算速度
GPU是英偉達公司標志性的算計機芯片。傳統中心處理單元（CPU）按次序處理指令，而GPU可并行處理更多指令，因此可分布式培訓程序，從而大大加速機械運彩 退費吸取的運算速度。
2024年，英偉達公司Hopper超級芯片在MLPerf上擊敗了包含有圖像分類和語音辨別在內所有種別的競爭對手。MLPerf是國際上最權威、最有陰礙力的AI基準測試之一，被譽為AI界奧運會。
本年3月，英偉達正式呈現了功能更優異的新一代AI芯片Blackell。它擁有2080億個晶體管，是英偉達首個采用多芯片封裝設計的GPU。跟著專業發展，GPU變得越來越大，假如不能更大，就把更多GPU組合在一起，變成更大的虛擬GPU。Blackell便是在同一個芯片上集成了兩個GPU，新架構將通過芯片與芯片間的連結專業，一步步構建出更大型AI超算集群。
假如要培訓一個擁有18萬億個參數的GPT模子，需要8000塊Hopper芯片，耗能15兆瓦，歷時3個月。假如採用Blackell芯片，只需2024塊，耗能4兆瓦，就能在同樣的時間內完工任務。
AI芯片市場連續增長，英偉達現在供給了此中80%以上的產品。2024年，該公司售出55萬塊Hopper芯片。近日，該公司市值首次突破3萬億美元，超越蘋果，僅次于微軟，成為環球市值第二高的公司。
多種芯片競相涌現
盡管GPU一直是AI革命的要點，但它們并非是唯一主角。跟著AI應用的激增，AI芯片的種類也在激增，現場可編程門陣列（FPGA）可謂一枝獨秀。
FPGA是一種在算計和數字電路領域廣泛應用的硬件設施。它以獨特的可編程性和敏捷性，成為嵌入式系統、高功能算計處理等多種應用的夢想選擇。
這就像搭建樂高積木，工程師可將FPGA電路一個接一個地構建到他們能想象的任何設計中，無論是洗衣機傳感器還是用于率領自動駕駛汽車的AI。不過，與擁有不可調節電路的AI芯片（如GPU）比擬，FPGA運行速度相對更慢、效率更低。但FPGA對處理某些任務（如粒子對撞機產生的數據）很有用。英偉達加快算計集團產品營銷總監戴維薩爾瓦托指出，FPGA的易編程性也對原型設計很有協助。
張量處理單元（TPU）則是google公司專為神經網絡機械吸取而定制的芯片，旨在執行矩陣算計和張量操縱。TPU作為google深度吸取框架TensorFlo的加快器于2024年首次推出，其設計目標是提供低功耗、高機能的矩陣運算，以知足大規模機械吸取和神經網絡培訓的需求。TPU在功能與能效之間贏得了優良均衡。它們的功耗相對較低，這對于大規模數據中央和在挪動設施上的應用至關主要。
此外，元宇宙平臺也在獨立開闢自己的芯片。google、英特爾和高通成立了UXL基金會，用以開闢一套支援多種AI加快器芯片的軟件和工具，以此對立英偉達的GPU。
當然，GPU等AI芯片的興起并不意味著傳統CPU的終結，兩者互相取長補短已成大勢所趨。例如，有一個版本的Blackell芯片就讓GPU與CPU攜手；世界上最強盛的超級算計機之一、位于美國田納西州橡樹嶺國家實驗室的前沿也依賴CPU和GPU的結合，來執行高功能算計。
考慮到過去十年芯片領域翻天覆地的運彩購買平台變化，工程師們可能很難預計芯片的未來。將來可能會研制出採用光而非電子的光學芯片，或量子算計芯片，而進一步提拔芯片功能，將加快AI在科學領域的應用。
美國開放人工智能研究中央（OpenAI）首席執行官山姆奧特曼等人以為，人工智能（AI）將從基本上變更世界經濟，擁有強盛的算計芯片供給才幹至關主要。芯片是推動AI行業發展的主要因素，其功能和運算才幹直接陰礙著AI專業的先進和應用前景。
英國《天然》雜志網站在近日的報道中指出，工程師正競相開闢包含有圖形處理單元（GPU）等在內的尖端芯片，以知足未來AI的算計需求。
GPU加速機械吸取運算速度
GPU是英偉達公司標志性的算計機芯片。傳統中心處理單元（CPU）按次序處理指令，而GPU可并行處理更多指令，因此可分布式培訓程序，從而大大加速機械吸取的運算速度。
2024年，英偉達公司Hopper超級芯片在MLPerf上擊敗了包含有圖像分類和語音辨別在內所有種別的競爭對手。MLPerf是國際上最權威、最有陰礙力的AI基準測試之一，被譽為AI界奧運會。
本年3月，英偉達正式呈現了功能更優異的新一代AI芯片Blackell。它擁有2080億個晶體管，是英偉達首個采用多芯片封裝設計的GPU。跟著專業發展，GPU變得越來越大，假如不能更大，就把更多GPU組合在一起，變成更大的虛擬GPU。Blackell便是在同一個芯片上集成了兩個GPU，新架構將通過芯片與芯片間的連結專業，一步步構建出更大型AI超算集群。
假如要培訓一個擁有18萬億個參數的GPT模子，需要8000塊Hopper芯片，耗能15兆瓦，歷時3個月。假如採用Blackell芯片，只需2024塊，耗能4兆瓦，就能在同樣的時間內完工任務。
AI芯片市場連續增長，英偉達現在供給了此中80%以上的產品。2024年，該公司售出55萬塊Hopper芯片。近日，該公司市值首次突破3萬億美元，超越蘋果，僅次于微軟，成為環球市值第二高的公司。
多種芯片競相涌現
盡管GPU一直是AI革命的要點，但它們并非是唯一主角。跟著AI應用的激增，AI芯片的種類也在激增，現場可編程門陣列（FPGA）可謂一枝獨秀。
FPGA是一種在算計和數字電路領域廣泛應用的硬件設施。它以獨特的可編程性和敏捷性，成為嵌入式系統、高功能算計處理等多種應用的夢想選擇。
這就像搭建樂高積木，工程師可將FPGA電路一個接一個地構建到他們能想象的任何設計中，無論是洗衣機傳感器還是用于率領自動駕駛汽車的AI。不過，與擁有不可調節電路的AI芯片（如GPU）比擬，FPGA運行速度相對更慢、效率更低。但FPGA對處理某些任務（如粒子對撞機產生的數據）很有用。英偉達加快算計集團產品營銷總監戴維薩爾瓦托指出，FPGA的易編程性也對原型設計很有協助。
張量處理單元（TPU）則是google公司專為神經網絡機械吸取而定制的芯片，旨在執行矩陣算計和張量操縱。TPU作為google深度吸取框架TensorFlo的加快器于2024年首次推出，其設計目標是提供低功耗、高機能的矩陣運算，以知足大規模機械吸取和神經網絡培訓的需求。TPU在功能與能效之間贏得了優良均衡。它們的功耗相對較低，這對于大規模數據中央和在挪動設施上的應用至關主要。
此外，元宇宙平臺也在獨立開闢自己的芯片。google、英特爾和高通成立了UXL基金會運彩技巧，用以開闢一套支援多種AI加快器芯片的軟件和工具，以此對立英偉達的GPU。
當然，GPU等AI芯片的興起并不意味著傳統CPU的終結，兩者互相取長補短已成大勢所趨。例如，有一個版本的Blackell芯片就讓GPU與CPU攜手；世界上最強盛的超級算計機之一、位于美國田納西州橡樹嶺國家實驗室的前沿也依賴CPU和GPU的結合，來執行高功能算計。
考慮到過去十年芯片領域翻天覆地的變化，工程師們可能很難預計芯片的未來。將來可能會研制出採用光而非電子的光學芯片，或量子算計芯片，而進一步提拔芯片功能，將加快AI在科學領域的應用。
