智研咨询 - 产业信息门户

2017年中国人工智能异构计算行业参数及特点分析【图】

    当前实现完整人工智能计算的方式为CPU+AI芯片的不同架构芯片协同计算,即异构计算,AI芯片也被称为AI加速器或计算卡。异构计算指的是采用不同架构的处理器协同计算。人工智能芯片(CPU、ASIC、FPGA等)主要用来处理人工智能应用中的大量计算任务(其大规模并行计算能力优于CPU),其他非计算任务仍由CPU负责,因此AI芯片也被称为AI加速器或计算卡。

CPU+AI芯片的异构计算是AI计算的主要架构

数据来源:公开资料整理

    目前主要有3类芯片作为AI异构计算的加速卡(AI芯片):GPU(图形处理器)、FPGA(现场可编程逻辑阵列)、ASIC(专用集成电路)。CPU与这三类芯片在AI任务中的特性对比见下表。

AI异构计算中各芯片的特性对比

-
并行
计算
能力
深度学
习计算
速度
能耗
效率
优点
代表企业
特点
CPU
最慢
最高
最低
在计算和逻辑
运算方面全能
Intel、AMD
通用性强,AI任务除了计算还有其他任务,因此CPU仍然不可或缺
GPU
较高
在计算方面通
用性强
NVIDIA、
AMD
通用性强,软件开发环境好(NVIDIA的功劳),但功耗高于FPGA和ASIC
FPGA
硬件可编程,复
用性高
Xilinx,
Altera(已被
Intel收购)
由于其硬件可重新编程,对中小企业来说开发成本低,但软件开发环境弱于GPU
ASIC
最快
最低
电路根据需求
专门定制
Google
对于中小企业来说开发成本高,Google的TPU不对外出售,其他软件开发环境尚不完善

数据来源:公开资料整理

    2000年以后,科学计算、数值分析、金融分析等高性能运算(HPC)需求催生了CPU+GPU的异构计算。高性能计算(HPC,HighPerformanceComputing)包括科学计算、数值分析、金融分析、密码破解等,在2000年以后较快发展。HPC中需要的计算远多于其他逻辑指令,而GPU比CPU更加擅长大规模浮点计算,因此GPU被用来代替CPU进行通用计算。

GPU在高性能运算方面的性能远超CPU

数据来源:公开资料整理

    数据+计算力+算法逐步成熟,AI再次兴起,CPU+GPU/FPGA/ASIC的异构计算快速发展。

    英特尔预计,2016年到2020专注于AI的计算力或将会增加12倍。异构计算作为AI计算的主要方式,发展空间大。

    GA1、GN4、GN5、GN5i都是阿里云中的实例(可以理解为具体的云计算产品),用户可购买该实例(租赁该产品)用于深度学习和科学计算。GA1是阿里云采用AMDGPU的弹性计算GPU可视化实例(ECSGPU),于2017年初推出,更多侧重于图像处理和高性能计算(HPC)。GN4、GN5、GN5i采用NVIDIAGPU,适用于AI计算和科学计算,其中GN4、GN5均为上半年推出,GN5i为本次最新推出。

    下半年,阿里云还计划推出搭载目前性能最强V100(Volta架构,NVIDIAGPU的最新架构)的高性能GPU异构实例。

GN4、GN5异构计算平台参数和特点

数据来源:公开资料整理

GN4、GN5、GN5i异构计算平台采用的GPU参数和特点

数据来源:公开资料整理

    2014年已有应用AWSGPU进行神经网络的尝试,阿里云的GPU实例GA1为2017年2月推出,随后陆续发布了GN4、GN5等实例,发展迅速,预计将助力中国企业和院校在AI领域的研发和应用。

    相关报告:智研咨询发布的《2017-2023年中国人工智能市场分析预测及市场前景预测报告

本文采编:CY332

文章转载、引用说明:

智研咨询推崇信息资源共享,欢迎各大媒体和行研机构转载引用。但请遵守如下规则:

1.可全文转载,但不得恶意镜像。转载需注明来源(智研咨询)。

2.转载文章内容时不得进行删减或修改。图表和数据可以引用,但不能去除水印和数据来源。

如有违反以上规则,我们将保留追究法律责任的权力。

版权提示:

智研咨询倡导尊重与保护知识产权,对有明确来源的内容注明出处。如发现本站文章存在版权、稿酬或其它问题,烦请联系我们,我们将及时与您沟通处理。联系方式:gaojian@chyxx.com、010-60343812。

在线咨询
微信客服
微信扫码咨询客服
电话客服

咨询热线

400-700-9383
010-60343812
返回顶部
在线咨询
研究报告
商业计划书
项目可研
定制服务
返回顶部