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)字助理等應用程序?qū)⒎浅＞徛踔量赡芎翢o用處。人工智能市場需要用于生產(chǎn)中的人工智能應用程序和研發(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。

不同的芯片架構(gòu)應對不同的AI挑戰(zhàn)

主導的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應用以及開發(fā)復雜的新量子體系結(jié)構(gòu)以處理各種復雜的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。