人工智能芯片发展前景研究（Part II）

作者： Emanuel TIMOR 、夏志进、Brian TOH、Tracy JIN

在人工智能芯片研究报告的第一部分中，我们分析了人工智能的驱动因素。第二部分，我们将探讨由人工智能主导的对算力的需求将如何推动这些趋势：

1）未来基于深度学习的神经网络算法的训练将会依赖更大量的数据集

2）这将会导致对计算性能的要求从一般应用转向基于神经网络的应用，即增加对高性能计算的需求

3）深度学习算法既是计算密集型的，又是内存密集型的，对处理器的性能要求极高

4）因此，一些 创业 公司研发新的人工智能优化芯片将会加速人工智能在各个领域的应用

深度学习将持续推动神经网络算法训练

人工智能算法的优化需要越来越多的数据集

对计算性能的要求将会从一般应用转向基于神经网络的应用

深度学习算法既是计算密集型的，又是内存密集型的

提高处理器的性能可以通过以下几种方式：矩阵乘法

神经网络的量化

图像处理

一些新的方法专注于图像处理和稀疏矩阵的特性，强调计算时输入和输出的通信

以及在内存架构中针对人工智能算法的优化和芯片的大规模并行计算能力

对芯片的选择取决取决于应用场景：即用于训练还是推断，云端还是终端亦或是两者的混合

行业巨头正在尝试不同的方案

延迟和场景化是边缘计算的关键驱动因素

展望未来，我们更可能会看到联合学习——一个多层次的基础设施，学习不仅发生在云端也发生在终端

这将会推动ASIC、FPGA和其他新兴类型的芯片组产量的增加

关键要点

完整版英文报告请关注“祥峰 投资 ”公众号并回复“ AI芯片2 ”获取。

文|Emanuel TIMOR 、夏志进、Brian TOH、Tracy JIN

来源|祥峰投资