多年來(lái)，計(jì)算機(jī)硬件一直是一個(gè)不太活躍的市場(chǎng)。占主導(dǎo)地位的x86微處理器架構(gòu)已經(jīng)達(dá)到了通過(guò)小型化可以實(shí)現(xiàn)的性能增益的極限，因此制造商主要關(guān)注將更多的內(nèi)核封裝到芯片中。

對(duì)于快速發(fā)展的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)來(lái)說(shuō)，GPU就是救星。GPU最初是為圖形處理設(shè)計(jì)的，它可以有數(shù)千個(gè)小內(nèi)核，非常適合AI訓(xùn)練所需的并行處理能力。

人工智能的本質(zhì)是得益于并行處理，大約10年前，人們發(fā)現(xiàn)，設(shè)計(jì)用于在屏幕上顯示像素的GPU很適合這一點(diǎn)，因?yàn)樗鼈兪遣⑿刑幚硪?，可以在其中放入很多核心?

這對(duì)英偉達(dá)公司來(lái)說(shuō)是個(gè)好消息，該企業(yè)的市值從2015年的不到180億美元飆升至去年市場(chǎng)收縮之前的7350億美元。直到最近，該企業(yè)還幾乎獨(dú)攬了整個(gè)市場(chǎng)。但許多競(jìng)爭(zhēng)對(duì)手正試圖改變這種局面。

在人工智能工作負(fù)載方面，到目前為止主要是英偉達(dá)的GPU，但用戶正在尋找可以將其提升到新水平的技術(shù)，隨著高性能計(jì)算和AI工作負(fù)載的不斷融合，我們將會(huì)看到更多種類(lèi)的加速器出現(xiàn)。

大型芯片制造商并沒(méi)有停滯不前。三年前，英特爾收購(gòu)了以色列芯片制造商哈瓦那實(shí)驗(yàn)室，并讓這家企業(yè)成為其人工智能開(kāi)發(fā)工作的重點(diǎn)。

哈瓦那去年春天推出的Gaudi2訓(xùn)練優(yōu)化處理器和Greco推理處理器，據(jù)稱(chēng)速度至少是英偉達(dá)旗艦處理器A100的兩倍。

今年3月，英偉達(dá)推出了擁有800億個(gè)晶體管的H100加速器GPU，并支持該公司的高速NVLink互連。它具有一個(gè)專(zhuān)用引擎，與上一代相比，它可以將自然語(yǔ)言處理中，使用的基于Transformer的模型的執(zhí)行速度提高六倍。最近使用MLPerf基準(zhǔn)的測(cè)試顯示，在大多數(shù)深度學(xué)習(xí)測(cè)試中，H100優(yōu)于Gaudi2。英偉達(dá)也被認(rèn)為在其軟件堆棧中具有優(yōu)勢(shì)。

隨著互聯(lián)網(wǎng)的興起和發(fā)展，帶動(dòng)了新一輪的科技創(chuàng)新，自動(dòng)化生產(chǎn)、機(jī)器人技術(shù)、信息技術(shù)等得到長(zhǎng)足發(fā)展，并逐漸影響著人們的衣食住行。 世界主要發(fā)達(dá)國(guó)家也已經(jīng)把發(fā)展人工智能上升到國(guó)家的戰(zhàn)略。

2011年，美國(guó)制定了《國(guó)家機(jī)器人計(jì)劃》以“建立美國(guó)在下一代機(jī)器人技術(shù)及應(yīng)用方面的領(lǐng)先地位”。

2013年，美國(guó)白宮成立人工智能和機(jī)器學(xué)習(xí)委員會(huì)，負(fù)責(zé)協(xié)調(diào)全美各界在人工智能領(lǐng)域的行動(dòng)，探討制定人工智能相關(guān)政策和法律;2016年10月又連續(xù)發(fā)布《為人工智能的未來(lái)做好準(zhǔn)備》和《國(guó)家人工智能研究和發(fā)展戰(zhàn)略規(guī)劃》兩份報(bào)告，將人工智能上升到國(guó)家戰(zhàn)略層面;2017年，制定了《國(guó)家機(jī)器人計(jì)劃2.0》，決定劃撥專(zhuān)項(xiàng)資金支持機(jī)器人科學(xué)與技術(shù)基礎(chǔ)研究;同年還發(fā)布了《人工智能與國(guó)家安全》和《人工智能未來(lái)法案》保證美國(guó)的人工智能技術(shù)的領(lǐng)先，并從政策上保證人工智能技術(shù)的發(fā)展;2018年，白宮召開(kāi)“人工智能峰會(huì)”，意在推動(dòng)機(jī)器人、算法和人工智能技術(shù)的快速部署。

2019年，美國(guó)總統(tǒng)特朗普簽署“美國(guó)人工智能倡議”行政命令，確保美國(guó)在人工智能相關(guān)領(lǐng)域保持研發(fā)優(yōu)勢(shì)。

在數(shù)字計(jì)算機(jī)中，當(dāng)運(yùn)行人工智能算法時(shí)浪費(fèi)的大量能量是由一個(gè)簡(jiǎn)單而普遍存在的設(shè)計(jì)缺陷造成的，它使每一次計(jì)算都變得低效。通常情況下，計(jì)算機(jī)的內(nèi)存，即保存計(jì)算過(guò)程中的數(shù)據(jù)和數(shù)值，被放置在遠(yuǎn)離處理器的主板上，而處理器是進(jìn)行計(jì)算的地方。

最近從斯坦福轉(zhuǎn)到了人工智能物聯(lián)網(wǎng)( (AIoT) )公司Aizip的萬(wàn)偉爾解釋說(shuō)，對(duì)于流經(jīng)處理器的信息來(lái)說(shuō)，"這有點(diǎn)像你花了8個(gè)小時(shí)的通勤時(shí)間，但你卻做了2個(gè)小時(shí)的工作。"

用新的一體式芯片來(lái)解決這個(gè)問(wèn)題，把內(nèi)存和計(jì)算放在同一個(gè)地方，方式很直接。它也更接近我們的大腦可能處理信息的方式，許多神經(jīng)科學(xué)家認(rèn)為我們大腦的計(jì)算是發(fā)生在神經(jīng)元群中，而記憶是在神經(jīng)元之間的突觸加強(qiáng)或減弱其連接時(shí)形成的。但問(wèn)題是：開(kāi)發(fā)這種設(shè)備絕非易事，因?yàn)槟壳暗挠洃浶问脚c處理器中的技術(shù)不兼容。

幾十年前，計(jì)算機(jī)科學(xué)家們開(kāi)發(fā)了這種創(chuàng)造新芯片的材料，這些芯片在存儲(chǔ)內(nèi)存的地方進(jìn)行計(jì)算，這種技術(shù)被稱(chēng)為內(nèi)存計(jì)算(compute-in-memory)。鑒于傳統(tǒng)的數(shù)字計(jì)算機(jī)性能還非常好，這些想法幾十年來(lái)被忽視了。

1964年，斯坦福大學(xué)的研究人員發(fā)現(xiàn)他們可以操縱某些被稱(chēng)為金屬氧化物的材料，以打開(kāi)和關(guān)閉其導(dǎo)電能力。這很重要，因?yàn)椴牧显趦煞N狀態(tài)之間切換的能力為傳統(tǒng)的記憶存儲(chǔ)提供了支柱。通常，在數(shù)字存儲(chǔ)器中，高電壓狀態(tài)對(duì)應(yīng)于1，而低電壓對(duì)應(yīng)于0。