人工智能時代，GPU迎來發(fā)展新契機

lopeztang · 發(fā)表于 2017-2-23 20:00

　　導(dǎo)讀：經(jīng)過這么多年發(fā)展，GPU已經(jīng)有著相當(dāng)規(guī)模的用戶群體，以及相對成熟的編程平臺和社區(qū)，這為GPU在人工智能時代的發(fā)展提供了堅實的支撐。

　　談到GPU，可能首先會想到電腦中的顯卡，然后想到全球最大的GPU芯片生產(chǎn)制造商NVIDIA（英偉達），細心的用戶可能已經(jīng)注意到，從今年5月到現(xiàn)在，英偉達公司的股票已經(jīng)從30美元漲到了95美元，7個月的時間漲了3倍。毫無疑問，經(jīng)過多年在圖形計算領(lǐng)域的深耕之后，英偉達及其GPU產(chǎn)品迎來了歷史最好的發(fā)展時機。

　　在剛過去的11月，IBM和NVIDIA已經(jīng)宣布將合作開發(fā)新的機器學(xué)習(xí)工具集IBM PowerAI，這是一款可以加速訓(xùn)練人工智能的系統(tǒng)，是一款能增強IBM Watson能力的軟件工具。該工具集采用的就是Power處理器和NVIDIA GPU混合硬件架構(gòu)。而在此之前，F(xiàn)acebook就已經(jīng)與NVIDIA就GPU展開合作，F(xiàn)acebook 也是首家將NVIDIA的GPU應(yīng)用于Big Sur人工智能平臺的企業(yè)，利用強大的 GPU 和大型數(shù)據(jù)集來打造和訓(xùn)練人工智能模型。此外，在近日召開的2016北京GTC大會上，百度人工智能首席科學(xué)家吳恩達也表示，百度將利用GPU進行規(guī)?；渴?，考慮用GPU重新設(shè)計整個數(shù)據(jù)中心，包括能源、散熱等。

　　在另一方面，作為CPU領(lǐng)域霸主的英特爾，今年也在持續(xù)調(diào)整戰(zhàn)略以適應(yīng)人工智能的發(fā)展需求。英特爾先是8月份完成了對Nervana Systems的收購，Nervana是人工智能ASIC芯片供應(yīng)商，收購Nervana被視為英特爾對抗NVIDIA在人工智能芯片凌厲攻勢的第一步。然后，英特爾拉上了IBM、谷歌與微軟一起計劃組建下一代人工智能硬件聯(lián)盟。而在英特爾收購Altera和Nervana之后，其手中已經(jīng)有了CPU、FPGA以及ASIC三大產(chǎn)品線來對抗GPU，英特爾正在通過將這些架構(gòu)融合來阻止不斷擴張的GPU市場，為自己的人工智能芯片戰(zhàn)略打開一個突破口。然而對英特爾來說，在與GPU的爭奪戰(zhàn)中，現(xiàn)實依然非常殘酷。

　　從互聯(lián)網(wǎng)時代開始，IT經(jīng)歷了Wintel聯(lián)盟近30年的洗禮，讓谷歌和IBM這些巨頭都認識到打造一個屬于自己的產(chǎn)業(yè)生態(tài)圈的重要性。正因如此，對人工智能芯片及硬件產(chǎn)業(yè)主導(dǎo)權(quán)的爭奪，任何一家巨頭都不可能輕易的拱手讓人。因此，除了與英特爾一同計劃組建下一代人工智能硬件聯(lián)盟之外，谷歌、微軟和IBM也在進行著各自的產(chǎn)業(yè)布局。

　　微軟主要采用的方式是利用專門設(shè)計的FPGA硬件來支撐起Azure云，以實現(xiàn)集群計算和學(xué)習(xí)能力。但問題在于，微軟作為一家軟件廠商試圖避開日趨成熟的GPU產(chǎn)品而選擇用自己研發(fā)的FPGA產(chǎn)品支撐人工智能應(yīng)用，姑且不論計算能力上是否能夠滿足越來越復(fù)雜人工智能計算任務(wù)需求，但僅就編程難度而言，在FPGA上進行編程的復(fù)雜性要遠遠高于擁有廣泛用戶群體且開發(fā)環(huán)境較為成熟的GPU平臺。

　　今年5月，Google宣布為人工智能研發(fā)專用芯片TPU，這是一種專為深層類神經(jīng)網(wǎng)路設(shè)計的特殊IC，以ASIC架構(gòu)為基礎(chǔ)，透過對大量數(shù)據(jù)的分析，借由神經(jīng)網(wǎng)絡(luò)實現(xiàn)辨別物體、識別照片中的人臉、語音識別及文字翻譯功能。TPU專為機器學(xué)習(xí)而設(shè)計，其計算精度要比傳統(tǒng)的CPU、GPU稍低，谷歌宣布研發(fā)人工智能芯片TPU，其主要的目的是為了配合去年推出的第二代深度學(xué)習(xí)系統(tǒng)TensorFlow，希望借此構(gòu)建一個從硬件到軟件的人工智能生態(tài)圈。TensorFlow是一個完全開源免費系統(tǒng)，使用TensorFlow編寫的代碼或程序能在異構(gòu)的平臺上通用，上到大規(guī)模分布式系統(tǒng)，下到常見的手機和平板，都可以運行。而且在平臺遷移時，需要重寫代碼量非常?。粡难芯渴业哪Ｐ驮囼灥疆a(chǎn)品開發(fā)者的產(chǎn)品部署，代碼無縫銜接也無需更改。

　　我認為，谷歌結(jié)合TensorFlow推出TPU，可能會對GPU的市場發(fā)展帶來一定壓力，但就目前的GPU整體發(fā)展形勢不構(gòu)成太大威脅。當(dāng)然，如果谷歌布局順利，未來的人工智能芯片領(lǐng)域可能會形成類似于今天安卓和IOS對抗的格局，但TPU完全替代GPU成為人工智能主流芯片的可能性很低。

　　對于IBM，我認為IBM未來更多的是選擇與NVIDIA就GPU展開合作，以整體解決方案的形式來強化GPU和CPU之間的優(yōu)化與協(xié)作。自2004年IBM將PC賣給聯(lián)想，這些年IBM已經(jīng)逐漸淡出了硬件業(yè)務(wù)的布局，而且非核心的硬件產(chǎn)品悉數(shù)賣出，只保留了Power產(chǎn)品及高端存儲等核心硬件產(chǎn)品，如果為了布局人工智能芯片而重新研發(fā)新的GPU，不但周期太長、投入成本高，而且不太容易實現(xiàn)。因此就目前的而言，以Waston為核心，融合GPU的計算能力來布局人工智能市場才是IBM當(dāng)前最好的選擇。

　　總結(jié)

　　我認為，不管是AISC、FPGA，還是CPU，或者是這些不同類型芯片之間的架構(gòu)融合或集成，都不足以對目前GPU在人工智能領(lǐng)域的發(fā)展勢頭構(gòu)成太大的威脅。經(jīng)過這么多年的發(fā)展，GPU已經(jīng)不再是傳統(tǒng)意義上的圖形處理器。在很多科研以及高性能計算領(lǐng)域，GPU已經(jīng)得到了非常廣泛的應(yīng)用，GPU并行計算架構(gòu)特別適合于大規(guī)模并行運算，可以平行處理大量瑣碎的信息。百度首席科學(xué)家吳恩達也曾表示，“在深度學(xué)習(xí)的算法研究中，99%的計算工作都可以類比成將不同的矩陣進行相乘或者矩陣和向量進行相乘，而這類計算十分適合GPU來完成。”更為重要的是，經(jīng)過這么多年發(fā)展，GPU已經(jīng)有著相當(dāng)規(guī)模的用戶群體，以及相對成熟的編程平臺和社區(qū)，這都為GPU在人工智能時代的發(fā)展提供了堅實支撐。

› 綜合交流 / 資源分享區(qū) › 綜合交流大區(qū)

人工智能時代，GPU迎來發(fā)展新契機

人工智能時代，GPU迎來發(fā)展新契機

人工智能時代，GPU迎來發(fā)展新契機

人工智能時代，GPU迎來發(fā)展新契機