人工智能時代，GPU迎來發(fā)展新契機(jī)

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(shí)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N(yùn)VIDIA（英偉達(dá)），細(xì)心的用戶可能已經(jīng)注意到，從今年5月到現(xiàn)在，英偉達(dá)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(dá)及其GPU產(chǎn)品迎來了歷史最好的發(fā)展時機(jī)。

　　在剛過去的11月，IBM和NVIDIA已經(jīng)宣布將合作開發(fā)新的機(jī)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(qiáng)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(qiáng)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(dá)也表示，百度將利用GPU進(jìn)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(kuò)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(shí)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(rèn)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(jìn)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(shí)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(jìn)行編程的復(fù)雜性要遠(yuǎn)遠(yuǎn)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(shí)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(jī)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(fèi)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(jī)和平板，都可以運(yùn)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(rèn)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(rèn)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(qiáng)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(shí)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(rèn)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(yùn)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(dá)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(jìn)行相乘或者矩陣和向量進(jìn)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(shí)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(jī)

人工智能時代，GPU迎來發(fā)展新契機(jī)

人工智能時代，GPU迎來發(fā)展新契機(jī)