扣逼自拍自拍亚洲,去色色av,欧美一级黄色视频色图,99热这里只有精品国产,又刺激又黄又好看的视频,亚洲bt区

隨著科技的發(fā)展，人工智能（AI）已經(jīng)逐漸滲透到我們生活的方方面面。從先進(jìn)的AI游戲到元宇宙的構(gòu)建，從自動(dòng)駕駛的實(shí)現(xiàn)到大數(shù)據(jù)中心的智能化運(yùn)營(yíng)，再到像ChatGPT這樣的大型語言模型的訓(xùn)練和AI generated content（AIGC）的應(yīng)用，AI的應(yīng)用場(chǎng)景正在以前所未有的速度和廣度拓展開來。然而，這些應(yīng)用的實(shí)現(xiàn)，都離不開強(qiáng)大的算力支持。

在PC時(shí)代，提升算力的的重點(diǎn)是提高CPU的主頻，于是雙核、多核異構(gòu)開始流行。從PC時(shí)代進(jìn)入到手機(jī)、平板等移動(dòng)終端時(shí)代，開始對(duì)于多媒體、圖形渲染提出了更高要求，于是GPU變得越來越重要。而相較于CPU，GPU的浮點(diǎn)運(yùn)算方式更加適合AI算法模型的計(jì)算。事實(shí)上，很多的AI應(yīng)用在早期的硬件基礎(chǔ)都是GPU，通過GPU來運(yùn)行多種通用的AI算法。

在早期的摩爾定律時(shí)代，AI普遍采用計(jì)算和存儲(chǔ)分離的馮諾依曼架構(gòu)，特點(diǎn)是低算力、低能耗比。那時(shí)英特爾、AMD、 ARM為代表的CPU芯片是集成電路皇冠上的明珠。隨著GPU、AI加速芯片如NPU等處理器的出現(xiàn)，后摩爾時(shí)代來臨，算力開始大幅度提升，但能耗比仍然較低。比如區(qū)塊鏈、數(shù)字貨幣的挖礦需求促進(jìn)了單一硬件加速器替代GPU。而到了今天，不管是自動(dòng)駕駛、元宇宙還是AIGC類應(yīng)用，使用GPU的成本已經(jīng)太高。AI廠商更傾向于自己設(shè)計(jì)ASIC芯片，采用專用的計(jì)算架構(gòu)，可以帶來幾倍，甚至幾十倍數(shù)量級(jí)別的能耗比。

AI中的深度學(xué)習(xí)需強(qiáng)大的并行處理能力，因此，AI處理器主要集中在GPU、FPGA、ASIC和NPU等，廠商也都在研發(fā)和升級(jí)這些處理器應(yīng)對(duì)挑戰(zhàn)。其中，GPU是當(dāng)前最主要的AI處理器。2021年上半年，中國(guó)AI芯片市場(chǎng)中，GPU占90%以上份額，ASIC、FPGA、NPU等占近10%，預(yù)計(jì)2025年占比會(huì)超過20%。

AI的應(yīng)用場(chǎng)景多種多樣，比如元宇宙、自動(dòng)駕駛以及AIGC等，針對(duì)不同的應(yīng)用需求，對(duì)于算力的需求也有所不同。

01

元宇宙中的GPU算力需求

作為一個(gè)虛擬的并行世界，元宇宙需要大量的算力來模擬現(xiàn)實(shí)世界的一切，包括環(huán)境、物體和人物等。AI技術(shù)能夠幫助元宇宙更加真實(shí)、智能地模擬現(xiàn)實(shí)，從而為用戶帶來更加沉浸式的體驗(yàn)。在元宇宙中，算力需求主要體現(xiàn)在圖形渲染、物理模擬、虛擬角色行為智能等方面。

元宇宙作為一種全新的虛擬世界，對(duì)算力的需求極高。從環(huán)境建設(shè)到角色交互，再到持續(xù)的世界運(yùn)轉(zhuǎn)，都需要強(qiáng)大的計(jì)算能力。有觀點(diǎn)認(rèn)為，元宇宙的最終理想形態(tài)，對(duì)算力資源的需求是近乎無限的。中國(guó)信息通信研究院云計(jì)算與大數(shù)據(jù)研究所所長(zhǎng)何寶宏就指出，元宇宙邁入虛擬和現(xiàn)實(shí)融合的3D互聯(lián)網(wǎng)時(shí)代，算力需求呈現(xiàn)指數(shù)級(jí)提升。相關(guān)預(yù)測(cè)顯示，按照元宇宙的構(gòu)想，至少需要現(xiàn)在算力的10的6次方倍。

元宇宙相關(guān)應(yīng)用有三大需求：渲染、物理特性計(jì)算與AI。GPU最初為圖形渲染設(shè)計(jì)，后發(fā)展為承擔(dān)科學(xué)計(jì)算和AI計(jì)算。GPU是元宇宙不可或缺的核心工具，需有巨大進(jìn)步才能實(shí)現(xiàn)真實(shí)、受歡迎的體驗(yàn)。英特爾首席架構(gòu)師Raja Koduri曾強(qiáng)調(diào)，計(jì)算能力需增加1000倍才能滿足元宇宙的需求。在2025年下一個(gè)十年，來自元宇宙的需求將推動(dòng)GPU在圖形+計(jì)算+AI+物理模擬方面的進(jìn)一步發(fā)展。GPU在元宇宙中將面臨更大爆發(fā)，市場(chǎng)相較十年前將呈百倍萬倍增長(zhǎng)。

02

自動(dòng)駕駛進(jìn)入2000TOPS內(nèi)卷時(shí)代

自動(dòng)駕駛算是目前比較成熟的商用落地AI應(yīng)用了。自動(dòng)駕駛技術(shù)的發(fā)展離不開高性能的計(jì)算能力，需要處理大量的傳感器數(shù)據(jù)，如激光雷達(dá)、攝像頭和雷達(dá)等，實(shí)現(xiàn)實(shí)時(shí)的目標(biāo)檢測(cè)、跟蹤和路徑規(guī)劃。此外，自動(dòng)駕駛還需要進(jìn)行實(shí)時(shí)的高精度地圖匹配、車輛控制和決策。這些應(yīng)用場(chǎng)景對(duì)算力的需求極高，以確保自動(dòng)駕駛系統(tǒng)的安全性和穩(wěn)定性。

自動(dòng)駕駛芯片已成為智能汽車核心，隨著自動(dòng)駕駛級(jí)別逐步提升和應(yīng)用功能的豐富，對(duì)芯片算力的要求也越來越高。目前，市場(chǎng)上主流自動(dòng)駕駛芯片多為SoC，架構(gòu)分為CPU＋GPU＋ASIC、CPU＋FPGA和CPU＋ASIC。長(zhǎng)期來看，定制化的低功耗、低成本ASIC將逐漸取代高功耗GPU。由于自動(dòng)駕駛算法廣泛運(yùn)用深度學(xué)習(xí)等AI算法，車端需要能進(jìn)行推理的AI芯片，云端需進(jìn)行大量數(shù)據(jù)訓(xùn)練的服務(wù)器芯片。目前，Mobileye、英偉達(dá)、特斯拉、高通等廠商在車載計(jì)算芯片方面居于市場(chǎng)前列，產(chǎn)品已廣泛應(yīng)用于中高端和新勢(shì)力車型。

曾幾何時(shí)，超過100TOPS的算力已經(jīng)算是比較高端的芯片了。而在英偉達(dá)和高通的“PPT”大戰(zhàn)下，整個(gè)自動(dòng)駕駛芯片行業(yè)正在加速內(nèi)卷，算力門檻一再飆升。目前，英偉達(dá)、高通發(fā)布算力超1000TOPS的 SoC，主用于自動(dòng)駕駛。英偉達(dá)推出1000TOPS DRIVE Atlan，后發(fā)展至2000TOPS Thor。高通推出Snapdragon Ride Flex，最高級(jí)版本算力達(dá)2000TOPS。異構(gòu)計(jì)算提高計(jì)算并行度和效率，典型代表為SoC芯片，如英偉達(dá)Thor，其高算力得益于Hopper GPU、Next-Gen GPU Ada Lovelace和Grace CPU。

在這么卷的情況下，也開始有不少?gòu)S商出來給這場(chǎng)算力競(jìng)爭(zhēng)降降溫了。在行業(yè)玩家都紛紛追求高算力的2022年，Mobileye今年推出的旗艦產(chǎn)品EyeQ Ultra卻只有176TOPS。Mobileye的CEO Ammon Shashua表示，“我們非常坦率地認(rèn)為TOPS是一個(gè)非常不充分的計(jì)算能力指標(biāo)，集成在EyeQ芯片中的計(jì)算模型非常復(fù)雜，遠(yuǎn)不是單一指標(biāo)能夠量化的”。

另如Tesla的FSD芯片，也還保持在144 TOPS的算力，但自動(dòng)駕駛的體驗(yàn)?zāi)壳笆菢I(yè)內(nèi)公認(rèn)的頭部位置。

國(guó)內(nèi)的自動(dòng)駕駛芯片代表廠商地平線也認(rèn)為，應(yīng)該更強(qiáng)調(diào)芯片的有效利用率而非只關(guān)注算力。地平線認(rèn)為，盡管競(jìng)品的AI芯片算力更高，但其算力的有效利用率上卻打了很大折扣，不同模型算法的有效利用率有很大差異。實(shí)際使用時(shí)就會(huì)有個(gè)很奇怪的現(xiàn)象，雖然芯片的TOPS很高，但實(shí)際模型跑在芯片上的效果并不好，這正是芯片有效利用率低的表現(xiàn)。

【廣告】

03

AIGC引發(fā)的算力需求激增

AIGC（AI generated content）即人工智能生成內(nèi)容，又稱為生成式AI。指利用人工智能技術(shù)來生成內(nèi)容, 其中包括文字、語音、代碼、圖像、視頻、機(jī)器人動(dòng)作等等。目前最火的AIGC應(yīng)用就是ChatGPT等大型語言模型，這類模型的訓(xùn)練和推理需要大量的計(jì)算資源，尤其是在訓(xùn)練階段，對(duì)GPU和其他高性能計(jì)算設(shè)備的需求極大。

ChatGPT火爆，標(biāo)志AIGC商業(yè)化啟動(dòng)，基于大型神經(jīng)網(wǎng)絡(luò)推動(dòng)AI深度發(fā)展，算力需求也同步激增。模型訓(xùn)練是核心挑戰(zhàn)，算法模型復(fù)雜度指數(shù)級(jí)增長(zhǎng)。以GPT3為例，1750億參數(shù)、1000億詞匯語料庫(kù)訓(xùn)練，需1000塊英偉達(dá)A100 GPU訓(xùn)練1個(gè)月。不到一年，萬億參數(shù)語言模型Switch Transformer問世。人工智能算力每?jī)蓚€(gè)月翻倍，供給水平影響AI創(chuàng)新及產(chǎn)業(yè)應(yīng)用落地。AI模型進(jìn)入萬億級(jí)時(shí)代，深度學(xué)習(xí)進(jìn)入大模型、大數(shù)據(jù)階段，算力需求每2年超過實(shí)際增長(zhǎng)速度375倍。

有報(bào)告稱，OpenAI為ChatGPT提供服務(wù)需要每天694444美元的運(yùn)營(yíng)成本和約3617臺(tái)HGX A100服務(wù)器。

ChatGPT基于Transformer技術(shù)，運(yùn)行需要大規(guī)模預(yù)訓(xùn)練和大量算力。這不僅推動(dòng)了AI底層芯片的需求，也拉動(dòng)了高端芯片的需求。隨著ChatGPT在各領(lǐng)域應(yīng)用的普及，如智能音箱、游戲NPC等，以及使用頻率的提高，對(duì)AI服務(wù)器的需求也在劇增。預(yù)計(jì)全球AI服務(wù)器市場(chǎng)將在2025年達(dá)到288億美元。

AI服務(wù)器主要為CPU+GPU形式，支持大規(guī)模神經(jīng)網(wǎng)絡(luò)模型，我國(guó)服務(wù)器廠商處于全球領(lǐng)先地位，市場(chǎng)規(guī)模增長(zhǎng)空間廣闊。近五年，國(guó)內(nèi)算力產(chǎn)業(yè)增速超30%，排名全球第二。已進(jìn)入超過1000TOPS算力時(shí)代，數(shù)據(jù)中心和超算是典型場(chǎng)景?！缎滦蛿?shù)據(jù)中心發(fā)展三年行動(dòng)計(jì)劃》指明，2023年底總算力規(guī)模將超200 EFLOPS，2025年超300 EFLOPS。超算中心正向Z級(jí)算力發(fā)展，E級(jí)計(jì)算是全球頂尖超算目標(biāo)。以美國(guó)橡樹嶺實(shí)驗(yàn)室Frontier超算中心為例，其雙精度浮點(diǎn)算力達(dá)到1.1 EOPS。

除了CPU+GPU的形式，由于FPGA具有靈活性高、開發(fā)周期短等特點(diǎn)，而ASIC則具有體積小、功耗低等優(yōu)點(diǎn)，它們同樣被應(yīng)用于AI服務(wù)器。特別是在機(jī)器學(xué)習(xí)、邊緣計(jì)算等領(lǐng)域，ASIC被廣泛關(guān)注。谷歌的TPU v4和百度的昆侖2代AI芯片都在此方向取得了顯著成果。

值得注意的是，隨著云端芯片處理需求的增加，云端壓力不斷增大，推動(dòng)了AI處理向邊緣轉(zhuǎn)移的趨勢(shì)。由此帶來的用戶需求的變化也在推動(dòng)AI芯片分工方式的變化，一方面希望保護(hù)數(shù)據(jù)隱私，一方面需要及時(shí)處理結(jié)果，因此AI處理的重心正在加快向邊緣轉(zhuǎn)移。

04

總結(jié)：后摩爾定律時(shí)代下的

AI算力增長(zhǎng)與挑戰(zhàn)

在以往，芯片算力由數(shù)據(jù)互連、單位晶體管算力、晶體管密度和芯片面積決定。所以要提高芯片算力，主要通過提升系統(tǒng)架構(gòu)，采用更先進(jìn)的工藝提高晶體管密度，采用分布式運(yùn)算和異構(gòu)計(jì)算，以及采用新的Chiplet封裝等等方式來實(shí)現(xiàn)。

不過，摩爾定律近年來已經(jīng)趨于飽和，無法維持如此高速的增長(zhǎng)。在此背景下，智能計(jì)算的算力需求卻在7年間提升了6倍。以圖像識(shí)別和自然語言處理為例，其性能的提升背后是對(duì)算力的指數(shù)級(jí)增長(zhǎng)需求。這種需求爆炸式增長(zhǎng)的例證就是GPT系列模型，從GPT-1到GPT-4，在短短5年內(nèi)算力增長(zhǎng)了幾千倍。

在后摩爾定律時(shí)代，AI算力的增長(zhǎng)不僅依賴于硬件的改進(jìn)，如摩爾定律所描述的，而且還依賴于軟件和算法的優(yōu)化，數(shù)據(jù)傳輸速率也成為算力瓶頸。算法的效率和計(jì)算架構(gòu)的有效利用率在實(shí)現(xiàn)性能提升中的關(guān)鍵作用。

AI處理器的計(jì)算架構(gòu)需要隨著時(shí)代的發(fā)展進(jìn)行變革，以適應(yīng)不斷發(fā)展的需求。未來的AI處理器不僅需要提供強(qiáng)大的計(jì)算能力，還需要考慮功耗、體積和成本等因素。同時(shí)，軟件和硬件的協(xié)同優(yōu)化，也將成為提升AI性能的關(guān)鍵。

總的來說，AI的發(fā)展已經(jīng)深入到我們生活的各個(gè)領(lǐng)域，對(duì)算力的需求也在不斷增長(zhǎng)。未來，包括GPU、NPU和ASIC在內(nèi)的AI處理器，我們將會(huì)看到更多的創(chuàng)新，以滿足這種需求的增長(zhǎng)，并推動(dòng)AI技術(shù)的進(jìn)一步發(fā)展。

05

活動(dòng)預(yù)告