[新聞] AI下一階段發展,可程式化晶片將成為未來AI硬體發展方向

看板Tech_Job作者 (zxcvxx)時間3年前 (2020/12/22 13:56), 編輯推噓8(9110)
留言20則, 13人參與, 3年前最新討論串1/1
AI下一階段發展,可程式化晶片將成為未來AI硬體發展方向 http://bit.ly/3rdJr5D 隨著半導體矽晶片的摩爾定律逐步走到了物理極限,傳統晶片架構的處理能力可能無法應 付AI與機器學習的需求。如果矽架構能像軟體一樣,具有靈活、高效且可編程的功能,那 麼從單純硬體轉換成可程式化晶片(或FPGA)的過程就將成為發展AI與機器學習的關鍵了。 如果全球只有10%的人可使用智慧型手機,那麼其不可能成為改變世界與人們生活的必要 裝置。同樣道理可以套用在AI與機器學習之上。也就是說,如果只有前幾大廠商掌握AI科 技,其也不會成為推動科技產業變革的力量。因此,新創公司的進入該領域,不僅可以活 絡AI,甚至加入更多創新元素,讓更多人能夠享受到AI給人們的好處。 長期以來,處理器一直是衡量性能的指標,但是隨著軟體在無處不在的運算中扮演重要角 色,處理器變得更智慧化與高效能,這也是繪圖晶片在AI與機器學習領域的崛起的關鍵。 那麼接下來的發展變得顯而易見,就是針對AI與機器學習設計一款專屬的晶片。 這也是為何輝達能夠成為AI異軍突起之後的最大受益者。英特爾與超微在這一場戰爭中, 不得不以併購AI新創公司方式追趕。至於亞馬遜、谷歌與臉書就企圖研發專屬於AI的ASIC 晶片用於伺服器或數據中心領域。即使如此,仍有前仆後繼的AI新創公司在這領域以創新 方式,帶給產業前進的動力。 基本上來說,建立一款新的AI硬體產品必須經過設計、雛型製作、校準、故障排除、生產 和配銷等過程。從概念到生產硬體晶片可能需要兩年時間。相對來說,軟體的發展總是快 於硬體的發展,因而從發展速度的差異上來看,兩者無法互相配合。因此,廠商必需更加 聰明地的方式來預測未來硬體的發展趨勢。這也是靈活性和客製化將成為AI硬體成功的關 鍵屬性之一。 截至目前為止,AI的革命尚未發生。然而,在接下來的兩到三年中,隨著支持真正的AI功 能的硬體出現愈多愈多,這一目標將會實現。這標誌著技術的重要轉折點將隨著用軟體來 定義硬體的浪潮而即將到來。 就像現今在世界各地的普羅大眾手中都擁有非常強大功能的智慧型手機,對產業來說,在 大多數情況下,技術或財務上都沒有進入障礙。如果AI要發展到這一階段,不能在單單依 賴硬體研發支撐,必須依賴軟硬體融合的可程式化晶片模式,讓AI能夠真正深入人們的生 活層面,才能成為真正改變市場的關鍵力量。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 203.145.192.245 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1608616603.A.021.html

12/22 14:03, 3年前 , 1F
FPGA只是個過度產品
12/22 14:03, 1F

12/22 14:12, 3年前 , 2F
FPGA方便是方便可是晶片很大一顆啊
12/22 14:12, 2F

12/22 14:31, 3年前 , 3F
難怪兩大CPU廠要合併兩大FPGA廠
12/22 14:31, 3F

12/22 15:27, 3年前 , 4F
GPGPU (general purpose GPU) 比較適用吧?
12/22 15:27, 4F

12/22 15:27, 3年前 , 5F
AI晶片又沒要搞什麼I/O protocol之類的
12/22 15:27, 5F

12/22 15:34, 3年前 , 6F
口虎 口闌
12/22 15:34, 6F

12/22 17:49, 3年前 , 7F
目前GPU吃電吃得比FPGA兇,所以FPGA還有戲
12/22 17:49, 7F

12/22 18:05, 3年前 , 8F
Xilinx 20年前就講過了: 告別ASIC 邁向FPGA
12/22 18:05, 8F

12/22 18:06, 3年前 , 9F
廣告看板還放在大學路上的凱蒂賓館
12/22 18:06, 9F

12/22 19:26, 3年前 , 10F
FPGA才能低成本實現自我升級、搞出skynet毀滅人類啊!
12/22 19:26, 10F

12/22 21:01, 3年前 , 11F
FPGA的AI運用有其侷限性,說是未來就誇大了
12/22 21:01, 11F

12/22 23:31, 3年前 , 12F
這句話bigdata時出現過了
12/22 23:31, 12F

12/23 09:07, 3年前 , 13F
根本是外行人自己幻想的文章...FPGA頂多輔助用 光時脈
12/23 09:07, 13F

12/23 09:07, 3年前 , 14F
局限是有辦法做什麼高效能的處理?
12/23 09:07, 14F

12/23 10:12, 3年前 , 15F
FPGA其實設計很不方便,但他吃電真的小GPU很多,吃電就
12/23 10:12, 15F

12/23 10:12, 3年前 , 16F
是吃錢,所以很多資料中心微軟/亞馬遜都漸漸改用FPGA
12/23 10:12, 16F

12/23 10:12, 3年前 , 17F
取代GPU當加速卡,AI方面如果只是一般企業而非這種大
12/23 10:12, 17F

12/23 10:12, 3年前 , 18F
型資料中心在做,我覺得FPGA不會多受歡迎
12/23 10:12, 18F

12/23 11:30, 3年前 , 19F
無限循環的合成繞線看波形
12/23 11:30, 19F

12/23 18:55, 3年前 , 20F
Nv:?
12/23 18:55, 20F
文章代碼(AID): #1VuOgR0X (Tech_Job)