SAP智能制造,为企业带来的无限机遇
342
2023-11-16
谷歌想用新芯片达成的仍然是一个老目标:前所未有的高效率 谷歌想把人工智能推向新的高度,因此需要一种功耗更低、在更少的时间里完成更多工作的芯片但这种芯片的影响力远远超出了谷歌帝国本身——它对。
英特尔和NVIDIA这样的商用芯片制造商构成了威胁,当你看到谷歌的未来愿景时,这种感觉就会越发强烈 谷歌全球数据中心网络主管乌尔斯·霍勒泽(Urs Hölzle)表示,他们今后还将研发更多这样的芯片。
谷歌不会把这种芯片出售给其他公司,不会直接与英特尔或NVIDIA进行竞争但谷歌拥有庞大的数据中心,是这两家公司迄今为止最大的潜在客户与此同时,随着越来越多的企业使用谷歌提供的云计算服务,它们自己购买服务器(和芯片)的数量就会越来越少,也就给芯片市场带来进一步的冲击。
TPU芯片:专为机器学习定制 事实上,谷歌把这种新芯片当作了一种推广自己AI云服务的卖点,企业和程序员可以通过云服务利用谷歌的AI引擎,将其整合到自己的应用软件中谷歌大力向其他公司推销自己的AI能力,声称自己的AI拥有最好的。
硬件支撑,而这些硬件是其他公司所没有的 谷歌的新芯片名为Tensor Processing Unit,简称TPU叫这个名字是因为它有利于TensorFlow的运行谷歌的深层神经网络就是由TensorFlow软件引擎驱动的(深层神经网络是一种硬件和软件网络,可以通过分析大量数据,来学习特定的任务网络软件)。
其他科技巨头用图形处理单元(GPU)运行深层神经网络——GPU的设计初衷是帮助游戏和其他图形密集型应用程序渲染图像,驱动深层神经网络的那类运算采用GPU比较适合但谷歌表示,它设计的新芯片在那类计算上效率更高。
据谷歌说,TPU是专为机器学习量身定做的,所以它执行每个操作所需的晶体管数量更少这意味着芯片每秒执行的操作数量增多了 将GPU挤出局? 暂时来说,谷歌的深层神经网络将同时使用的TPU和GPU。
霍勒泽不愿详细解释谷歌使用TPU的方式,只表示用TPU来处理Android手机语音识别所需要的“一部分计算”但他说,谷歌将发布一篇阐述TPU好处的论文,而且谷歌将继续设计一些以其他方式推动机器学习的芯片。
这样看上去,GPU似乎最终就会被挤出局霍勒泽说,“GPU已经在一点点出局GPU太通用了,对于机器学习针对性不强机器学习本来就不是GPU的设计初衷 ” NVIDIA可不想听到这样的话作为全球最大的GPU。
厂商,NVIDIA正在推动自身业务向AI领域扩展正如霍勒泽指出,NVIDIA最新的 GPU有一个专门针对机器学习的型号但显然,谷歌希望进展能更大一些 可编程芯片FPGA 与此同时,其他公司(其中最值得注意的是微软)正在探索另一种芯片:field-prog。
rammable gate array,简称FPGA,你可以对这种芯片重新编程,以便执行特定的任务微软已经在机器学习方面对FPGA进行了测试,英特尔最近也收购了一家FPGA厂商 一些分析师认为这是一种更加聪明的做法。
密切注视芯片业务的Moor Insights and Strategy公司总裁兼首席分析师帕特里克·摩尔海德(Patrick Moorhead)说,FPGA提供了更多的灵活性他感到谷歌新的TPU似乎有点“过犹不及”,因为这样一种芯片需要至少6个月才能研发成功,而这是一个竞争非常激烈的市场,最大的互联网公司在里面你争我夺,6个月对它们来说是相当长的一段时间。
但是谷歌并不需要那种灵活性,它最看重的是速度当被问及为什么谷歌要从零开始研发芯片的,而不是使用FPGA的时候,霍勒泽回答说:“因为会快得多” 核心业务 霍勒泽还指出,谷歌的芯片不能取代CPU
(中央处理单元,计算机服务器的心脏)谷歌数据中心仍需要CPU在数以万计的机器上运行CPU是英特尔公司的主营业务不过既然谷歌愿意仅仅为了AI一个领域就自己研发芯片,人们难免就会觉得它将来会研发自己的CPU。
霍勒泽淡化了这种可能性 “你想要解决的是那些尚未解决的问题,”他说意思是CPU已经是很成熟的技术,没有什么问题需要改进但他同时表示,谷歌希望在芯片市场存在良性竞争换句话说,它想从众多的卖家那里购买。
产品,而不只有一个卖家可选毕竟,更多的竞争对于谷歌来说就意味着更低的价格霍勒泽解释说,谷歌正在与OpenPower Foundation合作,就是为了扩大选择范围OpenPower Foundation的芯片设计任何人都可以使用和修改。
这种做法对全球最大的芯片制造商构成了潜在威胁调研公司IDC分析师谢恩·劳(Shane Rau)估计,在全球销售的所有服务器CPU中,大约有5%都是被谷歌买下的在最近一年的时间里,谷歌买下了约120万颗芯片,其中绝大部分可能都来自英特尔。
无论谷歌在CPU方面有什么计划,该公司都会继续研究特别适合于机器学习的芯片要真正弄清哪些做法可行,哪些做法不可行,这可能需要花上几年的时间,毕竟神经网络本身也在不断演变 “我们一直都在学习,”他说。
“我不清楚最后的答案是什么”当然,全球芯片制造商肯定会密切关注他们的学习状况
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~