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

　　導讀：經過這么多年發(fā)展，GPU已經有著相當規(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芯片生產制造商NVIDIA（英偉達），細心的用戶可能已經注意到，從今年5月到現(xiàn)在，英偉達公司的股票已經從30美元漲到了95美元，7個月的時間漲了3倍。毫無疑問，經過多年在圖形計算領域的深耕之后，英偉達及其GPU產品迎來了歷史最好的發(fā)展時機。

　　在剛過去的11月，IBM和NVIDIA已經宣布將合作開發(fā)新的機器學習工具集IBM PowerAI，這是一款可以加速訓練人工智能的系統(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。而在此之前，F(xiàn)acebook就已經與NVIDIA就GPU展開合作，F(xiàn)acebook 也是首家將NVIDIA的GPU應用于Big Sur人工智能平臺的企業(yè)，利用強大的 GPU 和大型數(shù)據集來打造和訓練人工智能模型。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重新設計整個數(shù)據中心，包括能源、散熱等。

　　在另一方面，作為CPU領域霸主的英特爾，今年也在持續(xù)調整戰(zhàn)略以適應人工智能的發(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，其手中已經有了CPU、FPGA以及ASIC三大產品線來對抗GPU，英特爾正在通過將這些架構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)網時代開始，IT經歷了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業(yè)主導權的爭奪，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業(yè)布局。

　　微軟主要采用的方式是利用專門設計的FPGA硬件來支撐起Azure云，以實現(xiàn)集群計算和學習能力。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產品而選擇用自己研發(fā)的FPGA產品支撐人工智能應用，姑且不論計算能力上是否能夠滿足越來越復雜人工智能計算任務需求，但僅就編程難度而言，在FPGA上進行編程的復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網路設計的特殊IC，以ASIC架構為基礎，透過對大量數(shù)據的分析，借由神經網絡實現(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專為機器學習而設計，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習系統(tǒng)TensorFlow，希望借此構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??；從研究室的模型試驗到產品開發(fā)者的產品部署，代碼無縫銜接也無需更改。

　　我認為，谷歌結合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)展形勢不構成太大威脅。當然，如果谷歌布局順利，未來的人工智能芯片領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已經逐漸淡出了硬件業(yè)務的布局，而且非核心的硬件產品悉數(shù)賣出，只保留了Power產品及高端存儲等核心硬件產品，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當前最好的選擇。

　　總結

　　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融合或集成，都不足以對目前GPU在人工智能領域的發(fā)展勢頭構成太大的威脅。經過這么多年的發(fā)展，GPU已經不再是傳統(tǒng)意義上的圖形處理器。在很多科研以及高性能計算領域，GPU已經得到了非常廣泛的應用，GPU并行計算架構特別適合于大規(guī)模并行運算，可以平行處理大量瑣碎的信息。百度首席科學家吳恩達也曾表示，“在深度學習的算法研究中，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?！备鼮橹匾氖?，經過這么多年發(fā)展，GPU已經有著相當規(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