- 1Java学习笔记--sql语句_sql中默认值的关键字是什么
- 2vue2 + vite + tailwind css 搭建项目_vite tailwindcss
- 3《量子计算：揭开未来科技新篇章》
- 42021-04-01_将 sw1 的 g0/0/1 接口划入 vlan11,并为 vlan11 配置对应网段的第一个可用
- 5解决rk3288启动SurfaceFlinger 初始化失败问题_mounted filesystem with ordered data mode. opts: e
- 6OSError: /anaconda3/lib/python/site-packages/torch_sparse/_version_cuda_oserror: /home/public/anaconda3/envs/pose/lib/pyth
- 7注意力机制以及实现_resnet加注意力机制
- 8好书推荐 《ARM汇编与逆向工程 蓝狐卷 基础知识》
- 9【论文笔记】Attention总结二：Attention本质思想 + Hard/Soft/Global/Local形式Attention_location-based attention
- 10云原生微服务架构及实现技术_云原生 技术栈
AI芯片技术市场思考_ai芯片 技术门槛
赞
踩
AI芯片技术市场思考
参考文献连接
https://mp.weixin.qq.com/s/qYv3EpZiYlld7FV-bnvSEw
https://mp.weixin.qq.com/s/kQ3XFzLd2IbweRqISeLUTw
AI芯片行业深度研究
四大类人工智能芯片（GPU、ASIC、FGPA、类脑芯片）及系统级智能芯片在国内的发展进度层次不齐。用于云端的训练、推断等大算力通用 芯片发展较为落后；适用于更多垂直行业的终端应用芯片如自动驾驶、智能安防、机器人等专用芯片发展较快。超过80%中国人工智能产业链企 业也集中在应用层。
总体来看，人工智能芯片的发展仍需基础科学积累和沉淀，因此，产学研融合不失为一种有效的途径。
研究主体界定：面向人工智能领域的芯片及其技术、算法与应用
无芯片不AI , 以AI芯片为载体实现的算力是人工智能发展水平的重要衡量标准。
广义的AI芯片：专门用于处理人工智能应用中大量计算任务的模块，即面向人工智能领域的芯片均被称为AI芯片。 狭义的AI芯片：针对人工智能算法做了特殊加速设计的芯片。
《2022中国AI芯片行业研究报告》报告将对针对狭义的AI芯片即人工智能算法做特殊加速设计的四种主流芯片GPU、ASIC、FPGA、类脑芯片以及系统级AI芯片技术、实现 AI的主流算法及在场景中的应用情况进行解析。
AI芯片的发展历程：模仿人脑建立的模型和算法与半导体芯片发展交替进行
人工智能算法需要在计算机设备上实现，而芯片又是计算机设备运作的核心零件，因此AI芯片的发展主要依赖两个领域：第一个是模仿人脑建 立的数学模型与算法，第二个是半导体集成电路即芯片。优质的算法需要足够的运算能力也就是高性能芯片的支持。
亿欧智库2019年发布AI芯片行业研究报告认为，人工智能于芯片的发展分为三个阶段：第一阶段由于芯片算力不足，神经网络算法未能落 地；第二阶段芯片算力提升，但仍无法满足神经网络算法需求；第三阶段，GPU和新架构的AI芯片促进了人工智能的落地。
目前，随着第三代神经网络的出现，弥合了神经科学与机器学习之间的壁垒，AI芯片正在向更接近人脑的方向发展。
中国AI芯片产业图谱
基于技术架构、部署位置及实践目标的AI芯片分类
AI芯片一般泛指所有用来加速AI应用，尤其是用在基于神经网络的深度学习中的硬件。
AI芯片根据其技术架构，可分为GPU、FPGA、ASIC及类脑芯片，同时CPU可执行通用AI计算，其中类脑芯片还处于探索阶段。
AI芯片根据其在网络中的位置可以分为云端AI芯片、边缘及终端AI芯片；根据其在实践中的目标，可分为训练（training）芯片和推理 （inference）芯片。
云端主要部署训练芯片和推理芯片，承担训练和推理任务，具体指智能数据分析、模型训练任务和部分对传输带宽要求比高的推理任务；边缘 和终端主要部署推理芯片，承担推理任务，需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。
GPU：从图形处理器到通用数据并行处理器
GPU(Graphics Processing Unit)图形处理器最初是一种专门用于图像处理的微处理器，随着图像处理需求的不断提升，其图像处理能力也得 到迅速提升。目前，GPU主要采用数据并行计算模式完成顶点渲染、像素渲染、几何渲染、物理计算和通用计算等任务。因其超过CPU数十倍 的计算能力，已成为通用计算机和超级计算机的主要处理器。其中通用图形处理器GPGPU(GeneralPropose Computing on GPU)常用于数据 密集的科学与工程计算中。
英伟达与AMD仍占据GPU霸主地位，2018年至今，国产GPU也积极发展中，已有部分产品落地。
ASIC与FPGA: AI芯片领域“兵家必争之地”
FPGA全称是Field Programmable Gate Array：可编程逻辑门阵列，是一种“可重构”芯片，具有模块化和规则化的架构，主要包含可编程 逻辑模块、片上储存器及用于连接逻辑模块的克重购互连层次结构。在较低的功耗下达到GFLOPS数量级的算力使之成为并行实现人工神经 网络的替代方案。
ASIC（Application-Specific Integrated Circuit）是指应特定用户要求和特定电子系统的需要而设计、制造的集成电路。ASIC从性能、能效、 成本均极大的超越了标准芯片，非常适合AI计算场景，是当前大部分AI初创公司开发的目标产品。
ASIC与FPGA：功能与市场定位不同，竞争关系不明显
FPGA具有开发周期短，上市速度快，可配置性等特点，目前被大量的应用在大型企业的线上数据处理中心和军工单位。ASIC一次性成本远远 高于FPGA，但由于其量产成本低，应用上就偏向于消费电子，如移动终端等领域。
目前，处理器中开始集成FPGA，也出现了可编程的ASIC，同时，随着SoC的发展
