第2717章显卡
芯片有很多种,简单地说,就是凡是跟计算有关的电子器件,都算是芯片。
比如手机里的声音感知器,可以感知到外部的声音,然后把声音信号通过计算,改变为数字信号传给中央处理器。这种东西也叫芯片,叫做感知芯片。
又比如电量的消耗。
运行一款程序,需要给予多少电量的支持?这也需要计算来得出,计算这个单元的器件,叫做电源芯片。
又比如蓝牙、wiFi、USb接口等等,这些连接的过程都需要计算,通过计算来对接,就都有相应的通信芯片来对接。
不过,这些芯片大多技术含量不高,计算量很小,不算什么核心科技。
真正最广为人知的芯片,是处理器芯片,也就是cpU。在一款产品里,cpU就相当于人的大脑,几乎负责了所有的计算,大量的复杂计算。
人工智能也需要大量计算。
所以过去行业对人工智能的理解,也是这样的逻辑。在处理人工智能的大量计算的时候,也是通过cpU来计算各种AI算法。
这是行业常识。
可是直到这个月……其实也就是前几天,整个人工智能行业,才终于恍然醒悟,产生了一种全新的行业认识。
在处理人工智能计算的时候,不应该使用cpU芯片!
而应该使用GpU芯片!
GpU,也就是大众熟知的显卡。
之所以能做出这样的转变,就是上周才发生的震惊世界的围棋行业的Rokid-go所发起的“人机大战”!
Rokid-go背后的庞大数据处理,依靠的就是大量的GpU的运行。
同样规格的cpU和GpU,在处理AI计算的时候,GpU的算力可以超过cpU的100倍!而能耗,还不足cpU的5%!
Rokid-go大获成功之后,近期连续发表了7篇很多这方面的论文。又有过“人机大战”的实践证实,可以说紫微星已经引领了全球人工智能计算的行业大转向。
人工智能,将会在紫微星的带领下,真正地走进GpU的时代!
而这也进一步地提高了做人工智能科研的门槛。
因为过去的那种靠着暴力地堆积大量cpU来提高算力的模式,在人工智能领域算是彻底的行不通了。
就比如超级计算机。
超级计算机,就是有着超级计算能力的电脑,在这个领域,国内有着很强大的实力,不比美国差多少。
为什么?
因为cpU的叠加属性。
cpU的计算,绝大多数都是线性的,就像流水线上的工人,是一个任务一个任务的去执行。美国有最好的cpU芯片,最多就是流水线工人的干活水平高了,单体工作能力比较强。
国内的cpU芯片比较差,却可以用暴力堆积的方法来解决算力缺陷。
本章未完,请点击下一页继续阅读! 第1页/共3页