人工智能芯片发展历程 背景 2.GPU(Graph Processing Unit) CPU ● GPU(Graph Processing Unit)在矩阵计算和并行计算上具有突出的性 能,是异构计算的主力,最早作为深度学习的加速芯片被引入A领域 GPU 生态成熟。 ● TPU Nvidia)沿用GPU架构,对深度学习主要向两个方向发力: 丰富生态:推出cuDNN针对神经网络的优化库,提升易用性并优 FPGA 化GPU底层架构。CUDA(Compute Unified Device Architecture)) 。提升定制性:增加多数据类型支持(不再坚持foat32,增加int8 SOC 等);添加深度学习专用模块(如引入并配备张量核的改进型架 构,V100的TensorCore) 当前主要问题在于:成本高,能耗比低, 延迟高。人工智能芯片发展历程 2. GPU(Graph Processing Unit) GPU(Graph Processing Unit)在矩阵计算和并行计算上具有突出的性 能,是异构计算的主力,最早作为深度学习的加速芯片被引入AI领域, 生态成熟。 Nvidia沿用GPU架构,对深度学习主要向两个方向发力: 丰富生态:推出cuDNN针对神经网络的优化库,提升易用性并优 化GPU底层架构。CUDA(Compute Unified Device Architecture) 提升定制性:增加多数据类型支持(不再坚持float32,增加int8 等);添加深度学习专用模块(如引入并配备张量核的改进型架 构,V100的TensorCore) 当前主要问题在于:成本高,能耗比低,延迟高。 GPU 背景 CPU TPU FPGA SOC