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