中国_芯_势力-摩尔线程.pdfVIP

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

中国_芯_势力-摩尔线程--第1页

摩尔线程如何能在短短100天左右的时间,完成两轮超10亿的融资呢?让我们看看

摩尔线程的发展史,为什么他备受投资界青睐。公司简介摩尔线程成立于2020年,定

位中国视觉计算及人工智能领域计算平台,主要提供GPU计算技术和服务,以加速数

据中心,边缘计算服务器,专业工作站和高性能个人计算设备,帮助中国建立本土的

高性能计算生态系统。从产品结构上来看,摩尔线程专注于研发设计全功能GPU芯片

及相关产品,支持3D高速图形渲染、AI训练推理加速、超高清视频编解码和高性能

科学计算等多种组合工作负载,兼顾算力与算效,为中国科技生态合作伙伴提供强大

的计算加速能力,广泛赋能数字经济多个领域。为什么是GPU呢?为什么能在短短一

年时间,获得投资方的青睐呢?这还需要从摩尔线程的创始人-张建中说起。因为他来

自GPU市场具有绝对统治力的巨头-英伟达。这个黄仁勋“最看重的男人”,离开英伟

达后,创立了摩尔线程,该团队集聚全球顶尖GPU人才,核心成员主要来自NVIDIA,

同时吸引了Microsoft,Intel,AMD,ARM等各大科技公司的研发和产品团队的核心力

量加盟,只用了短短一年的时间就获得了超30亿投资,腾讯投资、字节跳动等互联网

巨头以及深创投、红杉资本中国基金、GGV纪源资本等知名机构共同组成超豪华投资

阵容。张建中毕业于南京理工大学计算机系,后又进入冶金部自动化研究院深造获得

硕士学位。在加入英伟达公司之前,他先后在惠普、戴尔,担任计算机系统事业部总

经理、政府及教育事业部总经理等职位。2005年5月,张建中加入英伟达公司,逐步

中国_芯_势力-摩尔线程--第1页

中国_芯_势力-摩尔线程--第2页

升任全球副总裁、中国区总经理。中国市场对于英伟达的重要性不言而喻,张建中也

因而一度被称为黄仁勋的副手。世界顶级芯片企业、开拓中国市场,任职超过15年的

创始人以及一众核心人员,在这样的团队背景下,使得摩尔线程宣告打破新纪录——

“不到300天,首颗国产全功能GPU研制成功,同时完成20亿A轮融资”。背后豪华

的全明星投资阵容中天使轮有红杉中国加盟,Pre-A轮除了有深创投、红杉中国、GGV

纪源资本领投,还出现了字节跳动的身影,摩尔线程的A轮则吸引来了腾讯投资等。

GPU-崛起正当时GPU,又称显示核心、视觉处理器、显示芯片,是一种专门在个人电

脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的

微处理器,与CPU类似,只不过GPU是专为执行复杂的数学和几何计算而设计的,

这些计算是图形渲染所必需的。随着人工智能的发展,如今的GPU已经不再局限于

3D图形处理了,GPU通用计算技术发展已经引起业界不少的关注,事实也证明在浮点

运算、并行计算等部分计算方面,GPU可以提供数十倍乃至于上百倍于CPU的性能。

GPU的特点是有大量的核(多达几千个核)和大量的高速内存,最初被设计用于游戏,

计算机图像处理等。GPU主要擅长做类似图像处理的并行计算,所谓的“粗粒度并行

(coarse-grainparallelism)”。这个对于图像处理很适用,因为像素与像素之间

相对独立,GPU提供大量的核,可以同时对很多像素进行并行处理。但这并不能带来

延迟的提升(而仅仅是处理吞吐量的提升)。比如,当一个消息到达时,虽然GPU有

很多的核,但只能有其中一个核被用来处理当前这个消息,而且GPU核通常被设计为

中国_芯_势力-摩尔线程--第2页

中国_芯_势力-摩尔线程--第3页

支持与图像处理相关的运算,不如CPU通用。GPU主要适用于在数据层呈现很高的并

行特性(data-parallelism)的应用,比如GPU比较适合用于类似蒙特卡罗模拟这样

的并行运算。正是因为GPU的特点特别适合于大规模并行运算,GPU在“深度学习”

领域发挥着巨大的作用,因为GPU可以平行处理大量琐碎信息。深度学习所依赖的是

神经系统网络—与人类大脑神经高度相似的网络,而这种网络出现的目的,就

您可能关注的文档

文档评论(0)

175****9697 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档