硅谷抢滩人工智能处理器(1).pdfVIP

新产业

硅谷抢滩人工智能处理器

文/陈思进

美国硅谷目前正经历着一场激烈的“人工智能大操作。与传统的中央处理器和图形处理器相比，神

战”。服务咨询机构的最新报告披露，全球科技行业经网络处理器具有专用性强、高并行性和低功耗的

正进人一个以人工智能为代表的新创新周期。微软、特点。神经网络处理器专为神经网络计算优化，能

英伟达、苹果、谷歌、特斯拉等科技巨头每年在人工高效处理深度学习中的特定任务，其设计目标是优

智能和云基础设施上的投资高达4000多亿美元，覆盖化和加速人工智能应用的执行效率。

了从处理器、大模型到人形机器人、自动驾驶、人工尽管神经网络处理器和图形处理器都能用于加速

智能医疗等众多领域。神经网络的计算，但它们在设计理念和应用场景上存

6月2日，英伟达宣布，Blackwell处理器已正式投在显著差异。

产，并计划在2025年推出BlackwellUltraAI处理器，图形处理器最初为图形渣染设计，后来由于强大

预计年出货量有望突破百万件，占英伟达高端图形处的并行计算能力被广泛应用于深度学习，而神经网络

理器出货量的40%至50%。这一消息引起广泛关注。处理器专为神经网络计算设计，目标是优化深度学习

人工智能的发展离不开数据、算法和算力，而算的推理和训练过程。

力的基础就是处理器。当前，中央处理器、图形处理图形处理器包含大量通用的并行计算核心，不仅

器和神经网络处理器是三大主流处理器，各有其独特限于神经网络计算，还能处理多种类型的并行任务。

的功能和应用领域。而神经网络处理器通常包含专用的加速模块，并针对

中央处理器是计算机系统的核心组件，负责执行特定神经网络操作进行了优化。

计算和控制任务。它从内存中获取并执行指令，进行在性能上，图形处理器虽然在神经网络计算上不

算术和逻辑运算，并协调计算机各部分操作。中央处如神经网络处理器，但在灵活性和通用计算能力上具

理器的性能通常由时钟速度、核心数量和缓存等指标有优势。神经网络处理器在执行特定的神经网络计算

来衡量。现代中央处理器通常有多个核心，每个核心任务时，尤其在推理阶段，效率通常比图形处理器更

可以独立处理任务，从而提高了多任务处理能力。作高。

为全球最大的中央处理器制造商之一，Intel的Core和图形处理器的功耗较高，适用于数据中心和桌面

Xeon系列尤为著名。计算环境中的深度学习训练，而神经网络处理器功耗

然而，在人工智能领域，图形处理器已逐渐取代较低，更适合嵌人式和移动设备。

了中央处理器。图形处理器最初设计用于处理图形总的来说，图形处理器和神经网络处理器都

染任务，尤其是3D图形染。由于图形染需要大是当前人工智能计算的重要工具，各自有着独特

量的矩阵和矢量运算，图形处理器被设计成能高效处的优势和适用场景。神经网络处理器通过专用设

理这些并行计算任务的能力。随着深度学习技术的兴计提供高效的神经网络计算能力，适用于推理阶

起，研究人员发现图形处理器的并行计算能力，非常段和低功耗设备。而图形处理器凭借其强大的并

适用于加速深度学习中的训练过程，成为主要计算引行计算能力和灵活性，仍然是深度学习训练的重

擎。