谷歌搅局芯片版图 英伟达和英特尔受到威胁了吗?

简介:

北京时间5月18日凌晨,谷歌I/O2017开发者大会召开,作为当今世界软件开发者最为重要的几大会议之一,本届大会聚焦Android系统、VR/AR、人工智能、无人驾驶等多个领域。在会议之初谷歌宣布“我们已经从移动优先转移到人工智能优先”。

与以往更加注重软件不同,今年谷歌开发者大会最亮眼的部分在硬件,谷歌CEO桑达尔·皮查伊(SundarPichai)宣布谷歌正式推出第二代专注于人工智能的TPU(张量)处理器。这也与谷歌“人工智能优先”(AIfirst)和成为真正云计算供应商的战略相符。

TPU是谷歌自主研发的一种专为AI运算服务的高性能处理器。最新发布的这款第二代TPU芯片,不仅加深了人工智能在学习和推理方面的能力,而且谷歌是认真地要将它推向市场。根据谷歌的内部测试,第二代芯片针对机器学习的训练速度能比现在市场上的图形芯片(GPU)节省一半时间。

谷歌云计算团队首席科学家、斯坦福大学AI实验室主管李飞飞表示:“这些TPU可提供惊人的128万亿次浮点运算,它们是专为驱动机器学习技术的芯片。”

虽然谷歌表达了人工智能芯片和其他芯片的差别,但是这一举动还是将威胁到英特尔、英伟达这些行业主要芯片供应商的市场地位,这两家公司的芯片都已经被应用于人工智能领域。

英伟达目前是图形芯片GPU的主导者。公司近期发布了新一代GPU,取名为Volta,处理数据的性能与谷歌CloudTPU不相上下。由8块这样的芯片组成的Volta模块的售价高达14.9万美元,英伟达将于今年第三季度开始发售此类芯片。

Gartner分析师盛陵海对第一财经记者表示:“目前从机器学习领域来看,英伟达的GPU最为‘暴力’,速度最快;如果不需要那么快的情况下,英特尔也可以。不过现在芯片已经升级到应用判断的阶段,谷歌的这款芯片号称性能最好。”

谷歌没有透露这款芯片的价格,也没有透露谁会去生产这款芯片以及何时上市。到目前为止,谷歌仍在采购英特尔和英伟达的芯片。随着谷歌越来越趋向于自主开发芯片架构,未来或将为自己省下数十亿美元的芯片支出成本。

谷歌表示,这款最新的人工智能芯片不会卖给数据中心基于其他芯片制造商服务器上的公司,比如戴尔。此外,为了让人工智能开发者更好地享受TPU所带来的性能红利,谷歌还正式推出了CloudTPU云计算服务,用户可以租用。至于收费也可能采取和原本GPU运算服务相同的收费模式,按分钟来计价。

“本质上来讲,TPU就是一个用于机器学习的超级计算机。”谷歌首席技术官UrsHolzle表示,“我们的目标是要提供最好的云服务。”根据SynergyResearchGroup的数据,去年谷歌云服务的增长超过80%,不过在公有云市场,亚马逊仍然垄断了40%的份额,而且份额还在持续增长。谷歌在云服务市场排名第三。

为了和亚马逊以及微软竞争,谷歌特别强调设备的性能。谷歌表示:“单个CloudTPU设备由4块芯片组成,比IBM的深蓝超级计算机的速度要快1.2万倍。”谷歌计划制造1000套CloudTPU系统,为那些愿意公开分享自己研发工作细节的AI研究人员提供支持。

谷歌进军以AI为重点的硬件和云服务领域,部分原因是受其自身业务加速的驱动。谷歌已经在使用AlphaGo深度学习系统TensorFlow为搜索、语音识别、翻译以及图形处理等提供支持。

谷歌已经宣布了多个AI研究计划,包括努力开发能够学习如何从事耗时工作的算法以及微调其他机器学习算法。同时,谷歌还在为医学图像分析、基因组分析以及分子发现开发AI工具。

Gartner分析师盛陵海对第一财经记者表示:“现在的AI芯片还是聚焦在处理大量数据并进行判断,是建立在人的训练的基础上的,通过大量数据的对比,用机械的方法来选择概率最大的结论。但是未来的想象空间就很大了。”

本文转自d1net(转载)

相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
代理的介绍与配置 | 学习笔记5
代理的介绍与配置教程
1486 0
代理的介绍与配置 | 学习笔记5
|
6天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
265 155
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
205 105
|
9天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
715 5