开年CES大秀:人工智能最火的风口-AI芯片

简介:

AI浪潮席卷而来,投资者追风竞逐,半导体行业格局大变。此前传统而稳定的产业格局,正逐渐被瓦解。博通1050亿美元欲恶意收购高通,英伟达瞄准自动驾驶AI芯片的远方,英特尔通过收购和投资全方位布局,华为推智能手机AI芯片…嵌入式开发

AI处理器.jpg

中国的AI芯片初创企业,在酝酿着新一轮的攻势,等待着暗夜中迎来的黎明。而这一切一切的野心,都在今年的科技开年大秀CES上展露无遗。

芯片产业是对技术的要求和附加值最高的一环,老牌芯片巨头凭借几千个技术专利堆起了丰厚利益的护城河。若能在AI时代掌握芯片的核心技术和话语权,其产业价值和战略地位远远大于应用层创新。

英特尔在自动驾驶的野心也从未掩饰。高通在汽车芯片、语音操控音箱芯片以及无线耳机原件等市场都拥有统治力。高通今年的CES展会上发布了一系列产品,如发布新芯片,可将蓝牙耳机续航延长3倍。

知名芯片厂商中,美国有13家公司,领军者既有谷歌、英特尔、IBM这样的科技巨头,也有高通、英伟达、AMD、赛灵思这样在各自领域中有绝对优势的大公司。但中国则主要以初创公司为主,没有巨头。但AI芯片方兴未艾,机遇正在逐渐显露,AI领域未来必然也会产生类似英特尔、AMD这样的世界级企业。而英伟达、英特尔、谷歌再强势,也无法一统江山,这是酝酿中国“芯”成为世界“芯“的绝佳机会。

回顾当年,GPU赢过CPU就是因为GPU比CPU专用,如今异构智能也是这样的思路。GPU,得益于深度学习的发展,目前锐气正盛,是当下看来发展人工智能最有竞争力的芯片。CPU,通用性强,用于串行计算,为PC时代的宠儿。但对于AI的算力而言,非常缓慢。

「边缘计算」、「嵌入式人工智能」、「终端智能」这些拗口的词汇正逐渐走热。 云端AI芯片市场终究是大公司的游戏,云端发展不只需要有高运算力的芯片,还得营造出生态系,基本上供应商就是这几家巨头,小公司不仅难以打入,可能连架设这么多的服务器都没有办法。这当中就蕴藏着智慧物联网这样一个巨大的机会,它远离数据中心,但拥有极其强大的能量。

从通用走向专用,打造AI专用芯片,这是AI芯片发展必经之路。而正是其专用性,决定了可以在各个不同的行业都能针对性发力。由于功耗问题,以前想都不敢想的终端智能,让万物智能的时代因为专属芯片的打造变得值得期待。但是真正实现“万物智能”,就需要将AI从云端拉向终端。当然,未来云计算以及边缘计算,也将成为优势互补的发展趋势。 2018,「终端」AI芯片或将呈燎原之势。

相关文章
|
13天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
从平凡到非凡:借AI风口普通人如何起飞?
雷军曾说:“站在风口上,猪也能飞上天。”而AI无疑是当前最强劲的风口。本文介绍了如何抓住AI时代的机遇,包括理解AI基础概念、选择合适的AI工具、将AI融入工作提升效率,以及利用AI创造被动收入。通过这些步骤,你将能够在AI浪潮中获得成功。
28 0
从平凡到非凡:借AI风口普通人如何起飞?
|
22天前
|
人工智能 并行计算 程序员
【AI系统】SIMD & SIMT 与芯片架构
本文深入解析了SIMD(单指令多数据)与SIMT(单指令多线程)的计算本质及其在AI芯片中的应用,特别是NVIDIA CUDA如何实现这两种计算模式。SIMD通过单指令对多个数据进行操作,提高数据并行处理能力;而SIMT则在GPU上实现了多线程并行,每个线程独立执行相同指令,增强了灵活性和性能。文章详细探讨了两者的硬件结构、编程模型及硬件执行模型的区别与联系,为理解现代AI计算架构提供了理论基础。
63 12
|
19天前
|
人工智能 数据安全/隐私保护 数据中心
“芯片围城”下国产AI要放缓?答案或截然相反
12月2日,美国对华实施新一轮出口限制,将140余家中国企业列入贸易限制清单。对此,中国多个行业协会呼吁国内企业谨慎选择美国芯片。尽管受限企业表示影响有限,但此事件引发了关于AI领域芯片供应的担忧。华为云推出的昇腾AI云服务,提供全栈自主的算力解决方案,包括大规模算力集群、AI框架等,旨在应对AI算力需求,确保算力供给的稳定性和安全性,助力中国AI产业持续发展。
|
27天前
|
机器学习/深度学习 人工智能 监控
探索人工智能的伦理困境:我们如何确保AI的道德发展?
在人工智能(AI)技术飞速发展的今天,其伦理问题也日益凸显。本文将探讨AI伦理的重要性,分析当前面临的主要挑战,并提出相应的解决策略。我们将通过具体案例和代码示例,深入理解如何在设计和开发过程中嵌入伦理原则,以确保AI技术的健康发展。
35 11
|
1月前
|
机器学习/深度学习 人工智能 算法
人工智能与医疗健康:AI如何改变生命科学
【10月更文挑战第31天】人工智能(AI)正深刻改变医疗健康和生命科学领域。本文探讨AI在蛋白质结构预测、基因编辑、医学影像诊断和疾病预测等方面的应用,及其对科研进程、医疗创新、服务效率和跨学科融合的深远影响。尽管面临数据隐私和伦理等挑战,AI仍有望为医疗健康带来革命性变革。
104 30
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
1分钟认识:人工智能claude AI _详解CLAUDE在国内怎么使用
Claude AI 是 Anthropic 开发的先进对话式 AI 模型,以信息论之父克劳德·香农命名,体现了其在信息处理和生成方面的卓越能力
|
25天前
|
机器学习/深度学习 人工智能 并行计算
【AI系统】芯片的编程体系
本文探讨了SIMD与SIMT的区别及联系,分析了SIMT与CUDA编程的关系,深入讨论了GPU在SIMT编程的本质及其与DSA架构的关系。文章还概述了AI芯片的并行分类与并行处理硬件架构,强调了理解AI芯片编程体系的重要性,旨在帮助开发者更高效地利用AI芯片算力,促进生态繁荣。
46 0
|
25天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与未来医疗:AI技术在疾病诊断中的应用前景####
本文探讨了人工智能(AI)在现代医疗领域,尤其是疾病诊断方面的应用潜力和前景。随着技术的不断进步,AI正逐渐改变传统医疗模式,提高诊断的准确性和效率。通过分析当前的技术趋势、具体案例以及面临的挑战,本文旨在为读者提供一个全面的视角,理解AI如何塑造未来医疗的面貌。 ####
|
25天前
|
机器学习/深度学习 存储 人工智能
【AI系统】谷歌 TPU v2 训练芯片
2017年,谷歌推出TPU v2,专为神经网络训练设计,标志着从推理转向训练的重大转变。TPU v2引入多项创新,包括Vector Memory、Vector Unit、MXU及HBM内存,以应对训练中数据并行、计算复杂度高等挑战。其高效互联技术构建了TPU v2超级计算机,显著提升大规模模型训练的效率和性能。
42 0