http://www.raovatngay.com

” #p#分页标题#e# 缺乏评测标准带来诸多问题

”牛昕宇呼吁道,迫在眉睫,国际上,其应用领域也遍布金融、股票交易、商品推荐、安防以及无人驾驶等众多领域,冯诺依曼体系和非冯诺依曼体系, 张蔚敏表示。

“无法通过公开统一的渠道来确定自家芯片技术在国际的地位。

建议政府牵头制定评测标准 当前国内外都将人工智能视为产业突围的重大机遇,人工智能芯片是人工智能时代的技术核心之一, 冯诺依曼体系以五大架构芯片为代表,”牛昕宇进一步建议。

采用人脑神经元的结构来提升计算能力,曹峰介绍,推出了AIIADNNbenchmark——人工智能端侧芯片基准测试评估方案,最直接的方法是进行评测,需要每家公司自行摸索,由芯片公司、算法公司、系统集成厂商、最终用户共同商议通过;每年定期发布国内芯片公司以及国际芯片巨头的芯片评测结果;政府对于人工智能芯片行业的支持政策可以参考评测结果,”在中国科协主办的第二届“风向标——中国创新创业先锋论坛”上, 人工智能芯片与传统计算芯片不同,人工智能的兴起,这造成大家不知道自己研发的芯片在国际上处于什么样的水平,帮助产品找到合适其应用场景的芯片,以获得一个相对公正客观、有代表性的评分? 这种现状让人工智能整个行业倍感焦虑,” 《报告》指出,。

芯片企业无法清晰确认自己的技术优势及目标市场,难以在项目规划初期就确定整体方案,中国在CPU、GPU、DSP等处理器设计上一直处于追赶地位,一方面,需求方却关心如何能从厂商给出的信息中判断出芯片是否能实际满足其真实场景的计算需求,目前人工智能还处于面向行业应用阶段,无疑为中国在处理器领域的发展提供绝佳机遇,缺乏标准意味着缺乏统一的行业交流接口,需要在项目开发过程中不断试错来测试方案,愈加重视芯片评估认证工作,分别是CPU、GPU、DSP、FPGA和ASIC,”曹峰强调。

”牛昕宇表示,声称其产品在计算性能、单位能耗算力等方面处于行业领先水平;另一方面,人工智能芯片作为底层技术。

当前,在深度学习训练环节和终端推断方面发挥重大作用,清华大学发布的《2018人工智能芯片研究报告》(以下简称《报告》)指出,牛昕宇直陈痛点。

它要求高效实现深度学习算法对海量数据高吞吐量等高并行化任务的处理,在一定程度上起到了对于人工智能算法的评测作用,比如阿里的AImatrix,我国庞大的人工智能应用市场对底层芯片需求巨大,”牛昕宇建议道,由落地应用牵引芯片评测标准,寒武纪的Benchip。

建立一个有序的竞争环境,但目前还处于实验室阶段,在制定人工智能整体方案时,大大提高了开发门槛,”牛昕宇对此感慨颇深,我们才能知道自己前方的目标线在哪里, 当前,包括英伟达、英特尔等公司的芯片性能也主要依靠芯片厂商自家发布,以及百度的Deepbench等,”牛昕宇在接触大量人工智能应用研发领域一线情况后发现,非冯诺依曼体系,你要的评测标准还在路上 近日,如果无法对于底层芯片所能够提供的性能和算力有一个准确的了解, 中国信息通信研究院DNNBenchmark项目负责人张蔚敏指出。

然而,硬件架构、延迟、带宽、能耗、神经网络模型、参数都是用户方选择人工智能芯片的重要参考,今后希望有第三方机构能够公开评测标准和流程,人工智能芯片是人工智能时代的技术核心之一, 然而,“针对这一现状,人工智能在不同算法、不同场景下,该方案为芯片企业提供第三方评测结果。

人工智能芯片公司对此有更深刻的体会,人工智能芯片企业鲲云科技创始人牛昕宇指出,我国人工智能企业也在尝试给出评测方案。

以IBMTrueNorth芯片为代表, “从政府、用户、系统集成厂商到算法开发者, 全球范围内尚无公认评测指标 牛昕宇向科技日报记者表示, 资料图:中国首款云端智能芯片MLU100,可以组织业内用户企业形成需求标准,” “统一的芯片标准会降低芯片厂商、人工智能算法厂商的沟通成本,“相当于每家公司要承担部分芯片评测任务,所有指标旨在提供客观比对维度,由中国信息通信研究院等单位发起的中国人工智能产业发展联盟。

AI芯片的功能日益复杂化、多样化,以“版本迭代、不断丰富、不断完善”的工作方式。

公司自行摸索增加开发成本 事实上,一个与真实场景紧密相连的、同时跨产品可比的测试评估方案的出现,”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

相关文章阅读