产业分析

• AI芯片:从历史看未来

  宋继强;魏少军;

  <正>AI芯片是当前科技、产业和社会关注的热点,也是AI技术发展过程中不可逾越的关键阶段。由于目前的AI算法都有各自的长处和短处,只有给它们设定一个合适的应用边界才能最好地发挥它们的作用。因此,确定应用领域就成为发展AI芯片的重要前提。通过芯片技术来大幅增强人工智能研发的条件已经成熟,未来十年将是人工智能芯片发展的重要时期,不论是架构上还是设计理念上都将有巨大的突破。

  2018年02期 No.3 6-19页 [查看摘要][在线阅读][下载 3133K]
  

• AI芯片:加速智能时代的发动机

  王哲;冯晓辉;

  <正>随着人工智能的应用领域不断扩张,人工智能芯片已成为战略高地,从传统芯片厂商、互联网巨头到初创公司纷纷布局。预计到2021年,全球人工智能芯片市场规模有望超过人工智能行业整体增速,达到52.4亿美元,年复合增长率54.3%。芯片作为人工智能的核心部件,在技术驱动和需求牵引下市场增速有望实现逐年扩大。

  2018年02期 No.3 20-33页 [查看摘要][在线阅读][下载 4647K]
  

前沿技术

• Thinker:可重构混合神经网络计算芯片

  尹首一;欧阳鹏;唐士斌;涂锋斌;李秀冬;郑时轩;陆天翼;谷江源;刘雷波;魏少军;

  <正>深度神经网络已被广泛应用于人工智能系统中,神经网络专用计算芯片成为学术界和工业界的关注热点。Thinker是一款基于可重构计算架构的低功耗神经网络计算芯片,其支持卷积网络、全连接网络和递归网络的混合计算。为了实现高能效,Thinker提出了三种优化技术。首先,每个处理单元(PE)支持位宽自适应计算,以满足神经层的不同位宽。其次,PE阵列支持按需分区和重新配置,以并行处理

  2018年02期 No.3 34-45页 [查看摘要][在线阅读][下载 10148K]
  

• 神经形态计算发展现状与展望

  陈怡然;李海;陈逸中;陈凡;李思成;刘晨晨;闻武杰;吴春鹏;燕博南;

  <正>神经形态计算是一个包含硬件开发、软件支持、生物模型,三者不可以缺一的研究。其终极目标之一是模仿生物结构来实现电子脑以期达到人工智能。这种仿生学方法创造了高度连接的合成神经元和突触,它们可用于神经科学理论建模,并解决具有挑战性的机器学习问题。该技术的前景是创造一个像大脑一样具有学习和适应能力的系统,但这项技术存在很多技术挑战,从建立准确的大脑神经模型,到寻找材料

  2018年02期 No.3 46-58页 [查看摘要][在线阅读][下载 13624K]
  

• 英特尔Loihi神经拟态芯片:引领智能计算新突破

  杜宇阳;刘忠轩;宋继强;

  <正>神经拟态计算是从人脑的信息处理机制中获得灵感,利用脉冲神经网络进行处理的计算架构。Loihi是英特尔公司在2018年国际消费电子展上展示的新型神经拟态计算芯片。它采用英特尔领先的14纳米工艺制程,在60平方毫米的芯片上集成了13万个神经元和1.3亿个神经突触,每个突触的能效达到创纪录的1.7皮焦。对于规模化的LASSO优化问题,Loihi在能效延迟乘积上较1.67G凌动CPU

  2018年02期 No.3 60-71页 [查看摘要][在线阅读][下载 10139K]
  

• 寒武纪:智能处理器和基准测试集

  杜子东;

  <正>智能处理器作为支撑人工智能产业发展的关键基础,是国际传统IT企业和互联网企业巨头关注的重中之重。然而目前产业仍然存在产业化程度不高、标准体系不健全、基准测试平台缺乏、评估规范缺失等问题。"寒武纪"AI芯片可以在计算机中模拟神经元和突触的计算,对信息进行智能处理。通过设计专门存储结构和指令集,

  2018年02期 No.3 72-81页 [查看摘要][在线阅读][下载 2362K]
  

• 稀疏化:神经网络计算新范式

  江帆;李鑫;梁爽;韩松;

  <正>一直以来,深度学习计算遇到的最大瓶颈其实是带宽问题,而非计算本身。为了实现高效的深度学习计算,我们必须软硬件同时进行优化,不仅算法上压缩到更小,硬件上更要支持好压缩后的深度学习算法。基于稀疏化的深度压缩技术正是能解决这个问题的最好方法,通过在算法侧进行稀疏化剪枝等操作,将深度神经网络模型

  2018年02期 No.3 82-95页 [查看摘要][在线阅读][下载 4635K]
  

• 光子神经网络——重新定义AI芯片

  白冰;杨钊;于波;李渔;

  <正>光子神经网络的出现将重新定义AI芯片,区别于GPU、FPGA、DSP和AISC所依托的传统电子技术,基于光子特性的芯片架构将在算力和能耗方面实现两个数量级以上的性能突破。光子AI芯片给我国在微电子、芯片制造等领域提供了弯道超车的机会,配合我国在当前人工智能产业的布局和大力投入,将有希望在下一个

  2018年02期 No.3 96-105页 [查看摘要][在线阅读][下载 6683K]
  

落地应用

• 端侧智能芯片构筑华为终端智慧化之路

  芮祥麟;张守杰;

  <正>人工智能承担着未来进入和管理数字世界的能力,并提供个性化的主动服务。在智慧互联时代,手机不再仅仅局限于通话和上网,而是承担起"懂你"的智慧助手角色,能够主动感知用户状态和周边环境,并主动提供精准服务。但是在智慧互联时代,手机、平板电脑等个人终端侧的性能、功耗问题已经成为阻碍移动AI技术发展的

  2018年02期 No.3 106-112页 [查看摘要][在线阅读][下载 4726K]
  

• 端侧AI芯片的挑战和展望

  谭洪贺;余凯;

  <正>最近半年以来,人工智能的发展重心逐渐从云端向终端转移,相伴而生的是人工智能芯片产业的全面崛起。目前国内外的AI芯片领域正在逐渐升温,众多AI芯片初创企业开始陆续涌现。随着2018年的开始,人工智能的竞争进入白热化阶段,各大公司已经从一开始的拼技术、拼履历、拼大牛,陆续进入到拼行业、拼落地的实

  2018年02期 No.3 113-121页 [查看摘要][在线阅读][下载 12702K]
  

• 从AIoT的人机交互需求看AI芯片的落地路径

  李霄寒;海明;钟文杰;

  <正>自2017年开始,"AIoT"一词便开始频频刷屏,成为物联网的行业热词。"AIoT"即"AI+IoT",指的是人工智能技术与物联网在实际应用中的落地融合。当前,已经有越来越多的人将AI与IoT结合到一起来看,AIoT作为各大传统行业智能化升级的最佳通道,已经成为物联网发展的必然趋势。

  2018年02期 No.3 122-130页 [查看摘要][在线阅读][下载 4204K]
  

AI探索

• 面向脑机接口的神经拟态芯片

  马德;潘纲;

  <正>神经拟态芯片为生物神经网络启发,在单个芯片实现具有上百万个神经元的复杂网络,针对智能信息处理的特定应用来提高性能与降低功耗,具有小体积、高能效比、高容错性及自学习的特点,是脑机接口系统,特别是植入式设备信息处理单元的有潜力的实现方式。神经拟态芯片在脑机接口系统中的应用尚属该研究领域的早期探索,目前仍有许多限制。此外,神经拟态芯片基本依赖于离线学习,在线学习和增

  2018年02期 No.3 131-136页 [查看摘要][在线阅读][下载 2727K]
  
下载本期数据