来源:机器之心
在AI计算机训练与推理领域,存在着这样一种理念:如果计算需求很大,那么为其提供动力所需的能量也将很大。这种理念也被该领域广泛接受。那么有没有可能开发出一种既可以显著提升计算能力又无需消耗过多能量的方法呢?IBM在顶会ISSCC上介绍了一种7nm训练推理节能芯片。
自动驾驶汽车、文本转语音和送货无人机,这些都是人工智能的典型应用。为了不断推动 AI 淘金热,人们一直致力于改善 AI 硬件技术的核心,即赋能深度学习的数字 AI 内核,它是人工智能的关键推动力。
图 2:该研究与其他工作的数据对比。
点击阅读原文,查看更多精彩!
ISSCC(International Solid-State Circuits Conference)国际固态电路会议由IEEE固态电路协会(SSCS)举办,是世界学术界和工业界公认的集成电路设计领域最顶尖的盛会,也被认为是“芯片奥林匹克”。始于1953年的ISSCC通常是各个时期国际上最尖端固态电路技术最先发表之地。每年吸引超过3000名来自世界各地工业界和学术界的参会者。
ISSCC 在技术领域方面历经变更,ISSCC2020为“机器学习及人工智能”新成立了独立的技术小组分会,至此,ISSCC的技术分类达到12个分类,包括模拟设计(ANA)、电源管理(PM)、无线传输(WLS)、数据转换器(DC)、前瞻技术(TD)、射频技术(RF)、数字电路(DCT)、图像、 MEMS、医疗、显示(IMMD)、以及机器学习和人工智能(ML)、存储(MEM)、有线传输(WLN)和数字系统(DAS)。
来自英伟达的Rangha Venkatesan讲解了关于加速深度神经网络设计的方法教程,值得关注。
深度神经网络有着广泛的应用。与通用处理器相比,该领域的定制硬件优化提供了显著的性能和功耗优势。然而,实现高的TOPS/W和/或TOPS/mm2以及对可伸缩性和可编程性的要求是一个挑战任务。这个本教程介绍了各种设计方法,以在不同神经网络和新模型的效率、可扩展性和灵活性之间取得正确的平衡。它介绍了(i)设计高效计算单元、内存层次结构和互连拓扑的不同电路和体系结构技术,(ii)有效平铺计算的编译器方法,以及(iii)在目标硬件上高效执行的神经网络优化。
近日,全球分析师大会HAS 2020期间,华为面向全球发布《自动驾驶网络解决方案白皮书》,系统阐述未来网络架构、运维架构和其关键技术,通过网元、网络和云端的三层AI能力协同,使能网络走向极简超宽、运维迈向人机协同,为运营商和产业伙伴的数字化转型提供实践参考。
华为自动驾驶网络ADN目标架构
华为公共开发部总裁鲁鸿驹表示:“未来十年是智能时代蓬勃发展的黄金十年,以5G、云、AI为核心代表的新技术将赋予联接智能升级的核心动能。华为呼吁业界同仁一同探索实践,通过数据与知识驱动,打造一张自动、自愈、自优的自治网络,抓住数字经济所赋予的新机遇。“
白皮书指出,打造自动驾驶网络需做出两大转变:
第一,从“以网元为中心”的碎片化建网模式,转变为“以业务为中心”的积木式的自治域建网模式。通过融合的“管理-控制-分析” 实现单域自治和实时闭环,平衡域内创新和域间协同的成本与速度;
第二,产业携手定义跨域开放协同的目标架构和可编程的API标准,大幅简化跨域业务协同和保障的复杂性,降低研运成本和风险,简化集成敏捷商业,降低整个产业的协作成本。
同时,白皮书建议以L4级(高度自动驾驶网络)作为未来架构的阶段性目标,应该具备以下四个特征:一、网络知识和专家知识数字化,从被动的人工运维走向预测性的智能运维;二、极简架构的网络基础设施,网元走向智能化;三、分层的单域自治和跨域协同,网络走向在线实时闭环;四、统一的云端AI训练、知识管理和运维设计平台,支持电信网络迭代演进。
白皮书呼吁业界要实现自动驾驶网络的宏伟目标,需要产业各方达成共识,按照开发一代、研究一代、探索一代的方式共同制定统一标准和分级评估体系,形成高效协同的产业生态,共同助力产业智能升级和健康可持续性发展。