Google让AI设计AI芯片,芯片性能超过人类

研发AI芯片,是一项研发周期长且需要雄厚资金支持的工作。这些专用芯片设计主要是用于更快、更高效地执行AI算法。当前的问题是,设计芯片需要花费数年的时间,并且机器学习算法的发展比研发进程要快得多。你需要一种经过优化的可用于当今AI的芯片,而不是两到五年前的AI。 对于此,Google于近期推出了自己的解决方案:让AI设计AI芯片。

他们在一篇论文中写道:“我们相信,人工智能本身将提供缩短芯片设计周期,在硬件与AI之间建立共生关系的手段,而两者之间的相互推动又推动了这一进步。”

“我们已经看到,有些算法或神经网络架构……在现有的加速器中表现不佳,因为加速器的设计停留在两年前,而那时这些神经网络并不存在,” Google的高级研究科学家Azalia Mirhoseini说到。 “如果缩短设计周期,我们可以缩小这一块的差距。”

Mirhoseini和高级软件工程师Anna Goldie提出了一个神经网络,可以学习做一个特别耗时的设计部分,即放置。在对芯片设计进行了足够长时间的研究之后,它可以在不到24小时的时间内为Google TPU芯片完成设计,在功耗,性能和外形方面都超过了人类专家数周的设计工作。

放置是如此复杂且耗时,因为它涉及放置逻辑和内存块或这些块的群集(称为宏),从而使功率和性能得到最大化,并且芯片面积最小。而面临的挑战是,必须在遵守互连密度规则的同时进行所有这些工作。 Goldie和Mirhoseini的目标是芯片放置,因为即使使用当今的先进工具,人类专家也需要花费数周的迭代时间才能得出可接受的设计。

Goldie和Mirhoseini将芯片放置建模为强化学习问题。与典型的深度学习不同,强化学习系统不会训练大量的标签数据。相反,他们会边做边学,并在成功时根据奖励信号调整网络中的参数。在这种情况下,奖励是降低功率,改善性能和减少面积的组合的替代指标。结果,布局机器人执行的设计越多,其任务就会越好。

该团队希望像这样的AI系统能达到“在同一时间段内设计更多的芯片,以及运行速度更快,功耗更低,制造成本更低,外形体积更小的芯片”这一目标。

那么,Google Edge TPU芯片又是什么

Edge TPU是专为在边缘运行TensorFlow Lite ML模型而设计的ASIC芯片。Edge TPU 可用于越来越多的工业使用场景,如预测性维护、异常检测、机器视觉、机器人学、语音识别等等。 它可以应用于制造、本地部署、医疗保健、零售、智能空间、交通运输等各个领域。它体型小、能耗低,但性能出色,可以在边缘部署高精度 AI。Edge TPU 是对 CPU、GPU、FPGA 以及其他在边缘运行AI的 ASIC 解决方案的补充。

首个基于谷歌Edge TPU芯片的全球AI模型平台-——Model Play

如果把人工智能比作一辆战车,那么模型则扮演着"发动机"的角色。模型是人工智能技术在生产实践中真正落地、促进产业发展的重要保障,是人工智能生态中的重要一环。

Model Play 是一款面向全球用户的AI模型资源交流与交易平台,为机器学习与深度学习提供丰富多样化的功能模型,支持钛灵(TiOrb)AIX等多类主流智能终端硬件,帮助用户快速创建和部署模型,显著提高模型开发和应用效率,降低人工智能开发及应用门槛。

Model Play平台中的AI模型,兼容多类市场主流的边缘计算AI芯片,包括Google Coral Edge TPU,英特尔Movidius,英伟达Jetson Nano。尤其是Googl Coral Edge TPU,AI模型下载后更能搭载TiOrb AIX直接进行运行。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值