在过去的十年中,人工智能的重新兴起使图形卡行业受益匪浅。英伟达(Nvidia)和AMD(AMD)等公司的股价已大幅上涨,因为事实证明,它们的GPU对于训练和运行深度学习模型非常有效。实际上,Nvidia甚至已经从纯粹的GPU和游戏公司发展成为云GPU服务提供商和称职的AI研究实验室。
但是,专门从事机器学习软件的公司Mipsology的首席执行官兼联合创始人Ludovic Larzul表示,GPU还存在着固有的缺陷,这使其在AI应用中面临挑战。
Larzul说,解决方案是现场可编程门阵列(FPGA),这是他的公司专门研究的领域。FPGA是一种可以在制造后进行定制的处理器,这使其比通用处理器更有效。但是,FPGA很难编程,这是Larzul希望通过其公司开发的新平台解决的问题。
专门的AI硬件已成为一个行业,对于将其作为深度学习算法的最佳基础设施的评审仍在进行中。但是,如果Mipsology成功完成其任务,这可能会给许多目前GPU苦苦挣扎的AI开发人员带来好处。
使用GPU进行深度学习的挑战
三维图形是GPU拥有如此大的内存和计算能力的原始原因,与深度神经网络有一个共同点:它们需要大量的矩阵乘法。
图形卡可以并行执行矩阵乘法,从而极大地加快了运算速度。图形处理器可以将训练神