浅谈人工智能芯片（一）-- 深度神经网络和NVidia GPU的崛起

随着人工智能浪潮的兴起，人工智能基础芯片作为主要的计算力推动引擎也越来越受到追捧和热议，这个系列连载会介绍人工智能芯片兴起的背景和现有主要玩家以及研究现状，主要包括NVidia GPU、Google的TPU、Intel的Nervana、IBM的TreueNorth、微软的DPU和BrainWave、百度的XPU、Xilinx的xDNN、寒武纪芯片、地平线以及深鉴科技的AI芯片等，基本上是GPU、FPGA、神经网络芯片三分天下的趋势，三种芯片各有各自的优劣，都在面向自己独特的细分市场。
本章先聊一聊深度神经网络和NVidia GPU的崛起。

人工神经元和深度神经网络

人工智能的终极目标是模拟人脑，人脑大概有1000亿个神经元，1000万亿个突触，能够处理复杂的视觉、听觉、嗅觉、味觉、语言能力、理解能力、认知能力、情感控制、人体复杂机构控制、复杂心理和生理控制，而功耗只有10~20瓦。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。
这是人脑基本神经元和突触：

这是人工神经元模拟神经元：

输入模拟神经元输入电信号，权值模拟神经元之间的突触连接，激活函数模拟突触之间的电信号传导。
早在1981年David Hubel和Torsten Wiesel就发现了人的视觉系统的信息处理是分级的，因此获得了诺贝尔医学奖。如图所示，从视网膜出发，经过低级的V1区边缘特征提取，到V2区识别基本形状或目标的局部，再到高层的目标识别（例如识别人脸），以及到更高层的前额叶皮层进行分类判断等，人们意识到高层特征是低层特征的组合，从低层到高层越来越抽象，越来越能表达语义或者意图。

原文链接