【新智元导读】本文列举并介绍了现有的几乎全部深度学习处理器,是值得收藏的超全资料。 Nvidia GPU 英伟达最新的 GPU NVIDIA TESLA V100 单精度浮点性能达到15 TFlops,在新的 Tensor core 架构达到 120 TFlops,是FP16乘法或FP32累加,或适应ML。 英伟达将8个board包装在他们的 DGX-1 for 960 Tensor TFlops Nvidia Volta - 架构看点这篇文章对 Volta 架构做了一些分析 SoC 英伟达提供 NVIDIA DRIVE™PX,这是用于自动驾驶汽车的AI车载计算机和JETSON TX1 / TX2模块,一个“自动驾驶应用的嵌入式平台” 英伟达的开源DLA 英伟达在GTC2017上宣布 XAVIER DLA 开源。虽然我们现在仍没有看到有早期的可访问版本,希望如期在9月份发布。从Nvidia开源深度学习加速器说起这篇文章有更多分析。 AMD GPU 即将推出的 AMD Radeon Instinct MI25 宣称 SP16 达到12.3 TFlop,或 FP16 达到 16.6 TFlops。如果你的计算适用Nvidia 的 Tensors,那么 AMD 可能无法与之抗衡。与 AMD 的 484 GB/s相比,Nvidia的带宽为900GB/s。 Intel Nervana 英特尔收购的 Nervana Systems 除了 Nervana Engine ASIC 外还开发 GPU/software 方法。可比性能现在还不清楚。英特尔也计划通过 Knights Crest 项目整合到Phi平台。NextPlatform 的一篇文章指出Nervana 2017年在28nm上的目标可能是55 TOPS/s。英特尔计划在12月有一个NervanaCon,所以到时也许会公布第一批成果。 Mobileye EyeQ Mobileye 目前正在开发第五代SoCEyeQ®5,作为视觉中央计算机执行完全自动驾驶(Level 5)车辆的传感器,将在2020年上路。为了满足功耗和性能目标,EyeQ®SoC的设计是最先进的VLSI处理技术,第5代降低到7nm FinFET。 Movidius Movidius VPU 是一个向量处理器阵列。 FPGA Intel FPGA OpenCL 以及解决方案。 Google TPU 谷歌的TPU在性能上领先GPU,是驱动DeepMind的AlphaGo在围棋比赛中赢了人类冠军的硬件。原来的700MHz TPU具有用于8位计算的95 TFlop或16位计算的23TFlop,而仅需40W。这比GPU快得多,但现在比英伟达的V100慢,但不是以每W为基础比较。新的TPU2被宣称具有四芯片的TPU,并且可以实现约180 TFlop。每个芯片的性能都翻了一番,达到16位的45 TFlops。你可以看到英伟达的V100正在缩小这一差距。TPU或TPU2都不是开放出售。谷歌正在使其在云端可用,TPU pod包含64个设备,最高可达11.5 PetaFlop的性能。 其他参考文章: Xilinx Xilinx提供“从边缘到云”的机器学习推理解决方案,并在他们的白皮书中声称自己的FPGA最适用于INT8。 虽然FPGA的性能令人印象深刻,但是供应商的较大芯片长期以来价格较高。找到价格和性能之间的平衡是FPGA的主要挑战。 微软FPGA 微软将赌注放在FPGA,可以看这篇文章:“Microsoft Goes All in for FPGAs to Build Out AI Cloud”。 关于微软FPGA,《连线》发了一篇很好的特写:“Microsoft Bets Its Future on a Reprogrammable Computer Chip” 关于 FPGA in cloud,有另一篇挺好的参考文章:Inside the Microsoft FPGA-based configurable cloud Qualcomm 高通公司围绕ML已经有一段时间,发布了Zeroth SDK和Snapdragon神经处理引擎。高通在Hexagon DSP使用NPE是非常合理的。 Apple 彭博社的报道称苹果要做专用芯片,但没有透露更多细节。不管芯片是不是被苹果作为一个重要领域,这有助于苹果与高通竞争。 Core ML是苹果目前的机器学习应用程序。 ARM DynamIQ是ARM给予AI时代的答案,虽然它可能不是革命性的设计,但确实是重要的。 ARM还提供了一个开源的Compute Library,其中包含为Arm Cortex-A系列CPU处理器和Arm Mali系列GPU实现软件函数的综合集成。 IBM TrueNorth TrueNorth 是与 DARPA SyNAPSE 程序一起开发的 IBM 的 Neuromorphic CMOS ASIC。 HiSilicon(华为海思) 华为CEO余承东最近在2017年中国互联网大会上宣布,华为正在开发AI芯片。 麒麟 for 智能手机 麒麟970可能具有一个嵌入式深度学习加速器。 Mobile Camera SoC 根据 Hi3559A V100ESultra-HD Mobile Camera SoC的简要数据表,它具有双核CNN@700 MHz神经网络加速引擎 Cambricon(寒武纪) 寒武纪致力于IP License,芯片服务,Smart Card和智能平台。 Horizon Robotics(地平线机器人) 地平线机器人已公布一个嵌入式人工智能处理器架构 Brain Processing Unit(BPU)。 Deephi(深鉴科技) DeePhi Tech在deep compression,编译工具链,深度学习处理单元(DPU)设计,FPGA开发和系统级的优化等方面拥有前沿技术。 Bitmain(比特大陆) 比特大陆正在为AI开发处理器。 Wave Computing Wave Computing 的Compute Appliance可以在3RU设备上以2.9 PetaOPS/秒的速度运行TensorFlow。 Graphcore Graphcore在去年年底获得3000万美元投资,开奖,以支持他们的智能处理单单元(Intelligence Processing Unit,IPU)。 参考:解密又一个xPU:Graphcore的IPU PEZY Computing K.K. Pezy-SC 和 Pezy-SC2 分别是 Pezy 开发的1024核和2048核处理器。 KnuEdge’s KnuPath (责任编辑:本港台直播) |