英伟达研发人工智能超级芯片预算超过20亿美元

好评:☆☆☆☆

 美国时间4月6日,芯片公司英伟达在加州圣何塞举办的公司年度GPU技术大会上发布了一款深度学习的芯片——特斯拉P100 GPU,它可以执行深度学习神经网络任务,速度是英伟达之前高端系统的12倍,预计新产品将会极大推动机器学习的极限。

英伟达投入了超过20亿美元的研发预算开发这款芯片。这款芯片集成了1500亿个晶体管,大约是英伟达前一代芯片的3倍,而采用新款芯片的人工神经网络的学习速度将达到此前的12倍。

英伟达的长项是提供图形处理芯片,在视频游戏领域英伟达的产品一直很具竞争力。图像处理需要占用大量运算资源,神经网络深度学习也是如此。神经网络深度学习是一种人工智能,数据通过层层模拟的神经元输入,从而训练计算机识别复杂的模式。当涉及推动深度学习向前发展,处理能力至关重要。

研究人员发现,为电子游戏图像显示而设计的芯片可以成为深度学习的基础。图形处理器仍是深度学习的关键。

英伟达CEO黄仁勋在会上表示,目前是时候为深度学习技术开发专门的芯片。“深度学习驱动的计算机能够执行我们无法想象的任务,”黄说道,“深度学习不仅仅是个领域或者一个应用程序。它远不止此,所以我们公司将全力以赴。我们首次设计了专门用于加速人工智能和深度学习的芯片架构。”

一般来说,当数据变得越来越大越来越复杂时,深度学习机器执行任务所需要的神经层越多。这意味着为了建造更大的神经网络从而完成更强大的机器学习——例如,自动驾驶车辆实现更精确的图像识别——研究人员和数据科学家需要更强大的芯片,而英伟达旨在提供这类芯片。

随着越来越多公司参与研发深度学习技术——谷歌、微软、亚马逊、Facebook、百度等等——英伟达将自身定位为人工智能芯片制造商。

近期,谷歌人工智能软件AlphaGo就利用深度学习技术击败了全球顶尖的围棋选手李世石。

根据发表在期刊《自然》上的一篇文章,DeepMind使用了巨大的计算能力训练它的人工智能AlphaGo,精确来说是1202个CPU和176个GPU。

深度学习系统会在多个模拟神经元之间传递大量数据。利用P100芯片,计算机科学家可以向人工网络输入更多数据,或是设计更庞大的虚拟神经元网络,从而推动更大的突破。

黄仁勋表示,新款芯片目前已经投产。他预计云计算公司将从今年开始使用这一芯片。IBM、戴尔和惠普将从明年开始销售搭载这款芯片的服务器。

英伟达还同时发布了一款面向深度学习研究员的特殊计算机,其中集成了8个P100芯片,同时配备了存储芯片和闪存模块。领先的学术研究机构,例如加州大学伯克利分校、斯坦福大学、纽约大学和麻省理工学院已经获得了这款型号DGX-1的计算机。这台计算机售价为12.9万美元。