中国自研业内计算力最高AI芯片,可150W的功耗下提供高达260 TOPS的能力

2020-03-20

“新基建”正在加速各领域的智能化升级。315日,百度昆仑芯片正式在微亿智造的工业智能质检设备上部署上线,为工业领域的智能化升级再添新动力。这也是中国自研AI芯片在工业领域的首次大规模应用。




随着中国产业智能化进程的逐步深入,市场对于AI算力的需求出现超大规模增长,在端侧部署AI芯片成为企业应用AI的重要一环。百度昆仑芯片负责人表示,百度昆仑芯片是百度自研的中国第一款云端全功能AI芯片,它采用百度自研XPU神经处理器架构,提供512GB/s的内存带宽,能够在150W的功耗下提供高达260 TOPS的能力,是业内设计算力最高的AI芯片。针对市场对AI算力的需求,百度昆仑芯片能够在同等甚至更低的成本条件下,提供更高的计算性能,为各行各业的智能化升级提供强大的AI算力支持,满足企业在不同场景下的业务需求,帮助企业实现显著的降本增效。同时,国产自研芯片也可以满足中国企业对于核心技术自主的需求。


行行查,行业研究数据库 www.hanghangcha.com


当前,人工智能正处于初步开发阶段,对于AI芯片的定义并没有一个严格和公认的标准,应用于人工智能场景的各类芯片都被宽泛的认为是AI芯片。AI芯片主要囊括三大类,一是经过软硬件优化可以高效支持AI应用的通用芯片,例如GPU方案;二是侧重加速机器学习(尤其是神经网络、深度学习)算法的芯片,这也是目前AI芯片中最多的形式,如FPGAASIC方案;三是受生物脑启发设计的神经形态计算芯片,称之为类脑芯片,通过模拟人脑运行机制设计。比如IBM的类脑芯片TrueNorth就是基于脉冲神经网络。但受限于脑科学的发展水平,目前还很难研制出通用的类脑芯片,市场上的类脑芯片一般只是部分汲取了人脑特点的专用处理芯片。




AI芯片的目标在于“训练”和“推断”。其中云端聚集训练和推断双重功能,通用GPU,特别是NVIDIA系列GPU芯片方案是目前AI训练领域应用最广泛的平台。GPU芯片擅长并发计算,适合图形运算,上市快,通用性强,但存在成本、效率、功耗三方面的瓶颈。半定制化FPGA芯片在中心推理及数据中心也有较多应用,FPGA允许用户通过硬件编程定义逻辑,其前期启动成本低,通过再编程特性提供了灵活性,但这种优势是以更高总成本、功耗以及牺牲性能为代价。




根据鲸准数据库数据显示,中国芯片注册企业有74666家,AI芯片企业有528家,截至目前投融资交易事件265起。赛迪顾问发布的《中国人工智能芯片产业发展白皮书》显示, 2018 年中国AI芯片市场保持高速增长,整体市场规模达到80. 8 亿元,同比增长50.2%。未来三年AI芯片市场规模年均复合增长率将超50%,随着边缘计算兴起,“云边结合”将成为智能计算的主流方案。




行行查,行业研究数据库 www.hanghangcha.com


手机访问“行行查”小程序更方便

 


相关推荐

首个5G+VR远程探视及诊疗业务成功开展,实时360度全景视频传输

国内最大特种玻纤研发生产基地点火投产,建成年收入4亿元

创新与危机下中国高端电子陶瓷发展

研究发现:石墨烯器件远红外波有望无创治疗肿瘤

江苏人民顶起来!全国地级市首个5G超千亿产业规划落地无锡

石墨烯自发热地板颠覆传统,5大优势真正走进寻常百姓家

继千亿方大气田渤海在现大型油田,单口井年产原油超40万桶

碳纳米管光电传感存储器件研制成功!高电流开关比、存储长达10年

10月1日前实现钢铁企业超低排放改造,其中这类企业必须退出

紫光存储或解散,将投8000亿重点打造DRAM,实现5年量产

行行查

行业研究数据库

移动端
中国自研业内计算力最高AI芯片,可150W的功耗下提供高达260 TOPS的能力
2020-03-20

“新基建”正在加速各领域的智能化升级。315日,百度昆仑芯片正式在微亿智造的工业智能质检设备上部署上线,为工业领域的智能化升级再添新动力。这也是中国自研AI芯片在工业领域的首次大规模应用。




随着中国产业智能化进程的逐步深入,市场对于AI算力的需求出现超大规模增长,在端侧部署AI芯片成为企业应用AI的重要一环。百度昆仑芯片负责人表示,百度昆仑芯片是百度自研的中国第一款云端全功能AI芯片,它采用百度自研XPU神经处理器架构,提供512GB/s的内存带宽,能够在150W的功耗下提供高达260 TOPS的能力,是业内设计算力最高的AI芯片。针对市场对AI算力的需求,百度昆仑芯片能够在同等甚至更低的成本条件下,提供更高的计算性能,为各行各业的智能化升级提供强大的AI算力支持,满足企业在不同场景下的业务需求,帮助企业实现显著的降本增效。同时,国产自研芯片也可以满足中国企业对于核心技术自主的需求。


行行查,行业研究数据库 www.hanghangcha.com


当前,人工智能正处于初步开发阶段,对于AI芯片的定义并没有一个严格和公认的标准,应用于人工智能场景的各类芯片都被宽泛的认为是AI芯片。AI芯片主要囊括三大类,一是经过软硬件优化可以高效支持AI应用的通用芯片,例如GPU方案;二是侧重加速机器学习(尤其是神经网络、深度学习)算法的芯片,这也是目前AI芯片中最多的形式,如FPGAASIC方案;三是受生物脑启发设计的神经形态计算芯片,称之为类脑芯片,通过模拟人脑运行机制设计。比如IBM的类脑芯片TrueNorth就是基于脉冲神经网络。但受限于脑科学的发展水平,目前还很难研制出通用的类脑芯片,市场上的类脑芯片一般只是部分汲取了人脑特点的专用处理芯片。




AI芯片的目标在于“训练”和“推断”。其中云端聚集训练和推断双重功能,通用GPU,特别是NVIDIA系列GPU芯片方案是目前AI训练领域应用最广泛的平台。GPU芯片擅长并发计算,适合图形运算,上市快,通用性强,但存在成本、效率、功耗三方面的瓶颈。半定制化FPGA芯片在中心推理及数据中心也有较多应用,FPGA允许用户通过硬件编程定义逻辑,其前期启动成本低,通过再编程特性提供了灵活性,但这种优势是以更高总成本、功耗以及牺牲性能为代价。




根据鲸准数据库数据显示,中国芯片注册企业有74666家,AI芯片企业有528家,截至目前投融资交易事件265起。赛迪顾问发布的《中国人工智能芯片产业发展白皮书》显示, 2018 年中国AI芯片市场保持高速增长,整体市场规模达到80. 8 亿元,同比增长50.2%。未来三年AI芯片市场规模年均复合增长率将超50%,随着边缘计算兴起,“云边结合”将成为智能计算的主流方案。




行行查,行业研究数据库 www.hanghangcha.com


手机访问“行行查”小程序更方便

 

相关推荐