- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI系统
【AI系统】谷歌 TPUv2 训练芯片
通常来说训练过程通过设计合适 AI 模型结构以及损失函数和优化算法，将数据集以 mini-batch 反复进行前向计算并计算损失，反向计算梯度利用优化函数来更新模型，使得损失函数最小从而使得模型收敛。 这些步骤都是在训练过程中，特别是反向传播中经常遇到的矩阵相关场景，TPU v2 因此对于这一部分进行了特殊优化。芯片互联方式在搭建现代超级计算机的时候，芯片之间的互联就变成了至关重要的一件事情。 而 TPU v2 不同，在下图中我们可以看到，谷歌在板上设计了一个 Interconnect 的模块用于高带宽的规模化，在加强了 TPU v2 芯片间互联的能力，在此基础上搭建了 TPU v2 Supercomputer 每个芯片有四个自定义的核间互联（ICI）链接，每个链路都运行在 TPU v2 中，每个方向的带宽能达到 496 Gbit/s。 以上内容都是围绕着一个 TPU 模块来讲的，实际上本篇第一张图就展示了 TPU v2 模块一共是由多个芯片组成的，而这些芯片间的交互也就是给予上面我们讲到的互联模块完成的。
2.3K10编辑于 2024-11-27 - 来自专栏AI掘金志
2 年乱世，安防 AI 芯片未见英雄
安防芯片是一个每年出货3-4亿颗，芯片单价2-10美元，市场规模30-50亿元的大市场。 不过，2020年8月之前数年时间里，绝大部分的视觉芯片公司都只能仰望海思。 2年动荡，3大受益者，无一黑马 从2020年8月至今，两年多之间过去，4年前海思推出的AI算力达4TOPS的高端3559A依旧紧俏，价格比暴涨之前还高一倍左右，而中端低端的安防芯片的价格已经回归正常， 对于视觉AI芯片体量大公司来说，寻找安防之外对视觉AI芯片有大量需求的场景，是保持公司竞争力甚至成为市场领导者的关键。 3559A诞生的2018年，正是AI技术最热之时，AI算法快速演进，AI芯片初创公司大量涌现，3559A的目标的安防市场，智能化的普及率极低。 机器人之外，几乎所有做视觉AI芯片的公司都看好大算力视觉AI芯片在智能汽车，以及智能交通领域中的应用。
99531编辑于 2023-01-11 - 来自专栏人人都是极客
AI 芯片和传统芯片的区别
来源：内容来自「知乎@汪鹏 」 所谓的AI芯片，一般是指针对AI算法的ASIC（专用芯片）。 传统的CPU、GPU都可以拿来执行AI算法，但是速度慢，性能低，无法实际商用。 在手机终端，可以自行人脸识别、语音识别等AI应用，这个必须功耗低，所以GPU OUT！ 所以，开发ASIC就成了必然。 说说，为什么需要AI芯片。 总的来说，CPU与GPU并不是AI专用芯片，为了实现其他功能，内部有大量其他逻辑，而这些逻辑对于目前的AI算法来说是完全用不上的，所以，自然造成CPU与GPU并不能达到最优的性价比。 但是，这些算法，与深度学习的算法还是有比较大的区别，而我的回答里提到的AI芯片，比如TPU，这个是专门针对CNN等典型深度学习算法而开发的。 谷歌的TPU，寒武纪的DianNao，这些AI芯片刚出道的时候，就是用CPU/GPU来对比的。 无图无真相，是吧？
2.1K50发布于 2018-12-19 - 来自专栏芯智讯
Rapidus获得首个2nm订单，将为Tenstorrent代工AI芯片
据朝日新闻、每日新闻等多家日本媒体2月28日报道，日本官民合作设立的晶圆代工企业Rapidus于27日宣布，将为AI芯片设计厂商Tenstorrent代工生产2nm的AI芯片。 报导指出，Rapidus社长小池淳义在27日举行的记者会上表示，“今后AI将使用于所有产品，在竞争上、能迅速制作出能满足客户需求的AI芯片是最重要的”。 在2023年11月，Rapidus就宣布和Tenstorrent进行合作，以助力AI芯片的研发，此次双方则是将合作内容进一步扩展到了代工生产领域。 虽然，Rapidus目标是在2027年量产2nm以下最先进逻辑芯片，但是其毕竟是新入局的初创公司，未来能否顺利实现目标仍是未知数。 Rapidus目标在2027年量产2nm以下最先进逻辑芯片，其位于北海道千岁市的第一座工厂「IIM-1」已在2023年9月动工，试产产线计划在2025年4月启用、2027年开始进行量产。
41610编辑于 2024-03-06 - 来自专栏用户6167002的专栏
巨头搅局AI芯片
这些或许才是互联网巨头们集体进入AI芯片市场的关键点。 这么来看，入注AI芯片行业对于互联网巨头来说意义非凡，也难怪巨头们一直以来都在急于融入到AI芯片市场当中。 2021年百度昆仑芯2发布即实现量产；阿里平头哥2019年首发AI芯片“含光800”，迄今为止却已覆盖了阿里内部拍立淘、智能服装设计、搜索和广告推荐等多个应用场景；而腾讯则从2018年开始对燧原科技进行多轮投资之后 例如地平线征程系列AI芯片已在智能座舱、自动驾驶等终端领域取得了较为出色的成绩，据甲子光年数据显示，地平线首款车规级AI芯片征程2，前装出货量于2020年11月便突破了10万片。 毕竟可以利用云端AI芯片赛道取长补短，填补在终端AI芯片的不足，促进整体AI芯片在市场中茁壮生长，同时可以避开各方巨头在终端AI芯片市场中的尖锐锋芒。 在AI芯片性能方面，互联网巨头依靠已推出的部分产品在AI芯片领域出尽风头。据公开数据显示，昆仑AI芯片能提供每秒260万亿次的定数运算性能。
47220编辑于 2022-03-15 - 来自专栏AI系统
【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。 CPU、GPU、FPGA、ASIC 是目前 AI 计算过程中最主流的四种芯片类型，CPU、GPU、FPGA 是前期较为成熟的芯片架构，属于通用性芯片，ASIC 是为 AI 特定场景定制的芯片。
1.7K10编辑于 2024-11-29 - 来自专栏镁客网
首个AI芯片投资！谷歌母公司投资AI芯片初创企业 | 热点
目前这家初创公司还没有发布其第一代芯片产品。 近日，据国外媒体报道，美国初创公司SambaNova System获得了5600万美元的A轮融资。 目前这家初创公司还没有发布其第一代芯片产品，但其已与潜在客户以及公共云提供商进行了谈话。 近年来，AI芯片一直是各大科技公司竞争的热门对象。早在2016年，谷歌就宣布已经制造出可以快速训练AI模型的芯片——张量处理单元（TPU），以对抗英伟达的GPU。 而老牌芯片CPU巨头英特尔并购了AI初创公司Nervana，以扩大自己在AI芯片上的优势。 在收购AI初创公司方面，谷歌也位列各大科技公司榜首。 从2012年至今，谷歌并购的AI公司最多，大概有14个，苹果公司位居第二位。但是此次收购AI芯片公司，还是谷歌的第一次尝试。
65420发布于 2018-05-29 AI如何改变芯片设计
AI如何改变芯片设计摩尔定律即将终结。工程师和设计师在晶体管微型化和芯片集成度方面已接近极限，因此他们转向其他芯片设计方法，将AI等技术融入设计流程。 AI在芯片设计中的当前应用某机构高级产品经理指出，AI已贯穿芯片设计和制造的大部分环节。在工艺工程中，AI可用于优化流程，缺陷检测是各阶段（尤其是制造环节）的重要应用。 AI不仅是预测工具，更能从数据中提取深层洞见。AI驱动的设计优势传统基于物理的建模计算密集且复杂。AI可创建替代模型（即数字孪生），通过参数扫描、优化和蒙特卡洛模拟大幅降低计算时间。 挑战与局限AI模型精度仍不及传统物理模型，这是通过大量模拟和参数扫描来弥补的缺点。芯片设计和制造需考虑所有组件，整合不同部件的预测模型极具挑战性。 未来趋势将减少追求超精确预测，转向信息透明共享和数字孪生应用，结合AI与人类专业知识，推动芯片设计向更高效、协作的方向发展。
49500编辑于 2025-10-11- 来自专栏R语言数据分析
表达芯片数据分析2
db) ls("package:hgu133plus2.db") #列出R包里都有啥 ids <- toTable(hgu133plus2SYMBOL) #把R包里的注释表格变成数据框}# 方法2 k1 = ids2$symbol! str_detect(ids2$symbol,"///");table(k2) ids2 = ids2[ k1 & k2,] # ids = ids2 #使用方法二需要将42行F改为T，55行取消注释 ', getGPL = F)#网速太慢，下不下来怎么办#1.从网页上下载/发链接让别人帮忙下，放在工作目录里#2.试试geoChina,只能下载2019年前的表达芯片数据class(eSet)length p) { s = intersect(rownames(pd),colnames(exp)) exp = exp[,s] pd = pd[s,]}#(4)提取芯片平台编号，后面要根据它来找探针注释
96920编辑于 2023-09-27 - 来自专栏AI系统
【AI系统】从 CUDA 对 AI 芯片思考
英伟达生态的思考点从软件和硬件架构的角度出发，CUDA 和 SIMT 之间存在一定的关系，而目前 AI 芯片采用的 DSA 架构在编程模型和硬件执行模型上还处于较为早期的状态，英伟达强大的生态同样离不开 面对新的 AI 芯片，在流水隐藏方面，实现架构层面的隐藏流水编排机制，提出一个形式上与 SPMD 没有关系的编程模式，而且易用性堪比 CUDA 的软件是可能的。 编程模型上缺乏统一的标准，因此需要专门搭建编译器和编程体系，硬件主要以 AI 加速芯片（TPU、NPU 等）为主。 当 Warp 内部的线程分支到不同的执行路径时，就会发生分支执行冲突，比如当存在 Path 1 和 Path 2 两个分支路径时，可以使得不同时间执行不同的路径，但是这样会增加时耗。 当存在 Path 1 和 Path 2 两条路径的时候，由于某些时钟周期为空，因此在动态合并分支之后执行相同指令的线程，以便同时执行不同的代码路径，从而避免线程之间的等待和资源浪费。
71610编辑于 2024-11-27 AI如何变革芯片设计
AI将如何改变芯片设计人工智能对半导体行业的承诺与潜力芯片制造、MATLAB、摩尔定律、芯片设计、人工智能、数字孪生摩尔定律的终结正逐渐逼近。 例如，某机构正在将其AI技术添加到内存芯片中，以实现存内处理，从而节省能源并加速机器学习。说到速度，某机构的TPU V4 AI芯片的处理能力比其前代产品提高了一倍。 但对于半导体行业，AI仍有更多前景和潜力。为了更好地理解AI将如何彻底改变芯片设计，我们与某机构MATLAB平台的高级产品经理进行了对话。问：AI当前如何用于设计下一代芯片？ 我们通常认为AI是一种预测工具，或者是一个执行某种任务的机器人，但很多时候，通过AI能从数据中获得很多洞察。问：使用AI进行芯片设计的好处是什么？ 问：你如何展望AI和芯片设计的未来？答：这在很大程度上取决于人的因素——让人参与到过程中，并拥有可解释的模型。
23310编辑于 2026-05-23谷歌TPU芯片如何挑战AI芯片主导地位
谷歌定制化AI芯片（即张量处理器）正通过其专业化架构挑战现有市场格局。据报道，多家大型科技公司正计划斥资数十亿美元采购谷歌的张量处理器，这可能动摇英伟达作为AI芯片主要供应商的地位。什么是TPU？ TPU比GPU更适合AI吗？英国布里斯托大学的西蒙·麦金托什-史密斯表示，从技术上讲，张量处理器更像是图形处理单元的一个子集，而非一种完全不同的芯片。 孔蒂指出，英伟达图形处理单元的一个传统优势是，有简单易用的软件可以帮助人工智能设计者在英伟达芯片上运行代码。张量处理器刚问世时并不具备这种便利性，但现在这些芯片已经发展到更易于使用的阶段。 例如，某机构使用自己的Trainium芯片来训练其人工智能模型。 麦金托什-史密斯表示：“大多数大型科技公司都有内部的芯片开发项目，部分原因是图形处理单元因供不应求而变得非常昂贵，自己设计和制造可能更便宜。”TPU将如何影响AI行业？
26310编辑于 2026-03-30转载：【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。 CPU、GPU、FPGA、ASIC 是目前 AI 计算过程中最主流的四种芯片类型，CPU、GPU、FPGA 是前期较为成熟的芯片架构，属于通用性芯片，ASIC 是为 AI 特定场景定制的芯片。
71410编辑于 2024-12-11- 来自专栏芯智讯
传OpenAI将自研AI芯片，并计划收购芯片公司
10月6日消息，据路透社援引知情人士的话指出，生成式AI领域的领头羊、ChatGPT开发商OpenAI正在探索AI芯片的可能性，并已评估潜在的收购目标，以加速自研芯片的研发。 报道称，OpenAI至少从去年就已经开始讨论各种解决方案，以解决AI芯片成本高昂、短缺等问题，其中就包括自研AI芯片、与英伟达（NVIDIA）在内的AI芯片厂商更密切合作、推动AI芯片供应来源更多元化， 虽然还不清楚OpenAI是否会持续推进自研芯片计划，但资深产业人士指出，OpenAI 若是投入自研AI芯片将是一项重大战略，同时也将是一项巨额投资，每年研发投入成本可能高达数亿美元，但无法保证自研AI芯片一定成功 目前面向服务器的AI芯片市场处于英伟达的统治之下，市占率超过80%。特别是自去年年底以来，生成式AI热潮兴起之下，英伟达的AI芯片（GPU）便持续供不应求，价格也是水涨船高。 目前包括谷歌、亚马逊AWS、阿里巴巴、百度、华为等云服务大厂都已有自研 AI 芯片用于数据中心，微软和Meta也有相关计划。所以对于头部的AI技术大厂来说，自研AI芯片已经是一大趋势。
36120编辑于 2023-10-07 - 来自专栏AI科技大本营的专栏
学习华为，小米研究 AI 芯片
作者 | 阿司匹林 编者注：距离小米澎湃 S1 芯片的发布会已经整整一年了，就连搭载澎湃 S1 的小米 5C 都已经从小米商城消失不见，然而澎湃 S2 却迟迟不见踪影。 为此，这几家手机巨头纷纷推出了更适合 AI 应用的芯片，使得这些应用能够在手机终端执行，而不需要依靠云端的服务器，以此带来更流畅的使用体验。 而小米已经在自家手机上推出过各种 AI 功能，并且还在大力扩展具备 AI 能力的智能家居的版图（比如小爱音箱）。因此，小米跟进华为等巨头，进行 AI 芯片的相关研究也就在情理之中了。 “我们自己造芯片，主要目的是为了更深入地了解技术。我们（去年）已经推出了第一款搭载澎湃芯片的智能手机。未来，我们将继续相关技术的研发工作，除了芯片组以外，还会涉及 AI 和其他相关的技术。”王翔说。 不过，小米目前还没决定要不要自己造 AI 芯片。 至于澎湃 S2，王翔并未透露更多的信息，只是表示，小米会继续和其他芯片公司保持良好的合作关系。
74550发布于 2018-04-26 - 来自专栏IT运维技术圈
聊聊苹果的M2芯片
我们还将对 Apple 在 Locuza 的帮助下发布的 M2 图像芯片面积（die area）进行分析。如果你喜欢听而不是阅读，可以看我们制作的 YouTube 视频[2]。 Apple 展示了 M1 和 M2 的未标记图像。这表明 M2 为 141.7mm2，但我们认为 Apple 修改了芯片图像。这不是苹果第一次这么做了。 苹果提供的图片似乎与实际的 M2 不相称。SRAM 单元和 PHY在不同芯片上应该是一样的，我们可以基于这个来辨别，然后看到 M2 似乎比它实际的要小。 晶圆价格的小幅上涨、更大的芯片从 118.91mm2 到 155.25mm2 以及更昂贵的内存的组合是造成这种情况的主要原因。 最后一个我们没有评估的 IP 块是更大的媒体引擎，用于增强媒体功能。 Apple 的 M 系列是迄今为止最适合专业创作人士的芯片。这是毋庸置疑的。如果你使用 Adobe 套件，M 系列芯片是最好的。
2.2K30编辑于 2022-08-05 AI如何重塑芯片设计未来
摩尔定律的终结与AI的崛起随着摩尔定律逼近物理极限，工程师正转向人工智能等创新方法。 某机构在其存储芯片中集成AI以实现内存计算，既提升机器学习速度又降低能耗；某中心的TPU V4 AI芯片处理能力较前代翻倍。 AI在芯片设计中的核心应用MathWorks MATLAB平台高级产品经理Heather Gorr指出：缺陷检测：贯穿制造全流程，包括光学元件与传感器设计阶段预测性维护：通过历史数据分析设备停机根本原因数字孪生 ：替代传统物理建模，快速完成参数扫描与蒙特卡洛模拟技术优势与挑战效率革命：基于AI的替代模型使仿真速度提升百倍数字孪生技术降低90%原型试制成本精度局限：AI模型准确度仍逊于传统物理模型需融合多传感器数据源 ，系统集成复杂度高工程师的实战建议利用GitHub等开源社区的成熟工具链高频传感器数据需结合频域分析技术明确问题边界，建立模块化测试流程人机协作的未来图景AI将释放工程师生产力：处理材料优化等重复性工作人类专注关键决策与跨系统整合需构建全流程可解释性模型
31010编辑于 2025-08-03- 来自专栏AI科技大本营的专栏
AI芯片发展的前世今生
同时，AI技术在手写识别(例如MNIST数据集[1] )、人脸识别(例如 Facebook 的 DeepFace [2] )、 语音识别(例如亚马逊的 Alexa [3] 、Apple 的 Siri [ 人工智能芯片产业现状 4.1 产业现状评述 AI 芯片是芯片产业和人工智能产业整合的关键 ，特别是 AI 系统芯片。 每家人工智能企业都有自己独特的算法，AI 芯片企业也是一样 ，会根据自己的改良算法来设 计AI芯片。 ? 4.7.1 云端市场 随着云端市场需求不断上升 ，服务器 AI 芯片的市场前景乐观。 AI芯片在物 联网产品上的应用主要有两个用途 ，一个是视觉 AI芯片 ，另一个是语音 AI 芯片 ，但因为自然语言处理 的 AI 产品开发难度高 ，目前新创 AI 芯片企业主要切 入的市场是计算机视觉设备的落地场景 未来，自动驾驶将是终端芯片应用的另一块重 要场景。根据 MARKLINES 的数据 ，2014 年中国汽 车销售量为 2 349.2 万辆 ，2018 年已增长至 2 808.1 万辆。
1.6K10发布于 2020-02-20 - 来自专栏AI电堂
2nm芯片为什么特别？
今年5月，蓝色巨人IBM公司宣布造出了全球第一颗2nm工艺的半导体芯片。 核心指标方面，IBM称该2nm芯片的晶体管密度（MTr/mm2，每平方毫米多少百万颗晶体管）为333.33，几乎是台积电5nm的两倍，也比外界预估台积电3nm工艺的292.21 MTr/mm2要高。 在下图IBM公布的显微镜下2nm芯片照片，里面一个个排列整齐的锯齿状凸起，就是芯片中负责运算的最基础结构单元 —— 晶体管的横截面。 ▲IBM公布显微镜下的2nm芯片照片 不过细心的同学可能会注意到，照片里面芯片最重要的微观结构，也就是晶体管中电子流动的通道宽度是12nm，跟说好的2nm不一样！这是为什么呢？ 而这一次IBM的2nm芯片，在每一平方毫米的面积上，可以制造3.3亿枚晶体管，这个密度差不多是苹果手机里5nm芯片的2倍，小米、三星等等手机里5nm芯片的3倍，确实有比较明显的提高。
1.2K30发布于 2021-10-09 - 来自专栏工程师看海
2nm 芯片技术，2nm 真的来了？
雷锋网消息，IBM最近宣布推出全球首个 2nm 芯片制造技术，相比于 7nm 的技术，预计带来 75% 的能耗降低或45% 的性能提升。 该芯片每平方毫米大约有 1.73 亿个晶体管，而三星的 5nm 芯片每平方毫米大约有 1.27 亿个晶体管。IBM的 晶体管密度达到了台积电 5nm 的 2 倍。 这是极大的进步。 但是每平方毫米有 3.33 亿个晶体管的 2nm 芯片，可不是好生产的。 IBM 表示，他们采用的 2nm 工艺制造的测试芯片甚至能够在一块指甲大小的芯片中塞进 500 亿个晶体管， 要知道，2nm甚至比我们 DNA 单链的宽度还小。 有媒体表示，IBM 此次发布的 2nm 芯片制程正是在这个研发中心设计和制造的。 2015 年，IBM 研发出了 7nm 原型芯片，2017 年，IBM 又全球首发了 5nm 原型芯片。
1.2K10编辑于 2022-06-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号