神经网络推理芯片——

让AI算力更强

近日，国外一家公司研发出一款名为Nervana的神经网络推理芯片，用以提升AI和大型计算核心的逻辑计算能力，以实现高效推理。那么，神经网络推理芯片究竟是什么？

简单来说，神经网络推理芯片是一种学习能力更强的嵌入式芯片。以识别一只猫为例，普通神经网络芯片通过调用数据库内现有的猫的图像与“眼前”的猫进行比对，如果数据库内存在类似这只猫的图像即可识别成功，否则不能。而神经网络推理芯片即使在没有“见过”这只猫的前提下，也能通过特征推理算法认出这是一只猫。

相比于目前大多数神经网络芯片，神经网络推理芯片人为训练时间更短，所需的数据库规模也更小，更能满足下一代便携AI和视觉应用设备的高数量级算力需求。

异构融合类脑芯片——

让AI算法融合

当前，开发人工智能的方法主要有两种：一种以神经科学为基础，模拟人类大脑运算，开发周期长，但深度处理能力强；另一种以计算机科学为基础，让计算机运行机器学习算法，服务于简单系统，而运算效率高。两者算法各异、各有所长，如要融合困难重重。

实现人工智能深度高效运算，并不是把神经形态模块和学习加速模块叠加，而是“另起炉灶”。不仅要设计全新的芯片架构，兼容两套模块，还要研发专属信号转换单元，实现两套模块计算资源高效配置。

近日，国内某团队成功研发出的全球首款异构融合类脑芯片，实现了一个平台兼容神经形态模块和学习加速模块。据悉,该芯片在无人自行车平台上不仅实现了语音识别、目标探测追踪等功能，还让自行车有了运动控制、避障、自主决策功能。

云端高性能芯片——

让AI训练增效

人工智能训练，是指通过数据标记，训练出一个复杂的神经网路模型，使之适应特定功能。但这一训练过程，需要海量的数据支持和极高的计算精度才可实现。依托5G网络强大的数据传输能力，云端高性能芯片能够为AI训练增效。

近日，一家国外创企推出首款用于AI训练的云端高性能芯片Gaudi，不仅比传统AI训练芯片处理能力高出4倍、功耗降低50％，而且该款芯片的训练性能支持，从单一设备扩展到由数百个设备搭建起来的大型系统，能够在保证精度的情况下，完成极为复杂的AI训练任务。

不仅如此，该款芯片还能服务于普通互联网用户。芯片内部集成了标准以太网，用户可根据自身需求自主接入服务商提供的云端高性能芯片服务，便捷完成个人AI设备训练。