尖端芯片給AI裝上“超級(jí)引擎”

，與擁有不可調(diào)節(jié)電路的AI芯片（如GPU）相比，F(xiàn)PGA運(yùn)行速度相對(duì)更慢、效率更低。但FPGA對(duì)處理某些任務(wù)（如粒子對(duì)撞機(jī)產(chǎn)生的數(shù)據(jù)）很有用。英偉達(dá)加速計(jì)算集團(tuán)產(chǎn)品營(yíng)銷總監(jiān)戴維·薩爾瓦托指出，F(xiàn)PGA的易編程性也對(duì)原型設(shè)計(jì)很有幫助。

張量處理單元（TPU）則是谷歌公司專為神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)而定制的芯片，旨在執(zhí)行矩陣計(jì)算和張量操作

。TPU作為谷歌深度學(xué)習(xí)框架TensorFlow的加速器于2016年首次推出，其設(shè)計(jì)目標(biāo)是提供低功耗、高效能的矩陣運(yùn)算，以滿足大規(guī)模機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)訓(xùn)練的需求。TPU在性能與能效之間取得了良好平衡。它們的功耗相對(duì)較低，這對(duì)于大規(guī)模數(shù)據(jù)中心和在移動(dòng)設(shè)備上的應(yīng)用至關(guān)重要。

此外，元宇宙平臺(tái)也在獨(dú)立開發(fā)自己的芯片

。谷歌、英特爾和高通成立了UXL基金會(huì)，用以開發(fā)一套支持多種AI加速器芯片的軟件和工具，以此對(duì)抗英偉達(dá)的GPU。

當(dāng)然，GPU等AI芯片的興起并不意味著傳統(tǒng)CPU的終結(jié)

，兩者互相取長(zhǎng)補(bǔ)短已成大勢(shì)所趨。例如，有一個(gè)版本的Blackwell芯片就讓GPU與CPU攜手；世界上最強(qiáng)大的超級(jí)計(jì)算機(jī)之一、位于美國(guó)田納西州橡樹嶺國(guó)家實(shí)驗(yàn)室的“前沿”也依賴CPU和GPU的結(jié)合，來執(zhí)行高性能計(jì)算。

考慮到過去十年芯片領(lǐng)域翻天覆地的變化

，工程師們可能很難預(yù)測(cè)芯片的未來。將來可能會(huì)研制出使用光而非電子的光學(xué)芯片，或量子計(jì)算芯片，而進(jìn)一步提升芯片性能，將加速AI在科學(xué)領(lǐng)域的應(yīng)用。

關(guān)鍵詞：