沒有科技能抗拒客製化的吸引力,當然人工智慧(AI)也不例外。微軟(Microsoft)便是看準這點,決定在其人工智慧平台Project Brainwave采用FPGA架構,希望能借由FPGA所提供的編程能力,打造出延遲更低、更強大,且更有利於擴充的人工智慧解決方案,並與Google、NVIDIA等對手的專用產品做出區隔。
根據Design News報導,為發展資料中心業務與Bing等服務,微軟的FPGA架構部署已相當完備,微軟的深度學習演算法也因此能以雲端服務的形式提供給客戶,而不需透過專用的硬體。
隨著即時人工智慧應用需求不斷提升,係統對於性能、能源效率、以及延遲也有更高的要求。自駕車、虛擬助理、智慧保全等係統都需有瞬間反應的能力,而且還要能夠方便調整。
微軟工程師Doug Burger表示,硬化晶片盡管在執行深度神經網路(DDN)處理時,可提供相當高的峰值性能,但卻缺少彈性。Project Brainwave能視資料類型的不同,提供最合適的係統設計。這樣的設計結合了ASIC數位訊號處理區塊以及可合成邏輯(synthesizablelogic),因此可提供更大量的功能單元,係統的性能與可升級能力也能借此提升。
Project Brainwave除能支援微軟自家的Cognitive Toolkit,也能與Google TensorFlow等常見的深度學習框架相容。
微軟首次發表Project Brainwave平台時,使用的是英特爾(Intel)的Stratix 10 FPGA。Stratix 10運算效能可達39.5 TFLOPS,延遲則不到1毫秒。在Stratix 10的推動下,Brainwave架構每隔10周期就會發出一個巨集指令,而每周期可執行超過13萬個運算作業。經過微軟後續的微調後,Brainwave的性能還可望進一步獲得提升。
微軟計劃透過Azure雲端服務推出Project Brainwave。如此一來,Azure的采用率就成了Project Brainwave能否成功的一大關鍵。
微軟以FPGA為基礎的人工智慧發展策略,與較早踏入人工智慧領域的Google、NVIDIA相當不同。NVIDIA將原本使用在電腦遊戲處理的GPU引進人工智慧應用,並且大獲成功。NVIDIA於2017年5月推出的Tesla V100平台,將能為資料中心打造更高效能的深度學習應用。
同一時間,Google也發表了采ASIC架構的TPU處理單元。根據Google研究,TPU的性能表現可同時超越CPU與GPU。
相關資訊
最新熱門應用
hotbit交易平台app安卓版
其它軟件223.89MB
下載bilaxy交易所app
其它軟件223.89MB
下載avive交易所官網最新版
其它軟件292.97MB
下載必安交易所app官網版安卓
其它軟件179MB
下載富比特交易所app安卓版
其它軟件34.95 MB
下載美卡幣交易所安卓版
其它軟件16.3MB
下載幣幣交易所app官網
其它軟件45.35MB
下載熱幣交易所最新版本app
其它軟件287.27 MB
下載zbg交易所官方ios
其它軟件96.60MB
下載拉菲交易所安卓版
其它軟件223.89MB
下載