CPU性能指数提升，伴随GPU、云计算等新型计算形态出现

您当前位置：首页 > 中为资讯 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-08-16 14:27:49】【打印】【关闭】

相关报告

数据更新中...

从技术发展看，摩尔定律推动CPU性能指数提升，伴随GPU、云计算等新型计算形态出现。通过观察近些年深度学习相关的案例，在提升计算能力上除了使用传统的CPU，还引入对单个可并行计算任务处理更为擅长的GPU，随后更是有云计算、网格计算等分布式并行处理技术的出现。

GPU在深度学习中表现出超越CPU的优势并得到广泛使用

①、过去十年，CPU性能大致按照摩尔定律指数式提升。摩尔定律可以说是整个计算机行业最重

要的定律，它预言每两年微处理器的晶体管数量都将加倍，换言之就是芯片的处理能力每两年增加一倍。这种指数级的增长，使得21世纪以来计算机比起九十年代快了数十倍，大型数据集和多层的学习更易于处理。

②、CPU性能提升陷入瓶颈，但是GPU以及云计算、网格计算等新的计算形态出现。对CPU而言，一方面在摩尔定律指导下同样小的空间集成越来越多的硅电路，发热越来越大，开始抵达提升上限；另一方面，单个CPU串行处理任务的特点限制了其在深度学习领域的应用，性能的提升主要通过多个CPU并行，但单纯堆砌大量CPU会造成网络通信延迟，堆得越多速度越慢。而GPU作为一种图形处理器芯片，在浮点运算、并行计算等方面同样拥有数十倍乃至上百倍于CPU的性能，其强大的并行运算能力擅长于处理大规模单个可并行任务。

此外，GPU与云计算、网格计算等分布式并行处理技术结合，更是大幅度提高了计算能力。一般意义上基于CPU的云计算，主要通过网络传输CPU的运算能力，为客户端返回计算结果或者文件。而GPU云计算则更擅长图形渲染运算或大规模并行计算。近些年NVIDIA、Amazon、阿里等相继推出GPU云计算平台并对外提供服务。据测算，假如有200万张图片需要学习，用一台双路E5-2650v2的服务器训练需要16天时间，而如果用阿里云双GPU物理机仅需要1天。

NVIDIA/Amazon/阿里等相继推出GPU云计算平台并对外提供服务

③、深度学习专用芯片研发开始兴起，更高的集成度+更低的能耗成为目标方向。据媒体报道，AlphaGo下一盘棋仅散热耗电就近3000美元。单纯从能效比来看，我国超级计算机“天河一号”和“天河二号”每瓦特运算次数分别为4.3亿次和19亿次，而IBM在2016年4月推出用于深度学习的类脑超级计算平台IBMTrueNorth每瓦特突触运算数为460亿次，能耗远远低于当前其他超级计算机。除了能效方便对比较为明显，在应对大量数据的输入缓冲等方面专用芯片也有优势。IBM、NVIDIA、Google等在专用芯片方面已经开始有所布局。虽然就目前而言专用芯片更多还是以辅助的角色出现配合CPU、GPU，但未来值得期待。

神经网络/深度学习专用芯片或将大幅降低超级计算机能耗