低成本计算能力的取得是人工智能发展的关键

您当前位置：首页 > 行业分析 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-11-04 15:45:53】【打印】【关闭】

相关报告

2015-2020年中国安防监控行业深度调研及市场投资发展研究报告(2015-07-30)
2015-2020年中国安防监控行业市场深度剖析及投资发展研究报告(2015-07-30)
2015-2020年中国安防监控行业市场调查研究及投资发展分析报告(2015-06-10)
2015-2020年中国安防监控行业市场重点层面调查研究报告(2015-09-10)
全国主要地区安防监控产业发展状况暨投资环境调查研究报告(2014-12-01)
2015-2019年中国安防监控企业拟IPO上市细分市场研究报告(2014-11-12)
2015-2020年中国安防监控行业运行研究及市场投资发展分析报告(2015-06-10)
2015-2019年中国安防监控业兼并重组及投资建议研究分析报告(2014-11-12)
2015-2019版安防监控行业企业建设项目可行性研究报告(2014-11-11)
2015-2020年中国安防监控行业市场主要领域调查分析报告(2015-09-10)

全球云计算产业进入高速发展期。云计算包括三个层次的服务：基础架构即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。Gartner预测2015年全球云计算服务市场总收入将突破1800亿美元。2015年2月，国务院下发《关于促进云计算创新发展培育信息产业新业态的意见》，支持政府机构和企业创新大数据服务模式，政府部门要加大采购云计算服务的力度等一系列措施。

云计算降低了使用IT资源的门槛，为数据集中化创造了基础，极大的促进了大数据产业的发展。调查报告云计算中心基础设施的不断完善使得大型数据中心和PaaS类运行平台的趋于成熟，为SaaS类应用业务市场的大规模启动创造了条件。SaaS应用的大规模使用降低了用户使用软件的成本，促进了企业信息化程度额提高，又进一步促进了数据集中化。

2011-2017年全球云计算市场规模（亿美元）

云计算助推大数据发展

数据存储成本下降。研究报告单位信息存储成本的下降，使得对海量数据的分布式存储技术难度降低。30年前1TB存储的成本大约是16亿美元，如今通过云存储服务所须不到100美元。按KPCB的数据，1990-2013年计算成本平均每年下降33%，1990-2013年存储成本平均每年下降38%。

计算能力的指数增长推动人类各项技术进步

近年来计算能力指数级增长、成本急剧下滑是人工智能得到快速发展的前提。GPU的崛起是促使传统计算模式向更类似人脑的并行计算模式发展的重要元素之一。

2009年吴恩达及斯坦福大学的一个研究小组发现了GPU并行计算的能力，使得神经网络能够容纳上亿个节点间的连接。传统处理器需要数周才能计算出拥有一亿节点的神经网的级联可能性，而一个GPU集群在一天内就可以完成。GPU是专用的图形图像核心处理器，其并行处理任务的能力满足了运行神经网络的需求，从架构层面实现了并行计算，可一次执行多个指令提高计算速度，及通过扩大问题求解规模，解决大型而复杂的计算问题。

英伟达2016年发布了一块新型芯片TELSAP100，极大的推动了机器学习的极限。它可以执行深度学习神经网络任务，速度是英伟达之前高端系统的12倍。据英伟达表示，P100是英伟达倾力之作，研发费用高达20亿美元，在一个芯片上有1500亿个晶体管，使得它成为世界上最大的芯片。除了机器学习，P100还能进行各种高性能的计算任务。同时英伟达将八个P100芯片放入一个超级强大、价值12.9万美元的名为DGX-1的超级计算机。

NVIDIA2016年发布的P100GPU芯片

IBM2014年发布的TRUENORTH神经元芯片

2016年3月，美国劳伦斯利弗莫尔国家实验室对利用16块TRUENORTH芯片打造的超级计算机进行测试，这台超级计算机使用的处理器芯片名为“TrueNorth”，由IBM在2014年首次推出。诸如“TrueNorth”这类芯片则更适合于被应用于包括深度学习在内的先进人工智能技术领域。

IBM的TRUENORTH芯片架

该芯片与目前服务器或PC中使用的芯片有着非常大的区别，其集合了54亿个晶体管，构成了一个有100万个模拟神经元的网络，而这些神经元均由数量庞大的模拟神经突触相连结，从更底层实现了模仿人脑神经元。人类大脑的神经元尽管传导信号的速度很慢，但是却拥有庞大的数量（千亿级），而且每个神经元都通过成千上万个突触与其他神经元相连，形成超级庞大的神经元回路，以分布式和并发式的方式传导信号，相当于超大规模的并行计算，从而弥补了单神经元处理速度的不足，人脑的另一个特点是部分神经元不使用时可以关闭，因此整体能耗很低。

人工智能所需要的计算能力未来将适应“云+端”的模式，在IOT时代，用于“端”的机器学习计算能力，低功耗、低成本、低体积均是重要的发展目标。IBM设计师表示，IBM的TURENORTH要沿着更低时钟速度和更低功耗那条曲线走，最终降低到人脑等级的10Hz、20瓦。

本文地址：http://www.zwzyzx.com/show-336-243006-1.html

分享到：

上一篇：大数据是通过深度学习实现人工智能的基础

下一篇：政策助力，巨头加码，人工智能发展如火如荼

相关资讯