所在位置: 科技视讯 > 首页 > 正文

莱万特试驾视频:英特尔宋继强:融合聚变,AI×5G的超异构时代

2019年05月30日 作者 tnn

莱万特suv多少钱 www.ccvros.com.cn 5月27日,2019第三届全球人工智能大会在上海国家会展中心正式召开,英特尔中国研究院院长宋继强先生出席了本次Global-Ai全球人工智能大会,并以“融合聚变,AI×5G的超异构时代”为主题,向国内从事深度研究的院士专家、洞察行业发展趋势的产业大咖、助力科技创新的企事业单位代表以及媒体朋友们共同论道人工智能产业发展趋势,随后在会后针对5G、AI两大话题与媒体进行了深度的交流与探讨。DSC09497 - 副本.JPG

AI与5G的结合,并不是“+”而是“x”

在过去的50年里,计算一直在发生着不断的演变,而在60年代由英特尔(Intel)创始人之一戈登·摩尔(Gordon Moore)提出来的摩尔定律,直到现在依旧发挥着其作用,从一开始计算和存储能力的大幅度提升,到现在个人计算机的普遍使用,计算能力的进化为人们的生活与工作带来了翻天覆地的变化。DSC09552 - 副本.JPG

除了计算的演变之外,通信计算同样发生了巨大的变化,2G、3G、4G通信技术的不断发展,促使着设备之间更便利的互联。而智能设备的问世,让我们看到了算法的更多可能性,由一开始人工只能处理类如PPT、文档、数据等一些结构化的数据,到现在可对自然界产生的数据,比如对视觉数据、声音数据进行采集、编辑、压缩、存储、传输,这其实已发生本质的变化,设备的能力也得到了大幅度的提升。1559021049(1).png

正是由于这些不断的改变,2012年的ImageNet向世人展示了算法超越人的能力,比如说物体识别,人脸识别,语音识别,而这也证明了AI算法的潜力。2016年通过AlphaGo,通过其他产业界,大公司的加持、让AI产业化落地,有硬件、系统级的实验,这可以看做是人工智能AI的第二阶段。而正在到来的第三阶段,AI将应用于不同领域里规?;墓ぷ?,从而有效提升工作效率,进一步实现AI技术的规?;?、商用的时代。DSC09556 - 副本.JPG

2019年5G正式的试商用,带来了高带宽,低延迟,又是可控经济成本,整个端到云,可以看作有无限的资源可以用。在边缘计算中,5G将推动计算和存储直接接入网,无需放置在云端,在足够资源和能力支撑下,做到预先模拟、规划以及超实时的预测,能够更好的解决数据处理的实时性和有效性等问题。在未来社会工作场景中,前面的智能设备是在做数据的采集,同时要依据现在这个数据做实时分析,做决策处理,靠云端通过持续学习、知识共享的大数据做支撑,通过边缘计算提供可扩展的云端超融合,从而确保联通真实世界和虚拟世界的平行计算。DSC09572.JPG

5G、人工智能、自动驾驶,激发了对数据传输、存储、计算、分析等方面的需求增长。以数据为纽带,AI与5G的互促式发展,将会产生乘法效应,加速智能应用的突破与落地。AI与5G的结合不是“+”而是“x”,其中“×”的意思就是交叉,需要将数据汇集起来以后找到它共同产生的效果,不是简单的相加或者是线性?!?”仅是在原有的能力添加一个新的东西而已,只是相连接,并没有利用上AI这些数据去更好的做下一层级的分析,最多提升到某块算法效率,同时也没有很好的利用5G技术,其实通过5G的实时、低时延、高带宽这样的一个网络特点,可让原来本身可用的资源,概念上可能能扩展到更大的范畴。DSC09623 - 副本.JPG

AIx5G带来聚变效应,将促进整个产业的升级

宋继强先生强调AIx5G是非常重要的历史性交汇,因为这两个技术都是非常重要的变革。而它们恰恰在2019和2020年都达到了可用性,并且在部署的时候,我们就要充分利用这两个变革性技术乘法效应,促进整个产业的升级,在整个产业的发展中,底层技术突破是一个产生变革的基础可能性。DSC09575.JPG

未来许多AI场景将是靠中端、边缘和云共同努力下才能得以实现,5G技术的加入将更便于把AI能力分散在不同位置提升服务,为AI带来了很好的泛在效应。AI是通用技术,是数字时代的基础能力,AI将为5G网络注入新功能,催生更大价值,实现5G的智能和自能。而5G的连接能力,将推动万物智能互联,5G是使能技术,将改变生产方式、改变社会,让AI无处不在。

1559021687(1).png

如何让AI得到普及,其主要的挑战一是如何将现在已有的便宜技术更好地运用的实际场景中,让商用客户从中看到收益。目前AI计算虽然很领先,但是在实际商用应用中,真正得到的突破价值其实并不多。另外AI发展虽然有好处,但是一样也暴露了其缺点,比如其容易出现攻击的问题,可能会产生负面效应,导致消费者对AI的信息能力下降。如何解决AI可能带来的此类问题,宋继强先生表示首先要从经济的角度将AI技术融合进去,其次要管控好AI的风险,并把可能出现的风险让企业界知道,并能够有合适的办法运用它。DSC09624 - 副本.JPG

放眼未来AIx5G,计算将进入超异构时代

未来AIx5G的场景化快速发展中,计算也将呈现多元化需求方向,其中包括不同的计算加速的需求,由于部署在终端、边缘还有云,它需要计算加速的性能、功耗、实时性、成本、芯片的尺寸大小都有不同的要求,计算完全是多样化的需求,那么如何满足呢?现如今已存在的异构计算是否可满足呢?这其实是一个值得探讨的问题。

异构计算是上世纪80年代提出的概念,为了执行或者完成任务,采用不同架构的计算单元,把它整合在一个系统里解决任务,就可以叫异构计算。而在实现传统异构计算中有两种算法,其一是一体化SoC,将多种计算能力的加速内核放置在同一芯片中,处于同一个处理节点上如说CPU、GPU、通信???,视频处理的加速器,手机的应用处理器就是单形的SoC,优势在于其数据带宽延迟上非常好,能效比最小,缺点是开发时间过长;另外一种是直接把不同的芯片在不同的板级连接起来,比如说通过PCI-E,把CPU板和专门的做AI加速的板连在一起,优势是可很快把事完成,但是体积比较大,功耗比较大,板与板传输不如芯片内部设计带宽高。足以可见,其实目前的传统异构计算已不能满足现在计算的需求。DSC09582.JPG

由此衍生而出的超异构计算如何取其精华,去其劣势,如何达到超异构?一是跟板级设计一样,有多功能多架构的芯片,处理不同的运算负载,加速。二是可将其非常好的封装在一起,封装在一个芯片里,在封装层设计先进的技术,把带宽放大,但是功耗降低,体积降小,这是封装集成技术。三是由于更复杂的超异构模式,对于研发人员要求更难,所以需要统一的异构计算软件。DSC09588 - 副本.JPG

对于AI计算,提到的多种不同运算负载,很难用某一个计算单元有效将其支撑起来,此时就需要分而置之,合而用之。首先对不同的负载采用不同的方式处理,如常用AI的推理,还有数据分析,这是混合的计算,就可以用CPU中的DL Boost AI加速,就可解决。若工作负载是像云厂商是支持在云端做大的深度神经网络的训练,可能需要大的GPU,英特尔有独立大GPU的方式,此时就需要组合使用,一定要分而置之,另外还要将其贡献到同一个软件生态里,提供更简单的方法给到软件开发者。DSC09551 - 副本.JPG

超异构的概念在于可支持计算的多样性同时,也可快速的拥有对应的能力,而这超异构计算带来的好处也非常明显,就是同时兼顾了客户使用成本和多规模经济有效性和加速性。超异构独具一个的优势是可将标量、矢量、矩阵和空间等不同架构整合到系统级平台和系统级封装,超异构实际上想解决的就是“量”的问题,而且目前“超异构”的做法目前也已逐渐成为业界思考的一个趋势。1559019598(1).png

英特尔的超异构计算愿景是,提供多样化的标量、矢量、矩阵和空间架构组合,以先进制程技术进行设计,由颠覆性内存层级结构提供支持,通过先进封装集成到系统中,使用光速互连进行超大规模部署,提供统一的软件开发接口以及安全功能。在此,我们也期待未来英特尔带来更多的惊喜,为AIx5G时代创下一个新的篇章。

全部评论:0

加载中...
用户登录 ×