海量的數(shù)據(jù)資源、機器學(xué)習(xí)創(chuàng)新算法以及高性能計算三大技術(shù)領(lǐng)域突破，助力人工智能技術(shù)實現(xiàn)革命性突破，引領(lǐng)互聯(lián)網(wǎng)產(chǎn)業(yè)全面進(jìn)入智能時代。
一是海量數(shù)據(jù)為人工智能模型訓(xùn)練提供基礎(chǔ)資源。大數(shù)據(jù)驅(qū)動全球互聯(lián)網(wǎng)行業(yè)持續(xù)變革，全球數(shù)據(jù)流量持續(xù)爆發(fā)性增長，據(jù)IDC數(shù)字領(lǐng)域報告，到2020年，每年數(shù)據(jù)量將達(dá)到44ZB（萬億G），5年內(nèi)年復(fù)合增長率高達(dá)141%。光纖寬帶、4G、5G網(wǎng)絡(luò)的全球加速部署更提升數(shù)據(jù)流動與轉(zhuǎn)移效率，支撐著海量數(shù)據(jù)的全球規(guī)模轉(zhuǎn)移與普遍訓(xùn)練應(yīng)用。而隨著萬物互聯(lián)時代到來，物聯(lián)設(shè)備、智能機器和應(yīng)用系統(tǒng)將迎來新一輪發(fā)展浪潮，進(jìn)一步催生出海量物聯(lián)數(shù)據(jù)，成為大幅提升神經(jīng)網(wǎng)絡(luò)認(rèn)識能力的知識基礎(chǔ)與認(rèn)知寶庫。
二是算法突破加速人工智能應(yīng)用落地。深度學(xué)習(xí)通過構(gòu)建多隱層神經(jīng)網(wǎng)絡(luò)模型和海量訓(xùn)練數(shù)據(jù)，極大強化特征學(xué)習(xí)能力，從而有效提升分析準(zhǔn)確度，已改變語音識別、語義理解、計算機視覺等基礎(chǔ)應(yīng)用領(lǐng)域的算法設(shè)計思路，逐漸形成通過構(gòu)建端到端模型，實現(xiàn)對一類訓(xùn)練數(shù)據(jù)的自動結(jié)果判定。如早期計算機視覺通過人工選擇合適特征后進(jìn)行機器匹配識別，嚴(yán)重依賴于專家經(jīng)驗和人工特征選擇，而深度學(xué)習(xí)算法則使得機器可自行從海量數(shù)據(jù)庫里歸納物體特征，并基于特征規(guī)律完成物體識別，將圖像識別準(zhǔn)確率從70%提升到95%。
三是高性能計算助力人工智能運算效能提升。當(dāng)前面向人工智能高性能計算需求，存在多種技術(shù)發(fā)展路徑：一是延續(xù)傳統(tǒng)馮諾依曼體系架構(gòu)，通過加速計算單元的疊加部署提升整體智能計算能力，以圖像處理器GPU、數(shù)字信號處理器DSP、半定制電路FPGA、全定制電路ASIC為代表；二是采用類腦等超越馮諾依曼創(chuàng)新體系架構(gòu)，以IBM TrueNorth芯片為代表。其中GPU與新型ASIC產(chǎn)品是現(xiàn)階段實現(xiàn)人工智能加速計算的關(guān)鍵。英偉達(dá)在GPU方面深耕多年，針對深度學(xué)習(xí)算法推出Tesla P100 GPU 計算卡等多款產(chǎn)品，已占領(lǐng)全球超過80%的人工智能云端加速計算芯片市場。谷歌推出ASIC類芯片張量處理單元TPU，第二代系統(tǒng)可同時實現(xiàn)訓(xùn)練和推演，每秒可處理180萬億次浮點運算，與深度學(xué)習(xí)系統(tǒng)Tensorflow成為谷歌人工智能軟硬一體化耦合布局的另一戰(zhàn)略支點。
聯(lián)系客服
