神經(jīng)形態(tài)計(jì)算與AI芯片是競(jìng)爭(zhēng)還是互補(bǔ)

乍一看，新型神經(jīng)形態(tài)芯片與AI加速器的類似前沿領(lǐng)域有幾處相同之處。兩者均設(shè)計(jì)為處理人工神經(jīng)網(wǎng)絡(luò)，與CPU相比，它們均提供了性能上的改進(jìn)，并且均聲稱具有更高的電源效率。

但是，相似性到此結(jié)束了：Neuromorphic芯片僅設(shè)計(jì)用于稱為尖峰網(wǎng)絡(luò)的特殊神經(jīng)網(wǎng)絡(luò)，并且它們的結(jié)構(gòu)與傳統(tǒng)計(jì)算中的任何事物都根本不同(沒(méi)有乘累加單元那么傳統(tǒng))。隨著新應(yīng)用和新技術(shù)的不斷涌現(xiàn)，現(xiàn)在說(shuō)這些設(shè)備的市場(chǎng)情況還為時(shí)過(guò)早。

EE Times問(wèn)領(lǐng)先的AI加速器公司的首席執(zhí)行官這些技術(shù)是否真正互補(bǔ)或是否存在某些重疊。

最大的問(wèn)題是：這些計(jì)算范式會(huì)不會(huì)最終彼此競(jìng)爭(zhēng)?

不同的利基市場(chǎng)

英特爾并不這么認(rèn)為。該芯片巨頭是Loihi芯片在神經(jīng)形態(tài)計(jì)算研究方面的領(lǐng)導(dǎo)者，在其數(shù)據(jù)中心CPU范圍以及對(duì)AI加速器公司Habana Labs的收購(gòu)方面，都是AI加速的領(lǐng)導(dǎo)者。

英特爾神經(jīng)形態(tài)計(jì)算實(shí)驗(yàn)室主管Mike Davies認(rèn)為神經(jīng)形態(tài)計(jì)算不能直接與傳統(tǒng)的AI加速器(如Habana Labs開(kāi)發(fā)的加速器)相比。戴維斯說(shuō)：“神經(jīng)形態(tài)計(jì)算對(duì)于一種不同的機(jī)制，與大數(shù)據(jù)不同的利基計(jì)算很有用，它可以監(jiān)督學(xué)習(xí)問(wèn)題。”當(dāng)今的AI加速器是為深度學(xué)習(xí)而設(shè)計(jì)的，它使用大量數(shù)據(jù)來(lái)訓(xùn)練大型網(wǎng)絡(luò)。這需要巨大的I / O帶寬和內(nèi)存帶寬。

大衛(wèi)補(bǔ)充說(shuō)：“神經(jīng)形態(tài)模型與此完全不同。”“他們正在處理單個(gè)數(shù)據(jù)樣本……真實(shí)世界的數(shù)據(jù)正在到達(dá)芯片，因此需要立即進(jìn)行處理，并在那里以最低的延遲和最低的功耗進(jìn)行處理。

“與邊緣深度學(xué)習(xí)AI芯片相比，邊緣端的不同之處在于，我們還在尋找能夠適應(yīng)并且可以基于深度學(xué)習(xí)范式不支持的到達(dá)的單個(gè)數(shù)據(jù)樣本實(shí)時(shí)進(jìn)行實(shí)時(shí)學(xué)習(xí)的模型。很好。”