大衛(wèi)是一個被輸入情感程序的機器人男孩痰哨，CybertronicsManufacturing公司員工亨瑞和他妻子制造出的一個試驗品胶果。他們收養(yǎng)了大衛(wèi)，并給了他足夠的愛作谭，但是人類與機器都無法接受大衛(wèi)稽物。于是大衛(wèi)踏上旅程去尋找真正屬于自己的地方奄毡，渴望成為一個真正意義上的人折欠。

    在這部影片上映15年后，機器人還沒有成為真正意義上的人,但人工智能在圍棋領域戰(zhàn)勝了人類吼过。它的強大和超強的進化能力锐秦，讓人類棋手難以望其項背。       

AlphaGo以3:0戰(zhàn)勝柯潔九段

    “AlphaGoMaster比AlphaGoLee（與李世石對戰(zhàn)的版本）要強大盗忱，Master在對戰(zhàn)中耗費的能力（性能和功耗）僅是Lee版本的十分之一酱床，需要4個TPU在單臺電腦上運行即可。“DeepMind首席科學家DavidSilver在AlphaGo戰(zhàn)勝李世石后這樣解釋說趟佃。

    AlphaGo強大到令人絕望扇谣，引發(fā)了“人工智能威脅人類”的討論。但在本質(zhì)上闲昭，人工智能是算法冕咒、數(shù)據(jù)和硬件三個要素綜合的結(jié)果撑葡。

    一旦涉及到算法、數(shù)據(jù)彭理，就離不開計算艾抠。在這個領域，用來計算的硬件主要是TPU凝顿、GPU和CPU惑妒，他們背后代表的公司則分別是谷歌、英偉達和英特爾菌菇。這幾家公司彼此競爭泛驰，又互相需要。

    TPU（TensorProcessingUnit）是專為機器學習而定制的芯片岂苏，經(jīng)過了專門深度機器學習方面的訓練茶黄。谷歌工程師NormJouppi介紹，在人工智能相關(guān)的算法上限禀，它的計算速度更快崔败，計算結(jié)果更精準，同時也更加節(jié)能姥芥。      

谷歌在I/O2017上發(fā)布第二代CloudTPU

    人工智能依賴于機器學習（MachineLearning）兔乞，機器學習又依賴于硬件，它需要硬件平臺提供大量的運算資源凉唐。就計算效率來說庸追，專用工具的計算效率遠高于通用工具。專門為機器學習定制而出現(xiàn)的谷歌的TPU就是一種專用的工具台囱，業(yè)內(nèi)普遍認為它的出現(xiàn)對于通用工具GPU來說是一種威脅淡溯。

    GPU的設計初衷不是主要用來進行神經(jīng)網(wǎng)絡運算，而是圖像處理簿训。由于其特殊的構(gòu)造碰巧也比較適用于神經(jīng)網(wǎng)絡運算咱娶，所以在TPU出現(xiàn)之前，大多數(shù)做機器學習廠商都在同時利用FPGA和GPU來改進訓練自己的神經(jīng)網(wǎng)絡算法强品。

    英偉達創(chuàng)始人兼CEO黃仁勛卻不認同“TPU威脅論”膘侮，在接受鳳凰科技的采訪時,他表示谷歌的TPU不會對英偉達的VoltaGPU構(gòu)成威脅，雙方在TensorFlow項目上保持著合作的榛，而VoltaGPU的運算能力甚至在TPU之上琼了。

    作為世界最大的GPU制造商之一，英偉達一直不遺余力地推廣GPU在深度學習領域的應用仔同。老黃將英偉達稱為“一家人工智能公司”键切。

    談到英偉達基于GPU的人工智能戰(zhàn)略，需要先從Volta說起圃靖。

    在今年5月11日的NVIDIAGTC2017上龙喂，英偉達推出了全新的GPU架構(gòu)Volta驼牵。英偉達應用深度學習研究副總裁BryanCatanzaro表示這并不是前代架構(gòu)Pascal的升級，而是一個全新的架構(gòu)谓蹂。Volta提供大量的FLOP（浮點運算）蛮昭，基于Volta的架構(gòu)，人們就可以使用需要更多FLOP的深度學習模型漠恰。如今很多流行的模型都需要很大的計算資源腋积，例如卷積學習神經(jīng)網(wǎng)絡。     

黃仁勛展示基于Volta架構(gòu)的TeslaV100加速芯片

    基于全新的Volta架構(gòu)蹲自，英偉達推出TeslaV100加速器平敏，它速度比其前身TeslaP100快2.4倍。

    TeslaV100凝聚了英偉達內(nèi)部數(shù)千名工程師數(shù)年的開發(fā)颗介，研發(fā)投入相當于30億美金愤惰。黃仁勛在NVIDIAGTC2017的主題演講中，展示了一塊TeslaV100赘理，他笑稱全世界唯一一塊就在他手上宦言，如果有人想買的話，那么價格就是30億美金商模。

    而在TeslaV100加速器基礎上奠旺，英偉達推出了超級計算機DGX-1V和HGX。

    DGX-1V內(nèi)置了8塊TeslaV100施流，黃仁勛表示“DGX-1V相當于400個服務器”响疚，過去TitanX（GTXTITANX，泰坦顯卡）需要花費8天訓練的神經(jīng)網(wǎng)絡瞪醋，DGX-1V只需要8個小時忿晕，性能提升了24倍。

    HGX是英偉達和微軟聯(lián)合開發(fā)的云圖形加速器银受，是英偉達人工智能戰(zhàn)略的硬件支撐践盼。它同樣內(nèi)置了8塊TeslaV100。目前微軟的ProjectOlympus計劃蚓土、Facebook的BigBasin系統(tǒng)都是使用的HGX作為數(shù)據(jù)中心設計方案的核心嚼般。

    黃仁勛在臺北國際電腦展的主題演講中表示偿股，GPU的運算能力提升非吵畏快，能在未來取代CPU成為最主要的人工智能芯片堤麻。

    但是英特爾并不這么認為酸儿。臺北國際電腦展期間，英特爾數(shù)據(jù)中心全球銷售部產(chǎn)品和技術(shù)總經(jīng)理陳葆立在接受鳳凰科技采訪時提到紧甫，TPU和GPU只是加速芯片昵鳍，目前是無法獨立工作的抢必，沒有CPU它跑不起來。

    “不管是AMD或者是ARM出的CPU难宋，都是不能直接連接到英偉達的GPU的耗鲸，連接的標準是PCIE（這屬于英特爾），傳輸速度取決于PCIE的速度乙闰。但是目前我們自己的芯片組合可以跳過PCIE懒潘，所以能比CPU+GPU更快。”他說互墓。

    在收購Nervana之后必尼，英特爾擁有了將至強融核處理器和FPGA兩個不同的芯片整合成一個芯片的能力。在最新的Nervana系統(tǒng)中篡撵，就包含了FPGA加速芯片Arria10和至強融核處理器的整合判莉。       

Arria10就是一款主流的AlteraFPGA產(chǎn)品

    FPGA最初是從專用集成電路發(fā)展起來的半定制化的可編程電路，它可以作為一種用以實現(xiàn)特殊任務的可再編程芯片應用與機器學習中育谬。

    譬如百度的機器學習硬件系統(tǒng)就是用FPGA打造了AI專有芯片券盅，制成FPGA版百度大腦。FPGA比相同性能水平的硬件系統(tǒng)消耗能率更低膛檀，在刀片式服務器上可以由主板上的PCIExpress總線供電渗饮。使用FPGA可以將一個計算得到的結(jié)果直接反饋到下一個，不需要臨時保存在主存儲器宿刮，所以存儲帶寬要求也在相應降低互站。

    英特爾的方案是將CPU與FPGA融合起來，組合芯片的運算更加靈活和高效僵缺，同時還能實現(xiàn)最低的功耗胡桃，獲得性能和功耗的平衡。

    人工智能方興未艾磕潮，谷歌的TPU昵裁、英偉達的GPU和英特爾的CPU組合方案，在硬件層面上都還只是嘗試暖经，這種嘗試能幫助實現(xiàn)早期的技術(shù)積累祈痢。在采訪的最后陳葆立提到，雖然是不同的硬件平臺缕沟，但是大家都在想辦法融合姚菱，這有利于幫助開發(fā)者，從而真正幫助人工智能向前發(fā)展葛暇。