AI芯片

AI芯片优化主要有三个方面：算法优化，编译器优化以及硬件优化。算法优化减少的是神经网络的算力，它确定了神经网络部署实现效率的上限。编译器优化和硬件优化在确定了算力的基础上，尽量最大化硬件的计算和带宽性能。经历了一年多的理论学习，开始第一次神经网络算法优化的尝试。之所以从一个FPGA开发者转向算法的学习，有几个原因

第三届2020年人工智能大会盛大开幕，受疫情影响，今年AI大会由线下改成了线上举办，赛灵思人工智能业务高级总监姚颂带来了《AI芯片技术与产业发展路径》的演讲。

赛灵思人工智能高级总监姚颂为大家详解AI芯片技术与产业发展路径

Xilinx公司希望引发开发人员在神经网络性能之外关注更多重要指标，从而在面向机器学习推理任务的半导体市场当中占据可观的市场份额。毕竟，芯片的最终目标在于支持应用，而不仅仅是神经网络本身

AI的三大关键基础要素是数据、算法和算力。随着云计算的广泛应用，特别是深度学习成为当前AI研究和运用的主流方式，AI对于算力的要求不断快速提升。以GPU、FPGA、ASIC为代表的AI芯片，是目前可大规模商用的技术路线，是AI芯片的主战场，本文以下主要讨论的就是这类AI芯片。

继年初发布新一代FPGA框架后，FPGA巨头赛灵思在Hot Chips大会揭露了最新一代深度神经网络推理装置xDNN的部分规格参数。随着更多定制芯片的发展，现如今AI芯片的战火已经蔓延到推理领域。赛灵思的xDNN可配置、可复写，进行多任务处理，还配有Tensor内存。

作者：佐思产研周彦武

央行放水之后，催生出了一大批手握重金的投资机构，而国内优秀的投资标的，特别是高科技领域的标的极为稀缺，AI芯片获得投资易如反掌，一时间冒出来几百家AI芯片公司，也给投机分子可乘之机。