IBM 全新AI芯片，能效超GPU的100倍
极客时间编辑部
讲述：丁婵大小：1.18M时长：02:35
最近，IBM 团队研发了一个新型存储器，能效超过 GPU 的 100 倍。他们用大规模的模拟存储器阵列，来训练深度神经网络 DNN，研究人员相信，这是在下一次 AI 突破硬件加速器上的重要一步。
在今后，人工智能将需要大规模可扩展的计算单元，无论是在云端还是在边缘上，DNN 都会变得更大、更快，这就需要能效必须显著提高。虽然更好的 GPU 能够在某种程度上起到帮助，但是这些系统会在数据的传输上，花费大量的时间和精力。
现在，AI 研究人员已经开始意识到，即使是大幅度降低运算的精度，DNN 模型也能良好地运行。因此，对于 DNN 来说，模拟计算是可行的。
但是，此前还没有人给出确凿的证据，来证明使用模拟的方法所得到的结果，与在传统的数字硬件上运行的软件结果相同。也就是说，人们还不清楚 DNN 是不是真的能够通过模拟技术进行高精度训练，如果精度很低，那么训练速度再快、再节能，也没有意义了。
在 IBM 最新发表的论文中，研究人员通过实验，展示了模拟 NVM（非易失性存储器）能够有效地加速 BP（反向传播）算法，这些 NVM 存储器能够让 BP 算法中的“乘 - 加”运算在模拟域中并行。
研究人员将一个小电流通过一个电阻器，传递到一根导线中，然后将许多这样的导线连接在一起，使电流聚集起来，这样就实现了大量计算的并行。而且，所有这些步骤都是在模拟存储芯片内完成的，不需要数据在存储单元和和处理单元之间的传输过程。
虽然，当前的 NVM 存储器有着缺陷，以前的相关实验都没有在 DNN 图像分类任务上得到很好的精度。但是这一次，IBM 的研究人员使用新的技术，改善了很多不完善的地方，将性能大幅提升，在各种不同的网络上，都实现了软件级的 DNN 精度。
这些基于 NVM 的芯片在训练全连接层方面展现出了极强的能力，在计算能效和通量上，都超过了当前 GPU 的两个数量级。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论