大数据重塑硅

圣若泽，Calif. &mdash；庞大的数据集的网络巨头如谷歌和脸谱网Amazon，收集，是助长了文艺复兴的新芯片处理。两个最新的努力将在六月下旬在计算机体系结构年会上描述。

斯坦福大学的研究人员描述了橡皮泥，可重构处理器体育近100倍的更好的性能/瓦，比FPGA更易于程序。另外，两个在NVIDIA的资深设计师是一个团队的一部分，定义了一个推理处理器，提供两倍以上的性能和能源效率的退出设备。

这些芯片代表了冰山一角的工作。英特尔收购三机器学习初创公司在过去的一年。三星的竞争对手，随着戴尔EMC，投资graphcore（布里斯托尔，英国），在该地区一个半打独立创业。

同时，NVIDIA正在上升，销售其GPU作为神经网络的训练机。同时，它是变形的体系结构，以更好地处理这样的工作。

谷歌声称，没有大规模集群的x86 CPU和NVIDIA的GPU足够’。所以它推出了两个版本的自己的加速器，TPU。

&ldquo；这是计算2；这是一个绝对的计算，新世界&rdquo；的首席执行官Nigel Toon说，graphcore。&ldquo；谷歌最终将使用机架和机架的TPUs几乎没有CPU，因为其收入的百分之98来自搜索，&rdquo；良好的应用机器学习。

最终，机器学习芯片将出现在广泛的嵌入式系统中。与1800万辆汽车相比，一年售出了1000万台服务器，“自驾汽车可能是一个更大的市场比云为这项技术，它的市场从来没有存在过，”Toon说。

共同愿景是一个人工智能处理器能处理今天的训练和推理；神经网络&mdash彩虹；甚至一些新兴的学习技术。他们需要通过大规模并行提供性能，但功耗和易于编程。

连这份工作的基本数学题都是一场热烈的辩论。Toon认为，16位浮点乘法与32位累积的混合提供最佳的精度与最小的错误。

这是在NVIDIA &rsquo；新的张量芯的方法；使用的电压，以及竞争对手的高端芯片，graphcore将样品在十月早期的合作伙伴。启动集中在一个大芯片上使用新的内存和芯片和连接的芯片连接细胞和集群。