云计算、数据中心、5G建设等新基建产业正在加速发展,数字化转型将带动AI芯片需求的增长,以支持高效处理海量数据,从而推动AI芯片行业的快速发展和持续创新。
在CPU之外,新的用于提升计算能力的芯片不断涌现,按照技术架构的不同可分为通用图形处理器(GPGPU)、可编程门阵列器(FPGA)、专用集成电路(ASIC)等类型,行业内统称为AI芯片。
AI芯片通常会面对训练和推理两种AI工作负载,由于AI训练市场高度集中,GPGPU架构保持市场领导者的地位。
GPGPU的设计特点在于它对各种运算方式的支持和可编程性,由于其通用性,任何新的算法和应用,都能做到性能和支持之间较好的平衡。同时,基于GPGPU的通用性,GPGPU芯片将在更大程度上降低客户的迁移成本,帮助客户实现无痛迁移。
作为中国第一家通用并行(GPGPU)云端计算芯片及高性能算力系统提供商,天数智芯一直坚持GPGPU战略,持续探索GPGPU市场并推出针对市场及用户需求的优质产品。

在近日举行的人工智能计算大会AICC 2021上,天数智芯产品副总裁邹翾接受记者采访时表示,天数智芯是中国第一家通用GPU提供商,也是唯一一家实现试量产7纳米GPGPU产品的厂商。
GPGPU设计的难度业内有目共睹,从产品的软、硬件架构,计算核心设计,到编译器、驱动、函数库开发,每个环节都需要极其扎实的研发功底,可见产品从实验室走向量产绝非易事。
邹翾所提到的7纳米GPGPU产品加速卡是天垓100,其性能可与行业主流产品相匹敌,产品性能已经达到并满足数据中心、服务器等领域的设计目标,并实现低成本迁移。

邹翾说,通用GPU对国内来讲是一个从零到一的突破,从技术角度来看,天数智芯与国际领先的GPU是同源的,但是天数智芯没有历史包袱,充分发挥创新能力,聚焦AI,让产品的成本和性能更具竞争力。
为什么这样说呢?因为GPU在一开始是用于图形处理工作负载,而不是AI。当GPU用于AI时,就需要考虑兼容原来的应用与客户兼容,这样从设计芯片和软件栈等方面就会保守。
在新的时代,算力呈现了并行计算化。如今AI芯片百花齐放,异构化趋势明显,专用芯片承载各种各样的AI应用。
邹翾表示,客户和应用是真正驱动所有行业发展的基础。多样化的芯片架构让客户的选择更加困难,毕竟芯片真正能够让客户用起来依靠的是编程接口,也就是软件生态。
天数智芯的GPGPU产品在通用性和兼容性、可编程性等方面优势明显,借助软硬件全栈式解决方案,兼容主流开发生态,帮助用户实现无痛迁移。
算力的重要载体是服务器,天数智芯与浪潮等服务器厂商保持了紧密的合作,确认产品能够即插即用。
据IDC预测,到2024年中国GPU服务器市场规模将达到64亿美元,如果国产GPU能在2024年取得30%的份额,即可获得22亿美元的市场空间。因此,GPGPU在中国的未来需求广泛,且对国民经济的发展至关重要。
“一款高端通用芯片从定义到实现大规模销售需要4~5年时间,未来我们会贴近中国市场,为GPGPU行业提供更多的技术创新、保持产品的迭代更新,通过通用并行计算持续赋能各行各业。“邹翾最后说。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
清华、浙大等高校提出OPID框架,从AI自身完成的任务轨迹中提炼层级化经验技能,转化为密集训练信号,解决强化学习中稀疏奖励难以精细指导决策的问题。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
萨里大学与西蒙菲莎大学联合提出ABACUS模型,首次将物体计数、人群计数、指代计数与精准图像生成统一在单个30亿参数模型中,七项基准全面超越现有专业模型。