人腦神經(jīng)網(wǎng)絡(luò)的運(yùn)作模式是人工智能追求的終極形態(tài)

AMD對(duì)芯片與人類大腦的操作理解較為超前。

早在 2011 年，AMD 產(chǎn)品構(gòu)想中就以 CPU和 GPU 分別類比人類左右腦，并基于此提出了 CPU+GPU 的異構(gòu)產(chǎn)品策略。類比人腦，AMD 認(rèn)為左腦更像 CPU，負(fù)責(zé)對(duì)信息的邏輯處理，如串行運(yùn)算、數(shù)字和算術(shù)、分析思維、理解、分類、整理等，而右腦更像 GPU，負(fù)責(zé)并行計(jì)算、多模態(tài)、創(chuàng)造性思維和想象等。

人類大腦神經(jīng)網(wǎng)絡(luò)的運(yùn)作模式，始終是人工智能追求的終極形態(tài)，因此，我們認(rèn)為CPU+GPU 的異構(gòu)集成，對(duì)比人類可實(shí)現(xiàn)左右腦協(xié)同工作，整體調(diào)動(dòng)神經(jīng)網(wǎng)絡(luò)，或?qū)⒊蔀锳I 芯片的主流技術(shù)方向。目前 AMD 的 MI300、英偉達(dá)的 Grace Hopper 和英特爾的 FalconShores 在此均有布局。GPU 的算力高，并針對(duì)并行計(jì)算，但須由 CPU 進(jìn)行控制調(diào)用，發(fā)布指令。在 AI 訓(xùn)練端，CPU 可負(fù)責(zé)控制及發(fā)出指令，指示 GPU 處理數(shù)據(jù)和完成復(fù)雜的浮點(diǎn)運(yùn)算（如矩陣運(yùn)算）。

在面對(duì)不同模態(tài)數(shù)據(jù)的推理時(shí)，我們認(rèn)為，CPU 與 GPU 的分工也各有不同，因此，同時(shí)部署 CPU 和 GPU 能提供最大的運(yùn)算支撐。例如，在處理語(yǔ)音、語(yǔ)言和文本數(shù)據(jù)的推理時(shí)，AI 模型需逐個(gè)識(shí)別目標(biāo)文字，計(jì)算有序，因此或更適合使用擅長(zhǎng)串行運(yùn)算的 CPU 進(jìn)行運(yùn)算支持；但在處理圖像、視頻等數(shù)據(jù)的推理時(shí)（對(duì)比人類的操作，每一個(gè)像素是同時(shí)進(jìn)入眼睛），需要大規(guī)模并行運(yùn)算，或更適宜由 GPU 負(fù)責(zé)，例如英偉達(dá) L4 GPU 可將 AI 視頻性能提高 120 倍，據(jù)英偉達(dá)測(cè)試，L4 與基于 CPU 的傳統(tǒng)基礎(chǔ)設(shè)施相比能源效率提高 99%。

1.AMD已提出APU概念，將結(jié)合CPU與GPU在左右腦層面的分工區(qū)別和組合構(gòu)想

2.人類大腦不同部分功能及對(duì)應(yīng)芯片種類

3.人腦處理信息與人工智能訓(xùn)練和推理的流程對(duì)比

歡迎評(píng)論區(qū)留意，一起學(xué)習(xí)。

#人工智能#AI#GPU#Niusousou