深度学习加速AI发展,微软/谷歌/微美全息科技化数字化布局

首页 > 企业新闻 >正文

【摘要】

  企业信息  ·  2020-05-14 14:27

 在过去的十年里,机器学习,特别是基于人工神经网络的深度学习方法取得了一系列显著的进步,从而提高了我们在更广泛的领域建立更较精确系统的能力,包括计算机视觉、语音识别、语言翻译和自然语言理解任务。

  在GPU、FPGA、XPU等AI计算服务器层出不穷的今天,AI计算力得到大幅提升,算法框架的选择成为了优化AI运算效率的重要因素。同时,由于AI计算系统从单机单卡到单机多卡,再到后来的多机多卡并行计算发展,数据中心需要同时管理数量庞大的AI计算服务器来支持应用。如何更好地进行管理和监控,也将影响AI应用的产出效率和运转成本。

  机器学习,特别是深度学习技术正在推动人工智能(AI)的发展。学术界和工业界对AI / ML / DL的更高效硬件加速的需求得到了认可。 今年,我们看到越来越多的参与者,包括世界顶级半导体公司以及一些初创公司,甚至是科技巨头谷歌、微软等,也纷纷加入竞争。

  谷歌:

  据外媒Axois报告,谷歌在自研处理器方面取得了显著进步,最近其自主研发的 SoC 芯片已经成功流片。

  据悉,该芯片是谷歌与三星联合开发,采用5nm工艺制造,“2+2+4”三架构设计的8核CPU集群,以及搭载全新ARM公版架构的GPU,同时在ISP和NPU上集成了谷歌Visual Core AI视觉处理器。这让谷歌的终端芯片能够更好地支持AI技术,比如大幅提升谷歌助手的交互体验。

  在上市计划上,谷歌的这一SoC处理器芯片预计将于率先部署在下一代Pixel手机以及谷歌笔记本Chromebook中。

  谷歌的这一举动被视为对苹果自研处理器模式的靠拢,从“原生系统+最主流旗舰芯片”变为“原生系统+自研芯片”,谷歌的用意肯定不仅是想摆脱高通芯片的钳制,更重要的是想通过自研芯片实现更好的软硬件结合,使得安卓系统在自家硬件上发挥更大的性能优势。

  在谷歌的TPU(Tensor Processing Unit,张量处理单元)处理器推出之前,大部分的机器学习以及图像处理算法一直都是跑在GPU与FPGA这两种通用芯片上面的。而提出了深度学习开源框架TensorFlow的谷歌则专门做出这样一款为TensorFlow算法设计的专用芯片。

  微软:

  据arsTECHNICA报道,微软希望通过一种为人工智能时代设计的新型电脑芯片,来扩大其Azure云平台的受欢迎程度。从现在开始,微软将为Azure用户提供英国初创公司Graphcore生产的芯片。

  微软和Graphcore发布的基准测试结果显示,该芯片的性能与英伟达和谷歌的顶级人工智能芯片有过之而无不及。采用专为Graphcore硬件编写的代码可能会使其更高效。他们声称某些图像处理任务在Graphcore芯片上比其竞争对手的速度快很多倍。他们还表示,能够训练出一种流行的人工智能语言处理模型——BERT,其速度与任何现有硬件不相上下。

  BERT对于涉及语言处理的人工智能应用非常重要。谷歌最近表示,它正在利用BERT为其核心搜索业务提供动力。而微软目前正将Graphcore的芯片用于涉及自然语言处理的内部人工智能研究项目。

  与大多数用于AI的芯片不同,Graphcore的处理器从零开始设计,目标是支持机器识别面部、理解语音、解析语言、驾驶汽车和训练机器人的计算等应用 。

  Graphcore预计将吸引在AI上运行关键业务操作的企业客户,例如自动驾驶汽车公司,贸易公司以及利用AI处理大量视频和音频的服务业者。不只是行业客户,他们也期待从事下一代AI算法的开发人员能深入探索该平台的优势。

  根据微软和Graphcore所发布的基准测试结果表明,该芯片使用为那些竞争对手平台编写的算法,可以达到或超过NVIDIA和Google的顶级AI芯片的性能。 专为Graphcore硬件编写的代码可能会更加高效。

  微美全息:

  微美全息(WIMI.US)以“眼界即视界”为使命,公司建立了全球顶级、自主研发的深度学习平台和超算中心,并且研发了一系列AI技术,包括:人脸识别、图像识别、文本识别、医疗影像识别、视频分析、无人驾驶和遥感等。全息3D人脸识别软件的开发基于微美的全息成像特征成像检测和识别技术、模板匹配全息成像检测技术,以及基于深度学习和训练的视频处理和识别技术。传统的2D面部识别技术是一种基于面部特征的识别技术,它从面部图像或面部视频流中捕获信息,并自动检测和跟踪目标面部;微美的全息3D面部识别技术是全息成像捕捉和3D肖像的结合的识别技术。

  微美专注于软件技术的开发和应用,并拥有AI、机器识别技术、机器学习、模型理论和视频成像处理技术。全息3D面部识别技术是一种利用结构光和红外光的集合技术,所收集的特征点可以超过30,000点;传统2D面部识别技术的收集特征点不到1000点。并且3D技术受到周围环境的影响较小,有望克服传统2D面部识别技术中发现的如光线、姿势、遮挡、动态识别和面部表情等许多问题。

  微美全息(WIMI.US)的数字化运用已经延伸到数字展厅的各行各业中,应用领域:全息购物体验、全息直播、全息发布会、全息政府各类主题性展馆、全息线上全息展览应用、全息IP商业展览。例如:纪念馆类的数字展厅,将各种科技感极强的多媒体互动展项、主题与高科技声光电展示手段相结合,给参观者留下更直接的展示印象;科博馆类的数字展厅,将过去的历史、人物、物品等重现,让参观者如同时光倒流,体验一段耐人寻味的科技文化之旅。企业馆类的数字展厅,将企业文化融汇在一个个数字多媒体展和数字内容展示中,塑造具有鲜明企业个性的互动企业馆数字展厅等等。

  全息AR行业是技术密集型的。全息AR体验只能通过硬件和软件技术的结合来实现,并且与全息AR相关的技术进步将把全息AR体验带入下一阶段。例如,深度学习AI技术的突破将使全息AR设备能够以更加无缝的方式集成由摄像机捕获并由计算机模拟的内容,从而为用户提供更加身临其境的体验。此外,集成芯片的发展将使图像处理器以更低的成本生产,从而降低全息AR器件的销售价格。5G网络的广泛采用将使本地设备和互联网之间的实时数据传输成为可能,从而大大增强了内容的多样性。

  5G是未来关键网络基础设施,是新一代数字经济的重要支撑,5G建设开启了数字经济发展的新空间。当前5G的热度,已经远远超过了信息通信领域的范畴。已经到来的5G时代,将满足人们对网络连接超大流量、超多设备连接数、超高移动性的需求,这可极大地改变人类的生产生活方式,也会把人们的移动宽带体验推向一个新高度。

  近年来,人工智能的蓬勃发展已经深入影响了电脑芯片市场,拥有数百个简单处理核心的图形芯片能更有效地完成并行数字计算。随着5G发展,这些不断演进的技术将互相合作,为消费者创造新的沉浸式体验,解决挑战并为企业和产业创造机遇,最终实现智能互融,全球顶级硬件、软件互联网科技企业将迎来巨大机会。

上一篇文章                  下一篇文章

企业信息

评论:
    . 点击排行
    . 随机阅读
    . 相关内容