谷歌、Facebook和微軟等公司今朝仍可以利用尺度電腦芯片，也就是我們常說的CPU來擔保神經網絡的正常運行。但由于CPU在當初是被設計玉成成果處理懲罰器，因此處理懲罰效率很低。與那些專門處理懲罰人工智能系統大量數學運算的芯片對比，神經網絡運行速度更快，能耗更低。今朝，各大巨頭已經對準了AI芯片這個偏向，正在比拼開拓速度。

Yann LeCun曾制造了一種智能芯片，定名為ANNA。那是25年前，也就是1992年，LeCun照舊地處紐約城外的貝爾嘗試室的一名研究員。他和其他幾名研究員一起設計了這款芯片來運行深度神經網絡，這里的神經網絡指的是能通過闡明大量數據來完成自主進修任務的巨大準確的系統。但ANNA沒能觸及公共市場。固然該神經網絡能很好地識別小我私家支票和信封上的字母和數字，但涉及到其他任務時，其表示差強人意，德國機房主機 波蘭服務器，至少在實用性方面沒那么令人滿足。   　　

然而如今，神經網絡正在快速改變互聯網財富的巨頭們，包羅谷歌、Facebook和微軟。此刻，LeCun認真Facebook的人工智能中心嘗試室，研究偏向是操作神經網絡識別照片中的人臉和其他工具以及翻譯等等。LeCun說，在25年后的本日，市場很是需要像ANNA這樣的芯片，不久后這些芯片就能實現量產。   　　

谷歌也在最近制造了本身的人工智能芯片，取名為TPU，并遍及設置在公司的大型數據中心里——正是這些數據中心構建起了谷歌復雜的網絡帝國。內置于處事器的數千TPU芯片一起完成從識別安卓手機語音輸入指令到在谷歌搜索引擎里篩選搜索功效的成果。但這僅僅是即將掀起的新海潮的開始。上周，據CNBC報道，當初TPU的設計團隊中幾名工程師此刻插手了暗暗創立的新公司Groq并開始制造雷同的人工智能芯片，而其他鼎鼎臺甫的芯片制造商如英特爾、IBM、高通公司等，在這個偏向也有必然行動。   　　

谷歌、Facebook和微軟等公司今朝仍可以利用尺度電腦芯片，也就是我們常說的CPU來擔保神經網絡的正常運行。但由于CPU在當初是被設計玉成成果處理懲罰器，因此處理懲罰效率很低。與那些專門處理懲罰人工智能系統大量數學運算的芯片對比，神經網絡運行速度更快，能耗更低。谷歌暗示，利用TPU芯片為公司節省的本錢足夠新建15個數據中心。此刻，谷歌和Facebook等公司正在研究將神經網絡運用得手機和VR設備上，以此淘汰圖像在數據中心間傳輸的延時。因此他們也需要能設置在小我私家設備上的人工智能芯片。LeCun說，離更專業化、更高效的芯片尚有很大的空間。   　　

換句話說，人工智能芯片市場潛力龐大，因此很多公司都紛紛插手人工智能芯片研發這一海潮。   　　

技能專家   　　

英特爾在收購了一家名為Nervana的初創公司后，開始研究制造一款專研呆板進修的芯片。IBM也正在研發一款硬件布局與神經網絡設計雷同的芯片。據LeCun透露，最近高通公司也在研制專門運行神經網絡的芯片。LeCun對此熟悉，因為他地址的Facebook參加了該芯片研發進程中呆板進修方面的技能搭建。高通公司主管技能的副總Jeff Gehlhaar證實了這一動靜。他暗示，高通公司在原型設計和開拓上已經有了很大希望。   　

同時，nVidia也在盡力踏足這一規模。就在上個月，這家硅谷的芯片制造商禮聘了Clément Farabet。Clément Farabet在紐約大學師從LeCun，主攻人工智能芯片構建，隨后創立了研究深度進修的初創公司Madbits，該公司于2014年被Twitter收購。   　

nVidia已經成為了人工智能規模的一股主導氣力。谷歌和Facebook等公司要想讓神經網絡實現翻譯成果，首先要“練習”神經網絡，要讓它把握大量的現成翻譯功效。nVidia公司制造的GPU芯片的典范運用就是縮短該“練習”階段所需的時間。LeCun說，GPU芯片險些把持了這一市場，尤其是nVidia的GPU芯片。Farabet的到來說明nVidia公司與高通公司一樣，也在摸索如何實現神經網絡在芯片中的運行。   　

GPU也就是圖形處理懲罰器（graphics processing units），一開始并不是為人工智能設計的。最初GPU是用于圖形顯示。約莫5年前，谷歌和Facebook等公司開始把GPU用于神經網絡“練習”，功效證明GPU芯片簡直是完成這一任務的最佳選擇，LeCun也相信此后GPU芯片仍然會發揮這樣的浸染。他說，此刻措施員和公司都對GPU芯片十分熟悉了，而且有利用GPU芯片所需的所有東西手段。GPU芯片的這一職位很難被代替，因為代替它需要的是一整套系統。但LeCun也相信新型的人工智能芯片將會改變大公司運行神經網絡的方法，在數據中心和消費者終端都是如此——這險些涵蓋了從智妙手機到智能剪草機和吸塵器的所有設備。