谷歌、Facebook和微軟等公司目前仍可以使用標準電腦芯片，也就是我們常說的CPU來保證神經(jīng)網(wǎng)絡(luò)的正常運行。但由于CPU在當初是被設(shè)計成全功能處理器，因此處理效率很低。與那些專門處理人工智能系統(tǒng)大量數(shù)學(xué)運算的芯片相比，神經(jīng)網(wǎng)絡(luò)運行速度更快，能耗更低。目前，各大巨頭已經(jīng)瞄準了AI芯片這個方向，正在比拼開發(fā)速度。
Yann LeCun曾制造了一種智能芯片，命名為ANNA。那是25年前，也就是1992年，LeCun還是地處紐約城外的貝爾實驗室的一名研究員。他和其他幾名研究員一起設(shè)計了這款芯片來運行深度神經(jīng)網(wǎng)絡(luò)，這里的神經(jīng)網(wǎng)絡(luò)指的是能通過分析大量數(shù)據(jù)來完成自主學(xué)習(xí)任務(wù)的復(fù)雜精確的系統(tǒng)。但ANNA沒能觸及大眾市場。雖然該神經(jīng)網(wǎng)絡(luò)能很好地識別個人支票和信封上的字母和數(shù)字，但涉及到其他任務(wù)時，其表現(xiàn)差強人意，至少在實用性方面沒那么令人滿意。
然而如今，神經(jīng)網(wǎng)絡(luò)正在快速改變互聯(lián)網(wǎng)產(chǎn)業(yè)的巨頭們，包括谷歌、Facebook和微軟?，F(xiàn)在，LeCun負責Facebook的人工智能中心實驗室，研究方向是利用神經(jīng)網(wǎng)絡(luò)識別照片中的人臉和其他對象以及翻譯等等。LeCun說，在25年后的今天，市場非常需要像ANNA這樣的芯片，不久后這些芯片就能實現(xiàn)量產(chǎn)。
谷歌也在最近制造了自己的人工智能芯片，取名為TPU，并廣泛配置在公司的大型數(shù)據(jù)中心里——正是這些數(shù)據(jù)中心構(gòu)建起了谷歌龐大的網(wǎng)絡(luò)帝國。內(nèi)置于服務(wù)器的數(shù)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結(jié)果的功能。但這僅僅是即將掀起的新浪潮的開始。上周，據(jù)CNBC報道，當初TPU的設(shè)計團隊中幾名工程師現(xiàn)在加入了悄悄成立的新公司Groq并開始制造類似的人工智能芯片，而其他鼎鼎大名的芯片制造商如英特爾、IBM、高通公司等，在這個方向也有一定動作。
谷歌、Facebook和微軟等公司目前仍可以使用標準電腦芯片，也就是我們常說的CPU來保證神經(jīng)網(wǎng)絡(luò)的正常運行。但由于CPU在當初是被設(shè)計成全功能處理器，因此處理效率很低。與那些專門處理人工智能系統(tǒng)大量數(shù)學(xué)運算的芯片相比，神經(jīng)網(wǎng)絡(luò)運行速度更快，能耗更低。谷歌表示，使用TPU芯片為公司節(jié)約的成本足夠新建15個數(shù)據(jù)中心?，F(xiàn)在，谷歌和Facebook等公司正在研究將神經(jīng)網(wǎng)絡(luò)運用到手機和VR設(shè)備上，以此減少圖像在數(shù)據(jù)中心間傳輸?shù)难訒r。因此他們也需要能配置在個人設(shè)備上的人工智能芯片。LeCun說，離更專業(yè)化、更高效的芯片還有很大的空間。
換句話說，人工智能芯片市場潛力巨大，因此許多公司都紛紛加入人工智能芯片研發(fā)這一浪潮。
技術(shù)專家
英特爾在收購了一家名為Nervana的初創(chuàng)公司后，開始研究制造一款專研機器學(xué)習(xí)的芯片。IBM也正在研發(fā)一款硬件結(jié)構(gòu)與神經(jīng)網(wǎng)絡(luò)設(shè)計類似的芯片。據(jù)LeCun透露，最近高通公司也在研制專門運行神經(jīng)網(wǎng)絡(luò)的芯片。LeCun對此熟悉，因為他所在的Facebook參與了該芯片研發(fā)過程中機器學(xué)習(xí)方面的技術(shù)搭建。高通公司主管技術(shù)的副總Jeff Gehlhaar證實了這一消息。他表示，高通公司在原型設(shè)計和開發(fā)上已經(jīng)有了很大進展。
同時，nVidia也在努力踏足這一領(lǐng)域。就在上個月，這家硅谷的芯片制造商聘請了Clément Farabet。Clément Farabet在紐約大學(xué)師從LeCun，主攻人工智能芯片構(gòu)建，隨后成立了研究深度學(xué)習(xí)的初創(chuàng)公司Madbits，該公司于2014年被Twitter收購。
nVidia已經(jīng)成為了人工智能領(lǐng)域的一股主導(dǎo)力量。谷歌和Facebook等公司要想讓神經(jīng)網(wǎng)絡(luò)實現(xiàn)翻譯功能，首先要“訓(xùn)練”神經(jīng)網(wǎng)絡(luò)，要讓它掌握大量的現(xiàn)成翻譯結(jié)果。nVidia公司制造的GPU芯片的典型運用就是縮短該“訓(xùn)練”階段所需的時間。LeCun說，GPU芯片幾乎壟斷了這一市場，尤其是nVidia的GPU芯片。Farabet的到來說明nVidia公司與高通公司一樣，也在探索如何實現(xiàn)神經(jīng)網(wǎng)絡(luò)在芯片中的運行。
GPU也就是圖形處理器（graphics processing units），一開始并不是為人工智能設(shè)計的。最初GPU是用于圖形顯示。大約5年前，谷歌和Facebook等公司開始把GPU用于神經(jīng)網(wǎng)絡(luò)“訓(xùn)練”，結(jié)果證明GPU芯片的確是完成這一任務(wù)的最佳選擇，LeCun也相信今后GPU芯片仍然會發(fā)揮這樣的作用。他說，現(xiàn)在程序員和公司都對GPU芯片十分熟悉了，并且有使用GPU芯片所需的所有工具手段。GPU芯片的這一地位很難被取代，因為取代它需要的是一整套系統(tǒng)。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(jīng)網(wǎng)絡(luò)的方式，在數(shù)據(jù)中心和消費者終端都是如此——這幾乎涵蓋了從智能手機到智能剪草機和吸塵器的所有設(shè)備。