Baidu "Kunlun", kendi kendine araştırma eğilimi altında büyük bir sorun olan Çin'in yapay zeka çiplerinin barbarca büyümesini ortaya koyuyor
Geçen hafta Baidu, geliştirici konferansında en son AI çipini ve otonom sürüş ilerlemesini duyurdu.Ancak, görkemli basın toplantısında Baidu gerçekten benzersiz bir fikir mi yaptı? Veya son AI dalgasına bir balon daha eklemek için mi?
Baidu'nun basın toplantısında ifşa ettiği bilgilere göre Kunlun yongalarının maksimum hesaplama gücü 260 TOPS'a ulaşabilir ki bu zaten NVIDIA'nın en yeni bilgi işlem kartı V100'ün iki katından fazladır, ancak bu hesaplama gücü göstergesi güvenilir mi? Baidu'nun bulut bilişim planı gerçekten işe yarıyor mu? Aslında, Bay DT şüpheli.
Her şeyden önce, birçok bilgi işlem gücü seviyesi vardır. Farklı hassasiyetlere bölünebilen ve seyrek hesaplama modunun etkinleştirilip etkinleştirilmediği, saniyedeki tamsayı işlem sayısı olan TOPS'u örnek olarak alın. Kambriyen'i örnek olarak alın. Mayıs ayında piyasaya sürüldü Profesyonel bilgi işlem kartı mimarisi, performans göstergeleri açısından birden çok moda bölünebilir ve mimari, performans göstergesi olarak TOPS'u kullanmaz, ancak kayan nokta hesaplamalarına dayalı TFLOPS kullanır.Performans, çift kesinlikten, tek kesinliğe ve yarı kesinliğe kadar değişir ve hesaplama gücü 16 TFLOPS'tan 166 TFLOPS'a kadar Kunlun yalnızca tek veri sağlar ve yalnızca maksimum tamsayı hesaplama gücünü açıklar.Aslında, mimarinin dengesiz olabileceği ve yalnızca birkaç durumda daha yüksek performansa sahip olabileceği örtüktür.
Ayrıca Kunlun yongasının TOPS parametrelerini NVIDIA'nın V100'ü ile karşılaştırırsanız, sayının çok kazandığı doğrudur.Ancak Kunlun yongası yonganın boyutunu açıklamadı sadece on binlerce küçük çekirdeği entegre ettiğini duyurdu. Sonra bu kısa bilgilerden Karar vermek gerekirse, Kunlun çipi, bilgi işlem gücünü artırmak için çok sayıda genel çarpan ve toplayıcı süperpozisyonu kullanıyor, ancak NVIDIAnın CUDA birimi veya Cambrian ve diğer bilgi işlem mimarilerinin tümü programlanabilir esnek uygulama yeteneklerine sahiptir. NVIDIA en olgun endüstriye sahiptir. CUDA araç seti, donanım mimarisini daha iyi oynayabilir hale getirebilir ve Kunlun yongasının Kunlun yongasını geliştirme ortamında% 100 oynatıp oynatamayacağı şüphelidir.
Son yıllarda, yapay zeka sorunları sıcak oldu ve çeşitli endüstriler yapay zekaya dahil olduğu sürece sonsuz bir "para sahnesi" izleyecek gibi görünüyor. Her zaman en hızlı şekilde yanıt veren Çin pazarı, yongalarda ve endüstriyel hizmetlerde bir yapay zeka inovasyonu dalgasına öncülük etti.
Sanayinin, hükümetin ve akademinin uyumlu çabalarıyla, Çin'in yapay zeka teknolojisinin gelişimi dünyaya öncülük etmiş gibi görünüyor. Ortaya çıkmaya devam eden çeşitli gelişmiş çözümler, algoritmalar ve uygulamalar ve bunlarla eşleşen çeşitli çip çözümleri görebiliriz. Görsel tanıma, doğal dil, uç, uç, bulut bilişim yapay zeka çözümleri de kolaylıkla mevcuttur, ancak en büyük sorunlardan biri, satıcıların ortak bir ekoloji oluşturmaması, ancak bağımsız yönetişime yönelmesidir.
Teorik olarak konuşursak, mevcut endüstrilerin yapay zekaya dönüştürülmesi tek başına halihazırda tüm endüstriyi destekleyebilecek talep ölçeğine sahip olsa da, çip ekolojisi dağınık olsa bile, yine de kendi yaşam alanını bulmalıdır. Ancak kendine ait çipler, uygulamalar veya bulut bilişim satıcıları için gerekli bir yatırım mıdır, yoksa "kendine ait" kelimesi aşırı vurgunun bir ürünü müdür? Belki iki kez düşünmeye değer.
Bu, süt içmek için inek yetiştirmek gibidir.Özel bir ortam, özel bakım, yiyecek, hastalık önleme, ayrıca süt sağma ekipmanı ve süt depolamamız gerekir.Bunların bakımı için sadece paraya değil, aynı zamanda çok fazla zaman maliyetine de ihtiyacımız var. AI çipleri farklı değil. Çip mimarisinin kendisine ek olarak, geliştirme ortamı, çeşitli çerçevelerin entegrasyonu ve çip tasarlandığında mevcut mimarilerle değiştirilebilirlik.Eğer değiştirilebilirlik yoksa, tüm ekosistemin yeniden tasarlanması gerekir.Bu nedenle, çip sadece çipin kendisi değildir. , Aynı zamanda çevredeki ekolojinin bir araya getirilmesine de bağlıdır, bunlar insanların ve biriken paranın ürünleridir.
Tabii ki, yarı iletken endüstrisinin gelişimini desteklemek için, hükümet aslında çip tasarım endüstrisini çeşitli sübvansiyonlar yoluyla kendi çözümlerini geliştirmeye teşvik ediyor.Bu süt içmek için inek yetiştirmeye benzer. Hükümet bir ineği gerçekten sübvanse edecek, ama nasıl yetiştirilir ve nasıl süt üretilir. Tek başına bir yol bulmalısın.
Bu nedenle, birçok şirket kar modelini gerçekten düşünmeden önce bir chip açacaktır.Başlangıç noktası politikaya uymak olabilir veya boşuna kullanılamayacak bir sübvansiyon olabilir ama çipin ne etkisi olacaktır? Benzer mimarilere sahip bir yapay zeka bilgi işlem mimarisi oluşturmak için diğer insanların yöntemlerini basitçe taklit etmenin, bilgi işlem kariyerinizin bir sonraki seviyeye geçmesine gerçekten yardımcı olabileceği doğru mu? Bu, kendi içsel avantajlarınızı bile bulanıklaştırıyor mu?
Cips geliştirmenin düşük maliyetinin yanı sıra, farklı sektörlere göre özelleştirme ihtiyacı olan başka bir neden daha var.
Aslında birçok şirket, uygun bir yonga bulamadıkları için yongalar geliştirir. Örneğin, ses yongaları veya görsel tanıma yongaları farklı ön uç ve arka uç tasarımları gerektirebilir. Genel çözümler, bu üreticilerin ihtiyaçlarını tam olarak karşılamayabilir. Tasarımın bir değeri olabilir, ancak genel amaçlı bir AI çipi olan Kunlun ile gereksiz görünüyor.
Daha önce de belirtildiği gibi, artık çok fazla "kendi" AI çip üreticisi olduğu için ve kendi yöntemlerinden dolayı yeterince güçlü bir anlaşma oluşturmak zordur.Elbette, endüstrinin aslında Cambrian veya Arm gibi belirli lisansları sağlayabilecek lisansları var. Ekolojik temelin mimarisi kullanılabilir, ancak eski zamanlardan beri "literati daha hafiftir" ve AI çip altyapısı benzer olduğundan, fark sadece algoritma yazılımı ve platformun işbirliğinde, kapıyı kapatıp kendi paranı kazanabiliyorsan neden olmasın? Sonuçta, başkalarının çözümlerini benimsemek kesinlikle karı azaltacaktır.
Ama gerçekten durum bu mu?
Geçmişte AI bilgi işlem ve ilgili ortamları geliştirirken NVIDIA'nın yongalar dışındaki şeylere ne kadar emek harcadığını geriye dönüp görebiliriz.CUDA'nın geliştirme ortamı tek başına on yıldan fazla çaba harcadı, sadece kendi mimarisini geliştirmekle kalmadı, Aynı zamanda en alttan başlayarak sürekli olarak endüstri ve akademi ile aktif olarak işbirliği yapmaktadır.
Mevcut AI bilgi işlem ortamı artık geçmişte son derece kötü bir durum olmasa da, çeşitli geliştirme ortamları yerleştirilmiştir ve çerçeve, programda doğrudan referans verebildiğiniz sürece sizin için tasarlanmıştır, ancak bu tür bir "kendi" Yine "" gerçekten kendi "mi?
Üreticilerin farklı davranışları, her üreticinin benzer işler yapmak ve benzer programları başlatmak için çok zaman harcadığı anlamına gelir.Ulusal Ar-Ge kaynakları için atık olduğu söylenebilir. Bu kaynaklar yoğunlaştırılabilirse, üreticiler bunu yapmayacaktır. Tekerleği yeniden icat edin, ancak mevcut ve yeterince iyi tekerleklerin daha iyi bir uygulama yönüne sahip olmasını sağlamanın yollarını bulmaya odaklanın Bunun daha olumlu bir etkisi olacak ve tüm Çin AI endüstrisi üzerinde yardımcı olacak mı?
Bay DT bunun mümkün olduğunu düşünüyor. Yerli üreticilerin "kendi" yolunda çok ileri gitmesi üzücü. Kunlun gibi genel AI çip çözümleri birbiri ardına düşüyor. Bu gerçekten bireysel üreticilere veya genel Çin AI endüstrisine yardımcı olacak mı yoksa Ar-Ge'ye neden olacak mı? Korkarım ki kaynak israfının kanıtlamak için hala zamana ihtiyacı var.
