算法、数据以及算力被视为推进人工智能成长的三年夜要素，此中算力更是被形容为支持人工智能走向运用的“发念头”。人工智能研究组织OpenAI比来指出，“高档人工智能所需的计较才能每一三个半月就会翻一番”。
近日，脸谱（Facebook）人工智能副总裁杰罗姆·佩森蒂在接受《连线》杂志采访时认为，AI科研本钱的延续下跌，或者致使咱们在该畛域的研究碰壁，如今已经经到了一个必要从本钱效益等方面斟酌的境界，咱们必要清晰若何从现有的计较力中得到最年夜的收益。
那末，为什么人工智能必要如斯壮大的计较才能？计较才能是否会限定人工智能的成长？咱们可否不竭知足人工智能延续扩展的计较需求？
人工智能“动脑” 暗地里算力损耗惊人
“2016年3月，google人工智能阿尔法围棋（AlphaGo）战败韩国棋手李世石时，人们慨叹人工智能的壮大，而其暗地里庞大的‘支出’却不为人知——数千台服务器、上千块CPU、高机能显卡和棋战一场棋所损耗的惊人电量。”眺望智库人工智能事业部部长、图灵机械人首席策略官谭茗洲在接受科技日报记者采访时暗示。
“相比云计较以及年夜数据等运用，人工智能对计较力的需求几近无止境。”中国工程院院士、海潮团体首席迷信家王恩东指出。
据先容，人工智能最年夜的应战之一是辨认度不高、正确度不高，提高正确度就要提高模子的规模以及邃密度，提高线下训练的频次，这必要更强的计较力。正确度也是算进去的，好比年夜型互联网公司或者者出名人工智能守业公司，有才能摆设规模比力年夜的人工智能计较平台，算法的模子已经经到达千亿参数、万亿的训练数据集规模。
“如今人工智能应用的深度学习框架，大都依赖年夜数据入行科研训练，造成有用模子，这些都必要较高的计较力。”谭茗洲指出，当前跟着人工智能算法模子的繁杂度以及精度越来越高，互联网以及物联网发生的数据呈几何倍数增加，在数据量以及算法模子的双层叠加下，人工智能对计较的需求愈来愈年夜。无疑，人工智能走向深度学习，计较力已经成为评估人工智能研究本钱的首要指标。可以说，计较力便是出产力。
数据搬运频仍 “内存墙”问题凸显
人工智能为什么如斯花费算力？详细而言，在经典的冯·诺伊曼计较机架构中，存储单位以及计较单位泾渭分明。运算时，必要将数据从存储单位读取到计较单位，运算后会把效果写归存储单位。在年夜数据驱动的人工智能期间，AI运算中数据搬运加倍频仍，必要存储以及处置的数据量遥弘远于以前常见的运用。当运算才能到达必定水平，因为走访存储器的速率没法跟上运算部件损耗数据的速率，是以再增长运算部件也没法获得充实操纵，就造成了所谓的冯·诺伊曼“瓶颈”或者“内存墙”问题。这就犹如一台马力微弱的发念头，却由于输油管的狭窄而没法发生应有的能源。
显然，频仍的数据搬运致使的算力瓶颈，已经经成为对更为进步前辈算法探索的限定身分。而算力瓶颈对更进步前辈、繁杂度更高的AI模子的研究将发生更年夜影响。
王恩东曾经指出：“计较力的晋升对系统布局提出应战。在半导体技能慢慢接近极限的环境下，计较机成长迎来系统布局立异的黄金期，计较力的晋升将更多经由过程系统布局立异来知足。”
据领会，最早入的天然语言处置模子XLNet约有4亿模子参数。据预算，人脑中细胞间互联轴突个数在百万亿到万万亿数目级。显然AI在认知问题上离咱们寻求的所谓通用人工智能另有庞大差距，而要到达通用人工智能的程度，预计研究所必要的计较才能以及计较体系的动力效率将比如今至少提高几个数目级。是以人工智能要入一步突破，必需采纳新的计较架构，解决存储单位以及计较单位分手带来的算力瓶颈。
谭茗洲说，今朝人工智能的无用计较较多。如今人工智能还像不竭注水同样，处在输出数据、调整参数的阶段，是个“黑盒子”模式，出格在图片视频方面损耗不少能量，而此中真实的有用计较却未几，很是挥霍动力。以后AI有待在“可诠释性”长进行突破，弄清是甚么缘由致使前面的效果，如许可以精准应用数据以及算力，年夜年夜削减运算量。这也是今朝首要的研究课题，将年夜年夜推进深度学习的成长。
计较贮存一体化 或者成下一代体系进口
“尽管今朝阶段计较力还谈不下限制人工智能的成长，但计较力确凿提高了介入人工智能研究的门坎。”谭茗洲指出。
除了了研发资金的增加，在计较力暴发以前的很长一段时间，发生数据的场景跟着互联网的成长浸透到糊口、出产的各个角落，而且跟着通信技能的前进，尤为是5G的商用，使患上发生数据的根本场景笼盖面以及深度到达新的条理，数据的出产也将到达一个新的数目级。
2020年伊始，阿里达摩院发布《2020十年夜科技趋向》陈述显示，在人工智能方面，计较存储一体化，雷同于人脑，将数据存储单位以及计较单位融为一体，能显著削减数据搬运，极年夜提高计较并行度以及能效。
然而，计较存储一体化的研究没法一挥而就。这个陈述提出战略，对付狭义上计较存储一体化计较架构的成长，近期战略的关头在于经由过程芯片设计、集成、封装技能拉近存储单位与计较单位的间隔，增长带宽，下降数据搬运的价格，减缓因为数据搬运发生的瓶颈；中期计划是经由过程架构方面的立异，设存储器于计较单位中或者者置计较单位于存储模块内，可以完成计较以及存储你中有我，我中有你；遥期预测是经由过程器件层面的立异，完成器件既是存储单位也是计较单位，水乳交融，融为一体，成为真实的计较存储一体化。比年来，一些新型非易失存储器，如阻变内存，显示了必定的计较存储交融的后劲。
据先容，计较存储一体化正在助力、推进算法进级，成为下一代AI体系的进口。存内计较提供的年夜规模更高效的算力，使患上AI算法设计有更充实的想象力，再也不遭到算力约束。从而将硬件上的进步前辈性，进级为体系、算法的当先上风，终极加快孵化新营业。
而除了了计较存储一体化的趋向，量子计较或者是解决AI所需巨额算力的另外一路径。今朝量子计较机的成长已经经超出传统计较机的摩尔定律，以传统计较机的计较才能为根基参考，量子计较机的算力正迅速成长。
谭茗洲暗示，将来人工智能的突破，除了了不竭晋升技能自己以外，还必要全世界列国协同立异，交融成长，探索新的互助模式，如接纳同享思惟，调动世界各方面的计较资本集中发力，以下降计较的庞大本钱。
延长浏览
延长浏览
人工智能计较力展示五年夜成长趋向
互联网数据中间（IDC）与海潮联合发布的《2019—2020中国人工智能计较力成长评价陈述》指出，全世界新建立的数据量将从2018年的33ZB增加到2025年的175ZB。跟着数据延续爆炸性增加及算法的不竭演入，将来算力仍有很年夜的成长空间。
该陈述颁布的最新中国人工智能计较力都会排名显示：排在前5位的都会挨次为北京、杭州、深圳、上海、广州；排名6—10位的都会是合肥、姑苏、重庆、南京、西安。
陈述还提出了将来人工智能计较力成长的5个首要趋向，一是到2022年，人工智能推理市场占比将跨越训练市场；二是预计到2023年，中国人工智能根本架构市场将来5年复合增加率将到达33.8%，是中国总体根本架构市场增速的3倍以上；三是5G以及物联网将推进边沿、端侧人工智能根本架构的疾速成长；四是人工智能与云的交融将入一步加快，将来5年AIaaS(人工智能根本举措措施即服务)市场规模的年复合增加率预计到达66%；五是跟着计较力的晋升，愈来愈多的企业将介入到人工智能开源软件的研发以及行业机能评测基准的建设中。