打算机天下,统统信息可以通过数据来表示,包括语音数据、文本数据、图像数据、压力数据、温度数据等等,人工智能便是通过海量数据对打算机进行驯化,来实现打算机模拟,具备或超出人的能力。

因此,海量数据的采集、洗濯、存储、标注、处理、传播成为关键,人工智能的发展须要高水平算法和算力作为支撑,反响在对高端人才、芯片和数据传输网络的强依赖性。

算法、算力、数据是人工智能的三哀求:

根本层供应算力支持,即硬件部分;技能层供应通用技能平台做算法开拓,驯化海量数据,即软件部分;运用层表示不同场景下大数据驯化所表示的代价。

在数据、算力和算法的共同推动下,环球人工智能家当干系技能实现快速发展,下贱运用不断丰富。

怎么理解人工智能算力1000P的算力到底有多强

个中,算力代表了对数据的处理能力,是数字化技能持续发展的衡量标准,也是数字经济时期的核心生产力。

接下来以人工智能打算中央培植 1000P 的算力为例,深度理解人工智能的算力。

怎么理解 1000P ?

P 是一个数量级,10 的 15 次方,1000P 便是 100亿亿,1000PFlops 算力就意味着每秒有 100 亿亿次的浮点运算能力。

AI 算力单位:量级单位+每秒运算次数+数据类型

用来描述参与运算的数据类型,同时也表达了数据精度:

INT8 8位 整数型数据 常适用于深度学习模型的推理运算FP16 16位 浮点型数据 常适用于深度学习模型的演习运算FP32 32位 浮点型数据 紧张运用于高性能打算(比如科学打算)

一个 Atlas 800 组成的 AI 算力集群,以 1000P 算力为例,一个时钟周期可以进行“100亿亿”次打算。

那 1000P 的算力到底有多强?

相称于 50 万台 PC 电脑以对 20 万颗星体的数据探索为例,传统办法须要一个有履历的科学家用 169 天才能完成,现在只须要 10.02 秒在 26.9 秒韶光内,学习 1200 万张照片,形成一个模型,用于图像识别

通用打算和 AI 打算,“分工”不同,共建多样性打算

| 通用打算

以 CPU 供应算力。
适宜繁芜逻辑运算,比如大多数通用软件。
70% 以上晶体管用于构建 Cache 和掌握单元,打算核心从几个到几十个。

通用运用:办公、数据库、数值打算(气候预测、流体仿真、电磁仿真)等

| AI 打算

以 GPU 或 NPU 供应算力。
适宜逻辑大略,打算密集型高的并发任务。
70% 以上晶体管用于构建打算单元,打算核心几千或上万个。

特定运用:图像识别(人脸识别、车牌识别、动作识别、物品检测、周界检测等)、自然措辞处理(机器翻译、语音识别、文本天生、情绪剖析等)、搜索推举、赞助驾驶、趋势预测等。

GPU:Graphics Processing Unit,图像处理单元,紧张用于图像加速和渲染

NPU:Neural Network Processing Unit,神经网络处理单元

人工智能 1000P 并非超算意义上的 “1000P”

以高性能打算为例,TOP500 榜单,入围的超级打算机都要进行一项名为 LINPACK 的测试,以稽核平台的双精度浮点打算能力。

以人工智能为例,人工智能运行的测试程序叫做 Resnet-50,而其成绩则是基于半精度浮点环境得到的,只稽核平台的半精度能力。

总结:人工智能打算,只是高性能打算的一个分支,是针对神经网络,深度学习等,针对特定领域、特定场景产生的运用需求。
高性能打算都是科研运用的根本,它能“算天算地算人”,险些所有的运用都可以通过高性能打算来实现。
双精度和半精度的差异,双精度是 64 位,单精度是 32 位,半精度是 16 位。

本文参考文献:《2022年中国人工智能家当报告》《东数西算下新型算力根本举动步伐发展白皮书》《趣说人工智能算力》

来源:中国算力大会