为此处显示的 CS-1 芯片供电的 Cerebras 晶圆规模引擎是最大 GPU 的 56 倍。

分散且日益专业化的 AI 芯片市场将导致 AI 应用程序的开发人员不得不为即将到来的项目做出平台选择，这些选择具有潜在的长期影响。

AI 芯片专业化可以说是从图形处理单元开始的，最初为游戏开发，然后部署用于深度学习等应用。当NVIDIA在2007年发布其CUDA工具包，使GPU可编程时，它向更广泛的开发人员开放了市场，最近，由Svan Sparks，坚定的AI首席执行官Evan Sparks撰写了一个账户。

GPU 处理能力迅速提高。最初设计用于渲染图像的芯片现在是支持 AI 研发的主力。Evans指出，许多使Fortnite以每秒120帧的速度运行所必需的线性代数例程，现在正为神经网络提供动力，成为计算机视觉、自动语音识别和自然语言处理等高级应用的核心。

专业人工智能芯片的市场预测具有侵略性。Gartner 预计专业 AI 芯片销售额在 2019 年将达到 80 亿美元，到 2023 年增长到 340 亿美元。埃文斯公司报告，NVIDIA的内部预测显示，到2023年，AI芯片销售额将达到500亿美元;大多数用于数据中心 GPU 的预期用于为深度学习提供动力。亚马逊、ARM、苹果、IBM、英特尔、谷歌、微软、NVIDIA和高通正在进行定制硅研究。许多初创公司也参与竞争，包括Cerebras、Graphcore、Groq、神话人工智能、SambaNova系统和波浪计算，它们共同筹集了超过10亿美元。

联盟市场研究公司预计，到2025年，全球人工智能芯片市场将达到910亿美元，在此之前，其年增长率将达到45%。根据《环球新闻》的一份新闻稿，市场驱动因素包括对智能家居和智能城市的需求激增，对人工智能初创公司的投资增加，量子计算的出现，以及智能机器人的崛起。然而，由于技术工人太少，市场增长放缓。

据联合公司说，市场分为芯片类型、应用型、工业纵向型、技术加工型和区域型。芯片类型分为GPU、应用专用集成电路（ASIC）、现场可编程门阵列（FPGA）、中央处理单元（CPU）等。ASIC部门预计到2025年，以每年52%的速度增长最快。

在最近于旧金山举行的国际电子设备会议（IEDM）上，IBM讨论了在硬件系统上的创新问题，根据《数字杂志》的一篇报道，这些硬件系统随着人工智能软件和数据工作负载的需求而进步。

亮点之一：纳米表技术旨在满足人工智能和5G的要求。研究人员讨论了如何堆叠纳米板晶体管和多Vt解决方案（多阈值电压器件）。

相变记忆（PCM）已成为传统冯·诺伊曼系统的替代方案，用于训练深度神经网络（DDN），其中突触重量由设备传导表示。然而，电导值（称为电导漂移）的时态演化对突触权重的可靠性提出了挑战。IBM 提出了一种减少 PCM 传导漂移影响的方法。IBM 还展示了超低功耗原型芯片，具有在边缘计算设备中实时执行 AI 任务的潜力。

在伊利诺伊州的一个科学和工程研究机构Argoonne国家实验室，一个推动人工智能芯片设计的特定应用的例子正在发生。找到癌症患者能够最好地反应的****物，可以检验现代科学的局限性。根据AIMed（AI在医学中的一个帐户），随着人工智能的出现，科学家能够将机器学习和基因组学结合起来，对数据进行测序，并帮助临床医生更好地了解如何为个别患者量身定做治疗计划。

阿贡国家实验室采用CS-1用于癌症研究

阿贡最近宣布首次部署新的人工智能处理器，CS-1，由Cerebras开发，计算机系统启动。该芯片可加快深度学习算法的培训速度。CS-1据说拥有有史以来制造速度最快、最大的人工智能芯片。

Argonne 计算、环境和生命科学副实验室主任 Rick Stevens 在一份新闻稿中表示："通过部署 CS-1，我们大幅缩减了整个神经网络的培训时间，使我们的研究人员能够提高工作效率。

CS-1 还能够以易于使用的方式可靠处理科学数据，包括具有来自不同数据源的数据的更高维数据集。史蒂文斯说，与计算机视觉或语言应用相比，为这些模型而开发的深度学习算法极其复杂。

CS-1的主要工作是加快开发和部署新的癌症****物模型的速度。希望阿贡实验室能够得出一个深度学习模型，该模型可以预测肿瘤对****物或两种或两种多种****物的组合会如何反应。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。