第2717章

第2717章顯卡





芯片有很多種，簡單地說，就是凡是跟計算有關的電子器件，都算是芯片。





比如手機裡的聲音感知器，可以感知到外部的聲音，然後把聲音信號通過計算，改變為數字信號傳給中央處理器。這種東西也叫芯片，叫做感知芯片。





又比如電量的消耗。





運行一款程序，需要給予多少電量的支持？這也需要計算來得出，計算這個單元的器件，叫做電源芯片。





又比如藍牙、ifi、usB接口等等，這些連接的過程都需要計算，通過計算來對接，就都有相應的通信芯片來對接。





不過，這些芯片大多技術含量不高，計算量很小，不算什麼核心科技。





真正最廣為人知的芯片，是處理器芯片，也就是Cpu。在一款產品裡，Cpu就相當於人的大腦，幾乎負責了所有的計算，大量的複雜計算。





人工智能也需要大量計算。





所以過去行業對人工智能的理解，也是這樣的邏輯。在處理人工智能的大量計算的時候，也是通過Cpu來計算各種Ai算法。





這是行業常識。





可是直到這個月……其實也就是前幾天，整個人工智能行業，才終於恍然醒悟，產生了一種全新的行業認識。





在處理人工智能計算的時候，不應該使用Cpu芯片！





而應該使用gpu芯片！





gpu，也就是大眾熟知的顯卡。





之所以能做出這樣的轉變，就是上週才發生的震驚世界的圍棋行業的rokid-go所發起的「人機大戰」！





rokid-go背後的龐大數據處理，依靠的就是大量的gpu的運行。





同樣規格的Cpu和gpu，在處理Ai計算的時候，gpu的算力可以超過Cpu的100倍！而能耗，還不足Cpu的5%！





rokid-go大獲成功之後，近期連續發表了7篇很多這方面的論文。又有過「人機大戰」的實踐證實，可以說紫微星已經引領了全球人工智能計算的行業大轉向。





人工智能，將會在紫微星的帶領下，真正地走進gpu的時代！





而這也進一步地提高了做人工智能科研的門檻。





因為過去的那種靠著暴力地堆積大量Cpu來提高算力的模式，在人工智能領域算是徹底的行不通了。





就比如超級計算機。





超級計算機，就是有著超級計算能力的電腦，在這個領域，國內有著很強大的實力，不比美國差多少。





為什麼？





因為Cpu的疊加屬性。





Cpu的計算，絕大多數都是線性的，就像流水線上的工人，是一個任務一個任務的去執行。美國有最好的Cpu芯片，最多就是流水線工人的幹活水平高了，單體工作能力比較強。





國內的Cpu芯片比較差，卻可以用暴力堆積的方法來解決算力缺陷。





工人的單體能力差，但是沒關係，多在流水線上安排一些工人就好了。美國的超算用1000個芯片，我們的用1萬個芯片，總能跟他們達到同樣的算力了吧？





無非就是多費點電而已。





在國家戰略面前，電費才幾個錢？





一臺超級計算機，主機可以裝滿一層大樓，沒有空間限制，就可以無限地堆積算力低下的Cpu，靠著無數Cpu芯片的堆積，來達到超算的效果。