【儀表網 儀表下游】產業(yè)的需求決定了要完成的人工智能任務越來越復雜，輕量化人工智能必須通過加速運算效率、提高計算密度才能實現(xiàn)效率。這些年，人工智能的發(fā)展遇到了越來越多的瓶頸。如何將人工智能模型及其計算載體前端化、輕量化成為亟待解決的問題。最新興起的輕量化人工智能被寄予厚望。
近年來，隨著信息技術領域的摩爾定律逐步放緩，硬件的發(fā)展越來越難以滿足當前人工智能模型動輒萬億級規(guī)模的存儲和算力需求，數(shù)據堰塞、存儲暴漲、隱私泄露、能耗高企等問題隨之而來。當前，對于人工智能設備和應用的快速響應、隱私保護以及節(jié)能減排的需求越發(fā)凸顯，輕量化人工智能應運而生，并被寄予厚望。
所謂輕量化人工智能，是指以一系列輕量化技術為驅動提高芯片、平臺和算法的效率，在更緊密的物理空間上實現(xiàn)低功耗的人工智能訓練和應用部署，不需要依賴與云端的交互就能實現(xiàn)智能化操作的人工智能。
更重要的是，輕量化人工智能將人工智能推向更主流，它大大降低了人工智能系統(tǒng)的部署難度和成本，把人工智能從一場高門檻的科技巨頭競賽變成更容易普惠民生的智能生態(tài)。產業(yè)的需求決定了要完成的人工智能任務越來越復雜，輕量化人工智能必須通過提高運算速度、計算密度才能實現(xiàn)效率。
作為人工智能的硬件載體，人工智能芯片必須達到更高的性能、更高的效率、更低的功耗和更小的體積。這樣才能有足夠平價高效的計算平臺滿足產業(yè)需求，承載復雜的人工智能任務，并且使推理和運算從云端遷移到終端。
同時，輕量化的人工智能平臺要以更低的功耗來訓練和運行人工智能算法，發(fā)掘硬件的能力。更重要的是，應用輕量化技術的神經網絡模型要小規(guī)模、少運算量并保持良好的精度。
2020年，中國科學院自動化研究所自主研發(fā)的極低比特量化神經處理芯片(QNPU)成功流片，繞開了芯片計算領域備受關注的“內存墻”難題，在芯片成本、功耗、計算結構、邊緣計算等方面實現(xiàn)革命性的變革。該芯片的面世，也標志著自動化研究所成為了全球為數(shù)不多的擁有‘人工智能芯片—平臺—算法’全棧輕量化人工智能技術的機構之一。
未來，以人工智能驅動的小型化設備會越來越多出現(xiàn)在我們身邊。由人工智能芯片、平臺和算法組成的輕量化人工智能終端將在越來越多的場景中應用。
資料來源：科技日報
所有評論僅代表網友意見，與本站立場無關。