沙利文：2022年中国AI开发平台市场报告

2023-3-17 16:03| 发布者: 刘火云 24 0

摘要: 沙利文发布2022年中国AI开发平台市场报告，介绍了人工智能开发平台的定义、功能、架构，以及未来芯片应用方向。报告指出，人工智能开发平台为开发者提供了AI算法、算力和开发工具支持，降低了开发成本，并介绍了通用加专用芯片、NPU芯片等技术，以及寒武纪推出的MLU370-X8训练加速卡，提高了AI训练效率。

人工智能开发平台是一个整合了AI算法、算力和开发工具的平台，为机器学习、深度学习、训练模型等开放了开发架构。它还提供开发所需的算力支持，使开发者能够有效地利用平台中的人工智能能力，通过接口调用进行人工智能产品开发或Al赋能。

人工智能开放平台为开发者提供了许多开发工具和框架，有助于降低开发成本，如人工智能数据集、AI模型和算力成本。开发者可以使用该平台的数据集来训练他们自己的模型，或者使用该平台的算法框架来进行功能定制。人工智能开发平台的架构从下到上可以分为基础设施、框架、训练平台和技术服务四层。

人工智能芯片创新的目标之一是保持芯片的高能效比，同时适应人工智能算法的发展。未来，通用加专用芯片的片上系统形式将成为主流（CPU+NPU、CPU+ASIC等），应用范围更广。

传统的处理器指令集（包括x86和ARM等）是为通用计算而演变的，其基本操作是算术操作（加减乘除）和逻辑操作（有无），在深度学习中完成一个神经元的处理往往需要上百条指令，深度学习的处理效率并不高。为了解决这个次痛点，芯片形式需要打破传统的冯-诺依曼结构。神经网络处理器NPU使用电路来模拟人类的神经元和突触结构。在NPU中，存储和处理被集成在神经网络中，由突触权重反映。例如，寒武纪提出的全球首个深度学习处理器指令集DianNaoYu可以直接面对大规模神经元和突触的处理，通过一条指令就可以完成一组神经元的处理，并为神经元和突触数据在芯片上的传输提供一系列专门支持。在AI训练加速应用方面寒武纪还推出了最新的MLU370-X8训练加速卡，搭载双芯片四核粒子思源370，在YOLOv3、Transformer、BERT和ResNet101任务中，8张卡并行的平均性能达到350W RTX GPU的155%。

报告出品/作者：沙利文