第247章 完全体：人工智能＋量子计算机！ (第1/2页)

4月，因为登顶夏国首富，李易深居简出，不是去学校就是在别墅。

也不是什么都没做，他整理了很多记忆中，前世看到的各种数据资料。

比如谷歌人工智能芯片：TPU（Tensor Processing Unit），张量处理器。

这是财大气粗的谷歌，针对机器学习算法而专门制作，一款训推一体的Ai芯片。

如果说CPU，GPU是比较万能的工具，那么TPU就是专用工具。

TPU就是谷歌专门为加速深层神经网络运算能力而研发的一款芯片。

它有更高效能的深度机器学习能力。

据说，TPU与同期的CPU和GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率（性能/瓦特）提升。

每一个操作需要更少的晶体管，用更多精密且大功率的机器学习模型，并快速应用这些模型，因此用户便能得到更正确的结果。这就是TPU。

在李易的记忆中，谷歌最新发布的TPU 芯片，包含1个张量核心，每个张量核心有4个矩阵乘法单元、1个向量单元和1个标量单元。

较比上一代产品，每美元可提供高达2倍的训练性能。

对于大型语言模型和生成式AI模型，每美元可提供2.5倍的推理性能。

成本却不到上一代的一半。

最新上线的TPU支持多达256个芯片互连，总带宽超过400Tb/s，INT8性能达到100petaOps，从而解决更复杂的计算任务。

Ai模型的参数数量以每年10倍的速度增长。

而芯片性能每年最多增长2~3倍，单芯片性能增长根本撑不住。

所以，必须通过集群扩展和稀疏化模型来应对飙涨的算力需求。

传统的设计和构建计算基础设施的方式，无法满足生成式AI和大型语言模型指数级的增长需求。

这就需要做许多事情，将TCO性能提升几十倍、数百倍！

李易不是这方面的专家，他只是看过相关的报道。

星海半导体也不是直接抄袭，而是做相关的研究，彻底消化这方面的东西。

至少有一点可以确定。

就是有了一个确切的研究方向，能少走很多弯路。

商兵华的加入，能将星海半导体的人工智能

本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！