《2021年計算機行業人工智能AI對碳中和影響及發展方向分析報告(22頁).pdf》由會員分享,可在線閱讀,更多相關《2021年計算機行業人工智能AI對碳中和影響及發展方向分析報告(22頁).pdf(22頁珍藏版)》請在三個皮匠報告上搜索。
算力提升是人工智能行業發展的核心驅動因素算力是人工智能三大要素的核心。正如人工智能學者吳恩達所比喻發展人工智能就像用火箭發射衛星,需要強有力的引擎和充足的燃料那么,算法模型相當于是火箭引擎,算力可以理解為打造引擎的工具,海量的數據則是引擎的燃料。算力提升提高了算法效率和演進節奏。2012年時,深度學習模型AlexNet 識別一張ImageNet圖片需要7.6108次基本運算訓練該模型需要3.171017次基本運算。如以1993年出品的Intel CPU奔騰P5執行,需要近百年才能完成訓練,至少需要10分鐘完成推理,而如今的品牌旗艦手機只用數百微秒就能完成這樣的圖像識別。在度量上,算力以芯片每秒可執行的基本運算次數來度量,1TOPS代表處理器每秒可進行一萬億次基本運算操作。人工智能芯片類型多樣、場景有別AI芯片向上為應用和算法提供支持,向下對器件和電路、工藝和材料提出需求。應用和算法的快速發展,尤其是深度學習、卷積神經網絡,對底層芯片提出了2-3個數量級的性能優化需求。例如,Google在2019年提出的EfficientNet B7深度學習模型,每完成一次前向計算,需要3.611010次基本運算,是7年前同類模型AlexNet運算需求的50倍。同時,新型材料、工藝和器件的發展,也為AI芯片提供了性能提升、功耗降低的可行性。