人工智能核芯GPU行业报告（27页）

行业报告下载 2018年12月19日 06:54 管理员

GPU 专注并行计算，高度契合人工智能需求。GPU（Graphics Processing Unit），即图形处理器，目前主要作为显卡的计算核心，主要解决图形渲染问题。图形渲染需要将大量的 3D 坐标转化为 2D 显示器上的坐标，需要执行大量计算来确定每个像素的颜色，还要处理大量内存缓冲，并描述每一个需要被渲染的对象的纹理的位图信息。因此，图形渲染的实质是大量数据的快速并行计算，具有高并行度以及高吞吐量特性的处理器，才能实现对图形问题的快速解决。

深度学习助力人工智能发展，GPU 是良好训练平台。深度学习是人工神经网络算法的进一步发展。人类的思维是从知觉的抽象-归纳-概括开始，先形成低层级的抽象概念，在此基础上进行逐级抽象，最终形成低级-中级-高级的抽象链。深度学习通过分层结构，用低层次特征的组合形成更加抽象的高层次特征或属性，从输入的海量数据中自发地总结出规律，举一反三泛化至从未见过的案例中，从而推动了人工智能发展的浪潮。

AI 芯片市场风起云涌，GPU 因其通用性是一个稳定发展的道路。过去 5 年，英伟达的 GPU 已经成为深度学习的主流芯片，但随着人工智能尤其是机器学习应用大量涌现，处理器市场群雄觊觎，谷歌和微软等公司都探索推出其他的人工智能芯片，包括 FPGA 和 ASIC。总体来看，GPU 并非唯一能驱动深度学习计算的处理器，在性能和能耗上较 FPGA、ASIC 芯片或有差距，但由于 GPU 因良好通用性，是唯一实现大规模应用的方案。

人工智能核芯GPU行业报告（27页）