【AI简报20211210期】L4自动驾驶解决方案面世、达摩院成功研发存算一体AI芯片

RTThread物联网操作系统 2021-12-10 18:40

入门级示波器调查 精密双向电流传感放大器，提供精准测量

AI芯片

数量级效率优势，原生适配AI计算：光芯片的下一个技术突破要来了

原文:
https://www.jiqizhixin.com/articles/2021-12-09-9

近年来，人工智能等技术的快速发展让计算机的算力需求暴增，但随着摩尔定律失效，传统芯片性能提升速度却开始大幅放缓。全世界都在寻找新的解决方法，光芯片的发展正让人看到希望。

我们经常会看到光芯片技术、光学神经网络的研究登上 Nature 和 Science 等顶尖科学杂志。在一些研究中科学家们指出，光学开关的速度要比现在商用的顶级硅芯片的晶体管快 100 到 1000 倍。

1万美元的L4自动驾驶解决方案面世，实测1小时表现如何？

原文:
https://www.jiqizhixin.com/articles/2021-12-09-14

高阶自动驾驶想要成功商业化，除了取决于感知、决策、执行各个层级的成熟度，降本也是至关重要的一点，否则不仅难以大规模投用，更难与乘用车结缘。

据艾瑞咨询的一项报告显示，仅L4级自动驾驶的硬件，在2018年底的成本就达到50万元左右，还有可能更高。而到今年，百度采用ANP-Robotaxi架构的Apollo Moon自动驾驶运营车，已将整车成本降至48万元，这还计算了其原型车北汽极狐阿尔法T的费用。

三年完成两代产品迭代，燧原科技的推理芯片性能又提升了三倍。

原文:
https://www.jiqizhixin.com/articles/2021-12-07-13

12 月 7 日下午，燧原科技在线上发布会上发布了第二代云端人工智能推理加速卡「云燧 i20」。

这是时隔五个月以来，燧原科技在今年连续第二次发布新产品。今年 7 月，燧原在 WAIC 世界人工智能大会上发布了第二代加速训练卡「云燧 T20」。

作为全新一代云端 AI 推理加速产品，云燧 i20 拥有迄今为止业内最大的 AI 加速卡存储带宽，高达 819 GB/s，远超行业同类产品水平。与此同时，该加速器全面支持从 FP32、TF32、FP16、BF16 到 INT8 的计算精度。单精度 FP32 峰值算力达到 32 TFLOPS，单精度张量 TF32 峰值算力达到 128 TFLOPS，整型 INT8 峰值算力达到 256 TOPS。对比第一代推理产品，云燧 i20 将浮点算力提升到 1.8 倍，整型算力提升到 3.6 倍。

达摩院成功研发存算一体AI芯片，性能提升10倍以上

原文:
https://www.sohu.com/a/505290440_115565

12月3日，达摩院宣布成功研发新型架构芯片。该芯片是全球首款基于DRAM的3D键合堆叠存算一体AI芯片，可突破冯·诺依曼架构的性能瓶颈，满足人工智能等场景对高带宽、高容量内存和极致算力的需求。在特定AI场景中，该芯片性能提升10倍以上，能效比提升高达300倍。

过去70年，计算机一直遵循冯·诺依曼架构设计，运行时数据需要在处理器和内存之间来回传输。随着时代发展，这一工作模式面临较大挑战：在人工智能等高并发计算场景中，数据来回传输会产生巨大的功耗；目前内存系统的性能提升速度大幅落后于处理器的性能提升速度，有限的内存带宽无法保证数据高速传输。

AI热点

老电影和图片变清晰的秘密！分辨率提升400%的AI算法已开源

原文:
https://mp.weixin.qq.com/s/MkrG55VWqlv9LtYEWPPeFw

如上图，从100x133pix→400x532pix，除了肉眼可见的清晰，拥有可以将分辨率提升400%的技术到底意味着什么？

它意味着：

老照片、老电影、动漫等画质可快速提升，分辨率自由调节

产业算法效果可以随着数据质量的提升大幅提高

在网络信号较差时，也能快速查看高清视频或图片

影像传输带宽与存储空间大幅压缩，传输成本也将大大减少

增大模型依然有用，DeepMind用2800亿参数的Gopher，测试语言系统极限

原文:
https://www.jiqizhixin.com/articles/2021-12-09-10

近年来，国内外各大 AI 巨头的大规模语言模型（large language model，LLM）一波接着一波，如 OpenAI 的 GPT-3、智源研究院的悟道 2.0 等。大模型已然成为社区势不可挡的发展趋势。

然而，当前语言模型存在着一些问题，比如逻辑推理较弱。那么，我们是否可以仅通过添加更多数据和算力的情况下改进这些问题呢？或者，我们已经达到了语言模型相关技术范式的极限？

Gopher：2800 亿参数，接近人类阅读理解能力

今日，DeepMind「一口气」发表了三篇论文，目的之一就是解决当前语言模型存在的问题。DeepMind 得出的结论是进一步扩展大规模语言模型应该会带来大量的改进。此前在一次电话简报会上，DeepMind 研究科学家 Jack Rae 表示，「这些论文的一个关键发现是大规模语言模型依然在进展之中，能力也在继续增强。这个领域并没有停滞不前。」