当下，数字技术创新与实体经济的发展已然密不可分，2018年中国数字经济规模为31．3万亿元，占到GDP总产值比重的34．8％，预计2019年这一数字将达36亿元。高速发展的背后，是互联网、人工智能企业的技术投入与相关产业的应用落地。一批优秀的人工智能初创企业正在发力，如商汤科技、旷视科技、优必选科技、平安科技、极链科技等，AI＋安防、AI＋交通、AI＋医疗、AI＋视频、AI＋金融等产业结合的快速商用化。数字经济高速发展的同时，国家战略层面也提出了更具发展目光的规划，即为经济社会的创新、协调、开放、共享发展提供底层具有乘数效应的战略性、网络型基础布局“新基建”。
“新基建”是以技术、产业驱动，具备集约高效、经济适用、智能绿色、安全可靠特征的一系列现代化基础设施体系的总称。2020年“新基建”这一词汇在多个国家级重要会议中被频繁提出，其建设核心主要涉及5G、大数据中心、人工智能、工业互联网、特高压、系能源汽车充电桩、高铁轨道交通这七大领域，建设内容细分涵盖了基础配套、平台建设、产业应用等多方面细节。以人工智能为例，主要建设方向包括：AI芯片底层硬件发展；通用智能计算平台搭建；智能感知处理交互能基础研发中心建设；人工智能创新发展试验区建设等。
任务一：加大「AI芯片」开发力度
2019年世界人工智能大会上展出了包括华为、平头哥、依图、紫光展锐、寒武纪以及地平线在内的AI企业共10款芯片。随后阿里云栖大会上，平头哥又推出含光800AI芯片，此芯片是专为人工智能视觉场景二推出的高算力芯片，现场演示了：“在城市大脑中实时处理杭州主城区交通视频，需要40颗传统GPU，延时为300ms，使用含光800仅需4颗，延时降至150ms，成本仅为传统GPU的十分之一”。拿10亿张商品图片来进行识别对比，GPU算力识别需要1个小时，而含光800可以5分钟完成。
AI芯片和传统芯片在制作工艺上没有太大的差别，区别在于性能功效上，比如执行AI算法时AI芯片的效率会更高，CPU、GPU的算法效率低，对于商用而言仍有不足。AI芯片服务于AI算法，在图像识别、视频识别等领域常用的是CNN卷积网络，在语音识别方面主要是RNN，前后算法区别很大，但是本质上都是矩阵或vector的乘法、加法，然后配合一些除法、指数等算法。
在同一条件下执行AI算法时，拿IBM的POWER8（CPU）和谷歌TPU1（GPU）对比时，POWER8一秒钟的巅峰计算次数大约为64Gops，谷歌TPU1一秒钟的巅峰计算次数大约为90Tops。
AI芯片则会优于CPUGPU，含光800，在Rsenet50 v1条件下，含光800算力的峰值性能达到78563IPS；峰值能效达到500IPS／w。可等同于10颗GPU的算力。
现阶段，人工智能与其他产业间的结合应用逐渐成熟，算力需求与日俱增。为了匹配产业级、城市级的项目需求，AI芯片的需求逐渐显现。
123下一页>（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
