AI加速器是完成人工智能技术自主创新的关键模块

人工智能网络加速器适用于大数据中心和边缘。并非所有的AI应用程序都必须像WSE这样大的集成ic，例如以下硬件配置AI网络加速器：比如把谷歌的TPU组合到pod设备中，就可以 产生超过100petaFLOPS的解决方案能力，训练神经元网络实体模型。

移动软件一直是智能主要用途的自主创新推进器，硬件配置迅速成为人工智能技术(AI)行业的重要模块。脸部识别、无人驾驶、虚拟辅助以及许多其他应用都需要依赖AI硬件配置。预计到2025年，人工智能的市场容量将达到650亿美元。

神经元网络等并行处理系统软件对解决大量信息，实施自身迭代更新训练有很大的要求，ADS930E硬件配置也成为该行业的主导作用。在这种信息量巨大的自然环境下，AI网络加速器等硬件配置系统软件占有公演舞台管理中心。

AI网络加速器具有以下优点:

●与通用测算机械设备相比，能耗等级明显提高 。

●减少计算延迟时间，以适应即时应用。

●具有可扩展性，特性速率可以提高，其水平甚至可以与常用核心数量线性扩展。

●对映异构架终端软件容纳几个专用CPU执行特殊的日常任务。

人工智能网络加速器适用于大数据中心和边缘。

AI网络加速器的关键是在两个行业充分发挥:大数据中心和边缘。今天的大数据中心必须有大规模的可扩展计算框架，尤其是这些可以应用数千台物理服务器和数百万台vm虚拟机的集成电路技术大数据中心，对大规模可扩展计算框架的要求极其迫切。这个市场的需求促使一些公司通过加快AI工作负荷的业务流程稳步发展。比如Cerebras为CerebrasCS-1深度神经网络系统软件创造了圆晶模块(WSE)。WSE总面积46，225mm2，有1.2万亿个晶体三极管和40万个经过AI推广的核心，是迄今为止较大的集成ic。WSE可以显示更高的计算率、存储和通信网络带宽，可以应用AI科学研究，达到前所未有的速度和运营规模。相对来说，硬件配置基钢板表现了有限的环保应用。例如智能手机或自动化工厂机器人中运行的交互式程序。对于在边缘提供智能应用，支持它们的 AI加速器必须经过优化，以具备诸如实时计算延迟、超高能效、失效安全运行以及高度可靠性等特征。

并非所有的AI应用程序都必须像WSE这样大的集成ic，例如以下硬件配置AI网络加速器：

●能够解决时间神经元网络的图形控制部件(GPU)。

●Google偏微控制器(TPU)等室内空间网络加速器。

●Sambanova的DataScale等细粒度可以重建测量框架(CGRA)。

●通过空间向量解决扩展的大型多核量CPU。

所有这些集成电路都可以 几十个或几十个组成应用，产生更高的系统软件，解决更大中型的神经元网络。比如把谷歌的TPU组合到pod设备中，就可以 产生超过100petaFLOPS的解决方案能力，训练神经元网络实体模型。NVIDIA集团利用深度神经网络科研精英团队发布的Megatron创造了一个包含83亿主要参数转换器的语言模型，可以展示8路实体模型并行处理和64路数据信息并行处理，用于自然语言理解。要实施这个实体模型，必须开发设计一个具有312teraFLOPFP16数学计算的NVIDIA100GPU。另一个新的硬件配置类型是CGRA，可以在程序编写不同的互联网时，在特性、能耗等级和协调能力方面进行适当的测量。

对AI硬件配置的探讨，手机软件栈是不容忽视的存在，因为它可以完成系统软件级特性的主要表现，并且保证 硬件配置的灵活运用。像TensorFlow这样的开放源码项目服务平台向开发者提供各种专用工具、库和其他资源，帮助他们轻松构建和部署深度学习应用程序。像FacebookGlow这样的深度学习c语言编译器层出不穷，有利于推动高级软件框架与各种AI网络加速器的连接。

全方位AI设计方案产品组合策略。

硬件配置已经成为人工智能应用的重要组成部分，但这些组成部分仍然遇到独特的设计方案困难。在云和边缘应用中，特别是在这种情况下，为了提高当今硅技术的功能损耗、特性和总面积。对于大数据中心来说，零件设计方案显示了多层次物理层次、部分同步和全局多线程框架、规格巨大、布局分散合理等特点。在边缘应用中，人工智能设计方案必须能够解决成千上万的设计方案角度，以达到超功耗规定，完成对映异构的集成，具有不可比拟的不稳定性。

新思科技可以向AI硬件开发人员展示行业内更全面的AI设计方案产品组合策略，帮助他们克服这些困难。每个人的产品都是边缘机械设备IP和ZebuServer4模拟系统软件，全方位辐射源的所有类别，可以快速将复杂的工作负荷引入FusionDesignPlatform，完成全步骤，通过AI提高结果质量(QoR)和结果转换时间(TTR)的IC设计方案。

新思科技还发布了DSO.ai(设计空间提升AI)，这是业界首款独立的ic设计AI应用。DSO.ai在非常大的ic设计解决方案范围内寻找提升总体目标。减少了在设计方案工作流引擎中自动实施的间接管理决策，大大加快了专用AI网络加速器设计方案的进展。

随着人工智能应用的深入融入我们的日常生活，人工智能网络加速器等硬件配置可能再次发挥主导作用，完成即时响应，为智能产品和系统软件创造更高的使用价值。