※ 引述《kaube (转眼之间)》之铭言：
: 1.原文连结：
: 台积电、联发科等逾50家大厂力拱 AI芯片联盟正式成立
: http://bit.ly/2FMEquy
: 2.原文内容：
: 为协助芯片设计业者掌握人工智能(AI)芯片弹性多工的自主设计能力，同时因应制造及封
: 测业者对于少量多样、快速产制的技术缺口，经济部整合产官学研资源推动“台湾人工智
: 慧芯片联盟”(AI on Chip Taiwan Alliance；AITA)。
: 目前联盟成员包括台积电、联电、联发科、瑞昱、南亚科、广达、鸿海、华硕及台湾微软
: (Microsoft)等56家大厂，合力共组AI生态链，目标让业者能降低10倍的AI芯片研发费用
: 、缩短6个月以上的开发时程，协助台厂成为全球AI芯片产业的领航者，同时AITA联盟也
: 将打造具备多工、弹性、低耗电的新兴AI芯片架构，使台湾半导体产业得以弯道超车，确
: 保台湾AI芯片位居全球领先地位。
: 经济部部长沈荣津表示，全球AI芯片总体市场产值预估在2022年可达到新台币5,000亿元
: ，台湾有半导体、ICT等强项，更是全球大厂信任的伙伴 这些优异条件奠定了台湾具备发
: 展装置端AI芯片的优势。担任AITA联盟会长的钰创董事长卢超群亦表示，AI发展中，最关
: 键且可着力的部分正是台湾所擅长的半导体产业，将半导体技术跟AI整合才能持续与国际
: 并驾齐驱。
: 工研院院长刘文雄指出，AI是市场的走向，半导体则是台湾的强项，所以两者的结合就是
: 台湾未来发展的新蓝海。ATIA目标有三个，第一，“产业要完整链结”，指硬件端与软件
: 端的发展要能整合，且从设计到制造等可应用在产业、生活上达到目的；第二，“必须发
: 展关建技术”，包括算法、半导体等技术，两者如何能结合，就是关建的主要技术；第
: 三，“赶快制造做产品”，这个真的要快，要注意市场的时效性，不要等到产品做出来后
: ，市场也消失，因此错失世界的商机。
: AITA此次联手台湾半导体产业协会(TSIA)，目前会员包括台积电、联电、力积电、日月光
: 、硅品、华邦电、力旺、联发科、瑞昱、神盾、义隆电、联咏、创意、鸿海、广达、华硕
: 、台达电，以及台湾微软、益华(Cadence)等56家国内外半导体与ICT大厂。
: 3.心得/评论：
: 台湾的IC设计业在多样化的装置端芯片十分擅长，但在装置端AI芯片方面，部分厂商面临
: 光罩价格过高，不适用少量多样情境；此外，厂商也遭遇缺乏关键AI加速器，AI系统整合
: 能力不足的问题。目前全球各国全力发展AI应用，其中芯片会是最关键的一环。
目前 AI 芯片
主要还是聚集在 影像辨识 人脸辨识 声音辨识 之类的算法
当然也有最短路经 关于最佳化之类的东西
这些应用大部分都可以用线性代数去解
例如人脸辨识 早在1987年就提出
https://en.wikipedia.org/wiki/Eigenface
使用的方法是 PCA (主成分分析)
经过证明 PCA 其实就是计算 关联矩阵(covariance matrix) 的
特征向量 (eigen vector) 跟 特征值 (eigen value)
证明在这:
https://www.stat.cmu.edu/~cshalizi/uADA/12/lectures/ch18.pdf
既然是要计算矩阵的 eigen vector/eigen value
就是找出 SVD (singular value decomposition)
SVD 数值运算的方法 OpenCV 是使用 Jacobi method
这部分是可以经由硬件加速运算
还有跟最佳化息息相关的最小平方问题 (Least Squares Problem)
可以用 QR decomposition 去计算
计算 QR decomposition
可以用 Givens rotation matrix, Householder matrix, Gram-Schmidt method
目前 AI硬件可以实作 Givens rotation matrix
具有比较好的数值收敛跟平行处理
另外像是 Cholesky decomposition/LU decomposition
在很多应用上也会使用 像是 AR/VR 的应用上
会用到 Cholesky decomposition
大概是这样 有错请指正