AI 人工智能 30年前就有了
以前有部电影 说的就是AI
聪明的霍金也警惕人们
因为AI有可能有仿生的状况
导致人类走向毁灭
所以我想知道的是
AI芯片是否有自我发展的空间
※ 引述《sheepmanager (AI专家)》之铭言：
: 这我来回答吧
: AI芯片一般是指用来加速深度学习模型推理的芯片
: 如果是训练通常还是利用Gpu 因为生态系比较成熟
: 那么深度学习推理时间会耗在哪里呢
: 通常就是convolution 或是Gemm
: 当然convolution 可以透过线性代数几次的转换
: 变成gemm 这也是一门学问
: 所以矩阵相乘等于是最重要的运算了
: 你只要能加速这么简单的东西
: 就能号称你在做AI芯片了
: 不断的堆硬件上去 性能就出来了
: 甚至有些公司走火入魔
: 连非矩阵运算的指令都做了
: 因为深度学习的模型越来越大
: 所以并行去运算矩阵相乘就是很重要的事了
: 你的硬件并行时 耗电跟降频做得够好的话
: 就能有点能见度了 现在中国的新创没有一家做到的
: 所以就有一些人脑袋动到光计算上面
: 讯号转成光能计算 算完再转回电
: 但这非常的不稳定 基本上也是不可能回收成本
: 好了 你说这么简单的话 那也很容易啊
: 然而 深度学习在运行过程中 还有一个很大的耗损
: 就是算子与算子之间的资料传输
: 用硬件加速过后 每个算子的时间大幅缩短
: 但是彼此之间的memory copy仍然耗损严重
: 于是cache或是local memory变的异常重要
: 算子与算子之间的fusion做得好
: 搭配上速度够快又大的memory基本上也很厉害了
: 中国那一堆新创耗电降频不行
: 现在就往这方向拼命做
: 那么AI芯片前景怎么样呢
: 老实说 前景是死路一条
: CPU GPU 大公司都在从自家指令来优化模型
: 或是直接配上特殊资料格式 如tf32 fp8
: 华为的c4比起来就是个花拳绣腿 还推行不起来
: 我现在底下50多人就在做未来的方向
: 从模型优化算法 内存策略 框架
: 到底层assembly加速 完整的一套方案
: 如果你有关注一些新的paper
: 优化到最后 对比常用硬件 AI芯片根本没有优势
: 就像挖矿没有收益时的矿机一样
: 纯电子垃圾
: ※ 引述《QQmickey》之铭言
: : 虽然从新闻上看到 三星已经出了 不知道是不是唬烂的
: : 自己也是理工背景 但是想问科技版的大大们
: : 这是真的吗?
: : 我所学的 觉得不太可能
: : 虽然很多事很难讲 已知用火
: : 诺贝尔物理奖也一堆错的
: : 难道是神学

想太多了，起码现在科技还不会发生问题在于AI为什么要毁灭人类，你要先搞清楚目前的算法仍然是由人类设计的，如果短期内真的有想毁灭人类AI出来，那问题是设计那个AI算法的人类而不是AI