人工智能計算中心是建設新一代人工智能產業集群的關鍵基礎設施。近年來，我國多個中心城市加速推進人工智能產業布局，以期在新一輪科技革命的機遇之中搶占發展先機，而搭建集約化、一體式人工智能計算中心也就成為了各地新基建藍圖中的重大工程。

眾所周知，算力、算法、數據是人工智能的三駕馬車。如果沒有算力的支撐，人工智能將難以走向應用普及。因此，在人工智能計算中心建設熱潮中，將數據和算法協調起來的AI芯片便成為最受關注的模塊。

當前，各行各業對適配AI模型的訓練需求呈爆發式增長，而一個高質量的AI模型是通過訓練和持續迭代優化而來的。當大模型、多模態算法模型訓練逐漸成為主流，人工智能算力需求每3.5個月就翻一番，企業在AI研發中進行模型訓練的算力成本居高不下。因此，能否為企業和科研機構提供可持續、高適配、高彈性的訓練算力成為衡量各地人工智能計算中心“含金量”的核心指標。如果沒有技術足夠成熟的訓練芯片來提供訓練算力保障，就難以保障平臺產出算法模型的效率，那么以億為成本而建設的人工智能計算中心也就成了“雷聲大雨點小”的空殼工程。

訓練芯片和推理芯片之別

在實際的人工智能計算中心硬件布局中，芯片主要適配于推理和訓練兩大場景。訓練芯片和推理芯片之間的邏輯差別可以理解為：訓練芯片像老師，一遍一遍教一個完全不認字的小孩從零開始識字，一遍不會就再教一遍，直到教會為止；而推理芯片則是已經學會識字的小孩，閱讀不同的書本時，可以識別出書本中的字。

換句話說，訓練是從現有的數據中學習新的能力，而推理則是將已經訓練好的能力運用到實際場景中。離開了訓練的推理，就相當于空中樓閣。所以，相較于推理芯片，訓練芯片是人工智能不斷進化的基礎，也是眾多AI芯片廠商需要著力攻克的研發高地。

訓練芯片有哪些特點

那么，與推理芯片相比，訓練芯片在技術上具有哪些特點？

首先，訓練芯片具備浮點運算能力。復雜模型的訓練過程中，需通過精細的浮點表達能力對上千億個浮點參數進行微調數十萬步。無浮點運算能力的芯片如用于訓練將增加約40%的額外操作，以及至少4倍的內存讀寫次數。

其次，訓練芯片具有專用AI加速單元，并具有高能效比的特點。當前有個別廠商采用2016年國外品牌GPU架構，缺少AI加速單元，導致其AI訓練能效比差，且能耗劇增。與之相比，配置矩陣加速單元的訓練芯片可使AI訓練效率提升10倍。

為AI產業提供充沛算力，需要在AI處理器硬件上有扎實的技術積累。據了解，目前許多人工智能計算中心使用的由昇騰910AI訓練處理器，原生具備訓練能力，集群性能業界領先。目前，該集群可以在28秒完成基于Resnet-50模型訓練（持續保持業界第一），并且性能還將持續提升。同樣，基于昇騰AI基礎軟硬件平臺的“鵬城云腦II”榮獲AIPerf（世界人工智能算力）第一名，并再次刷新IO500（高性能計算存儲系統性能排行榜－全系統輸入輸出和10節點系統）兩項世界冠軍。

訓練芯片市場前景廣闊

隨著自動駕駛、生物信息識別、機器人、自動巡檢等人工智能終端產品和應用越來越普遍化，人工智能產業集群的價值不可估量。在從理論走向應用的產業化過程中，訓練芯片作為算力平臺的“心臟”，其市場也持續蓬勃發展。

研究機構賽迪顧問發布的報告顯示，從2019年到2021年，中國云端訓練AI芯片市場累計增長了約127%。2021年，云端訓練芯片市場規模將達到139.3億元。據預測，從2019年到2024年，云端訓練芯片的年復合增長率或達到32%。

以全國第一個人工智能計算中心——武漢人工智能計算中心為例，其一期建設規模為100P FLOPS AI算力，今年5月31投運當天算力負載便達到了90%，投運之后持續滿負荷運行。如今，武漢人工智能計算中心仍在持續擴容中。9月初正式上線的西安未來人工智能計算中心一期規劃300PFLOPSFP16（每秒30億億次半精度浮點計算）計算能力。作為西北地區首個大規模人工智能算力集群，其算力平臺承載力達到了當下我國同類平臺中的領先的水平。

市場的高速增長預示著，當人工智能發展到深水區階段，各行各業對AI訓練算力的需求將長期保持幾何級增長。而訓練芯片作為訓練算力的引擎，也是人工智能模型訓練的“基礎中的基礎”，也將作為人工智能計算中心的靈魂得到更廣泛的重視。相信，在我國極為豐富的AI應用生態優勢引領下，無論是訓練芯片還是推理芯片，都將得到更為長足的快速發展。

HUAWEI Sound X 2021 帝瓦雷8單元三分頻，分布式音響系統，幻彩智慧燈效，搭載HarmonyOS 2

[經銷商]京東商城

[產品售價]2099元

進入購買