至顶网软件频道消息: 微软正在为外部Azure开发人员提供FPGA处理能力,旨在借此执行各类数据密集型任务——例如深层神经网络等。
微软在过去几年当中一直在尝试利用FPGA提升必应与Azure的性能及效率表现。但从明年开始,微软计划将此类FPGA处理能力交付至开发人员手上,意味着大家将能够借此运行自己的任务,包括深层神经网络(简称DNN)等密集型人工智能工作负载。
在今年春季召开的Build开发者大会上,Azure业务CTO Mark Russinovich指出,微软的愿景目标在于通过Azure云交付“硬件微服务”。Russinovich向与会者们表示,一旦微软公司成功解决了安全性以及其它部分现有问题,“我们将真正拥有一套可全面进行配置的云体系。”
Russinovich进一步补充称,“这正是智能云的核心,同时也标志着FPGA能力的介入将实现人工智能民主化。”
所谓FPGA,是指一类在制造完成之后可进行定制化配置的芯片。微软公司研究人员们在过去十多年中一直致力于探索FPGA领域。
最近,微软已经将FPGA添加至其自有数据中心内的全部Azure服务器 ,同时亦着手利用FPGA支持部分必应索引服务器,并将此作为其Catapult项目中的重要组成部分。微软Azure加速网络服务目前已经面向Windows发布通用版,Linux则迎来预览版,其在底层架构内同样采用FPGA芯片。
今年5月,Russinovich曾介绍称微软还没有最终敲定何时向外部客户提供硬件微服务与FPGA云处理资源。但就在本周,微软公司的多位官员指出,这项工作将在2018年之内完成。
微软公司的硬件微服务以英特尔FGPA作为实现基础(英特尔曾于2015年收购FPGA制造商Altera公司)。这些芯片配合微软方面的框架,将能够带来与大数据工作负载高度匹配的速度、效率与延迟优化效果。
微软方面还通过Brainwave项目专门针对DDN开展了一系列工作。该公司曾在Ignite 2016大会上公开展示其BrainWave,即利用FPGA运行大量语言翻译任务。
微软公司官员们计划在近期于雷蒙德召开的Faculty Research峰会上致力于全面讨论人工智能相关议题,不过根据更新后的议程,BrainWave似乎将被排除在外。
BrainWave是一套深度学习平台,根据微软公司于2016年公布的可配置云计划所言,其运行在基于FPGA的硬件微服务之上。该次演示提到跨越数据中心甚至整个互联网提供“硬件加速即服务”方案。BrainWave项目能够根据需求在大量FPGA之间进行神经网络模型分布。
当然,微软公司绝非唯一有意在自家云数据中心内采用FPGA芯片的企业; Amazon与谷歌也都在运用定制化芯片支持各类AI类任务。
Amazon方面已经开始为编程用FPGA EC2 F1实例提供Xilinx FPGA,同时亦提供与FPGA配套的硬件开发工具包。谷歌方面则一直在尝试利用TensorFlow(其机器学习软件库)训练深度学习模型,同时亦开发出自己的Tensor处理器(Tensor Processing Unit,简称TPU)。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。