IBM發(fā)布首款7納米AI芯片，加碼人工智能基礎(chǔ)設(shè)施競爭

當(dāng)人工智能（AI）加速芯片已成為大型科技公司標(biāo)配后，老牌科技公司IBM亦給出回應(yīng)。在本周舉行的芯片行業(yè)會議HotChips上，IBM正式公布新款處理器“Telum”，Telum是IBM首款具有芯片上AI加速功能的處理器，用于IBM下一代Z系列大型機和LinuxONE服務(wù)器。

IBM Telum包含8個處理器核心，頻率超過5GHz，每個核都由重新設(shè)計的32MB專用2級緩存支持。該處理器采用三星7納米制程工藝，并且單芯片內(nèi)采用17層金屬連接，來完成高密度電路互連，總線長可達約30公里。

為了支持AI加速處理性能，新處理器面積為530平方毫米，集成多達225億個晶體管，并擁有全新的分支預(yù)測、緩存，支持多芯片一致性互連，性能提升超過40%。

此外，IBM Z Telum處理器還采用雙向環(huán)形互連拓?fù)浣Y(jié)構(gòu)，帶寬接近320GB/s。三級緩存所有核心共享，通過二級緩存與核心相連，平均延遲達到12納秒（1納秒等于10的負(fù)9次方秒）。

IBM稱，新處理器通過芯片內(nèi)深度學(xué)習(xí)推理（Inference） ，幫助即時解決金融客戶解決欺詐等問題，從而不需要將數(shù)據(jù)轉(zhuǎn)移至芯片外。AI計算大致分為兩個層面，首先是對模型進行訓(xùn)練（training），整個過程可能耗時數(shù)天或數(shù)周；之后是訓(xùn)練出的模型做出推理。

嵌入式風(fēng)口已來，如何乘風(fēng)而上，成就高薪？

最近兩年，小編相信很多工程師在看科技新聞的時候，都會看到不少新名詞：智能駕駛、嵌入式AI、AIoT、5G-IoT，等等。而這些新興科技的底層技術(shù)支撐，都離不開一個關(guān)鍵的核心領(lǐng)域：嵌入式開發(fā)。硬科技產(chǎn)業(yè)蓬勃興起，嵌入式人才短缺的狀況愈演愈烈，薪酬待遇快速拉升。未來幾年，嵌入式領(lǐng)域的人才需求量在數(shù)百萬以上，但每年畢業(yè)生的規(guī)模卻不足10萬人，供不應(yīng)求態(tài)勢十分明顯。

小編大概在2010年開始接觸嵌入式軟硬件，一直到今天，小編依然還從事著嵌入式軟件開發(fā)。

“入坑”十年，有感而發(fā)，以下內(nèi)容分享給同行以及“后浪”們。

嵌入式行業(yè)是國家的新重點

在經(jīng)歷了互聯(lián)網(wǎng)的黃金十年，隨著越來越多物聯(lián)網(wǎng)（Internet of Things，IoT）商業(yè)項目的落地，嵌入式軟硬件開發(fā)的人才，也越來越備受企業(yè)重視。去年到今年，明顯能感覺整個行業(yè)明顯比前些年薪資水平上漲了。

- 獵頭提供了多雙倍薪資跳槽的機會，*許多年輕又有能力的工程師*可以擁有更多更好選擇。

- 資深的嵌入式工程師，實現(xiàn)百萬年薪的機會也明顯變多，發(fā)展上限明顯提升。

造成行業(yè)普漲的原因是什么呢？

這兩年，由于我們和漂亮國之間的生意矛盾問題，國家明確落地一系列政策，明確鼓勵智能汽車、嵌入式AI、半導(dǎo)體等硬科技產(chǎn)業(yè)的創(chuàng)新與發(fā)展。而嵌入式工程師恰是這些產(chǎn)業(yè)的中堅力量。政策的支持再加上目前合格的嵌入式工程師對應(yīng)的人才缺口，導(dǎo)致企業(yè)對相關(guān)人才的需求暴漲，漲薪是勢在必行。

互聯(lián)網(wǎng)大廠通常作為科技發(fā)展的領(lǐng)航者，開發(fā)者通過觀察也不難發(fā)現(xiàn)，現(xiàn)在很多大廠都把嵌入式物聯(lián)網(wǎng)作為企業(yè)的重點發(fā)展戰(zhàn)略，比如華為，騰訊，阿里，小米，等等。

產(chǎn)業(yè)獲得了更多資金的支持，互聯(lián)網(wǎng)巨頭也紛紛下場，這一切都預(yù)示著嵌入式行業(yè)的風(fēng)口已經(jīng)來臨。國內(nèi)互聯(lián)網(wǎng)的黃金十年紅利，讓很多大學(xué)畢業(yè)沒多久的年輕人，薪資水平比其他行業(yè)的人高出不少，甚至比其他行業(yè)的老司機也高出很多，這是行業(yè)發(fā)展帶來的紅利。隨著物聯(lián)網(wǎng)時代的到來，同樣的紅利正在嵌入式行業(yè)上演。

特斯拉發(fā)布重磅AI芯片！人工智能獨角獸上市在即，行業(yè)復(fù)合增速超60%

中國人工智能市場規(guī)模在2016年-2020年復(fù)合增長率達到69.79%，業(yè)內(nèi)預(yù)計到2025年市場規(guī)模將超過4000億元。

北京時間8月20日上午8點，特斯拉在帕羅奧圖總部召開AI日，發(fā)布會上推出了其人工智能訓(xùn)練計算機DOJO D1芯片，基于7納米工藝，Dojo訓(xùn)練模塊由25個D1芯片組成，算力高達每秒9PFLOPs（9千萬億次）。

據(jù)悉，Dojo AI訓(xùn)練電腦是世界上最強大的人工學(xué)習(xí)機器，使用7nm芯片驅(qū)動50萬個訓(xùn)練單元搭建在一起，公司預(yù)計下一代產(chǎn)品還將帶來10倍以上的提升。

特斯拉CEO馬斯克表示，對將人工智能技術(shù)授權(quán)給其他汽車制造商持開放態(tài)度，但不太可能開源特斯拉AI芯片。特斯拉還在會上發(fā)布了一款人型機器人，而自動駕駛計算機的新硬件可能會在一年左右的時間里和特斯拉卡車一起推出。

AI獨角獸商湯科技最早月底赴港上市

今年以來已有多家人工智能企業(yè)闖關(guān)A股市場。8月19日，據(jù)市場消息，人工智能領(lǐng)域獨角獸商湯科技計劃最早在8月底申請香港IPO。在此之前，人工智能企業(yè)云從科技已經(jīng)通過科創(chuàng)板申請，第四范式已經(jīng)提交赴港上市申請書，曠視科技4月提交科創(chuàng)板上市，不過目前沒有進展。

另一家人工智能企業(yè)云天勵飛科創(chuàng)板IPO事項8月6日接受上交所科創(chuàng)板上市委審議。公司于2020年12月8日遞交科創(chuàng)板IPO申請，擬募資約30億元，主要用于城市AI計算中樞及智慧應(yīng)用研發(fā)項目、面向場景的下一代AI技術(shù)研發(fā)項目及補充流動資金項目等。

值得注意的是，商湯科技投資方背景雄厚，包括阿里巴巴、晨興資本、萬達集團、世茂集團、蘇寧、淡馬錫、軟銀愿景基金、厚樸資本、華興資本、中金公司等。根據(jù)相關(guān)數(shù)據(jù)顯示，商湯科技今年1月再度迎來融資，融資后估值高達120億美元。在A股公司中，包括科大訊飛、國中水務(wù)、上海臨港、易華錄、立昂技術(shù)等通過不同形式與商湯科技有合作。

艾媒咨詢發(fā)布的《2020中國人工智能產(chǎn)業(yè)白皮書》提到，預(yù)計人工智能行業(yè)核心產(chǎn)業(yè)市場規(guī)模在2025年將超過4000億元，未來中國有望發(fā)展為全球最大的人工智能市場。同時，近六成企業(yè)表示未來會部署人工智能，超八成中國網(wǎng)民看好其未來發(fā)展前景。未來人工智能的應(yīng)用場景范圍將持續(xù)擴大，深度滲透到各個領(lǐng)域。

過去幾年，中國人工智能市場規(guī)模在2016年-2020年持續(xù)增長，市場規(guī)模從2016年的154億元增長至2020年的1280億元，年復(fù)合增長率達到69.79%。業(yè)內(nèi)預(yù)計人工智能市場將持續(xù)大幅度增長，2021年會達到1963億元。

最近，一位外國博主AIみかん搞了個事情，更是讓網(wǎng)友們掀起了一波超強回憶殺：

例如我們熟悉的主角櫻木花道，在AI的一通操作后

瞧這經(jīng)典的紅發(fā)，犀利有神的眼眉，是有那味道了。

怎么做到的？

博主AIみかん在自己主頁中，對此次的作品做了詳細(xì)介紹：

在這個頻道中，我想看看用機器學(xué)習(xí)的方法，在多大程度上能夠還原動漫中的人物，并進行比較。

具體而言，他所采用的方法叫做 Artbreeder。

Artbreeder其實是一個基于生成對抗網(wǎng)絡(luò)（GAN）技術(shù)的在線圖像生成網(wǎng)站。

GAN這項技術(shù)大家都已經(jīng)非常熟悉了，自2014年被AI大牛lan Goodfellow提出后，便在機器學(xué)習(xí)界名聲大噪，還衍生出了各種各樣的新“玩法”。

簡單來說，它主要包含了生成器（Generator）和判別器（Descriminator）。

生成器的輸入是一組隨機的變量，輸出是生成的圖；判別器則負(fù)責(zé)對生成的圖進行打分。

生成器所做的工作，是希望生成的圖像無限逼近于真實圖像；而判別器的想法卻不同，它總是想把生成圖像和真實圖像區(qū)分開。

它倆在一起工作，就宛如是一場博弈的過程。

而Artbreeder這個網(wǎng)站，就是采用GAN技術(shù)來生成新圖像。

在網(wǎng)站中點擊創(chuàng)作（Create）后，便可以看到它提供了10種類型的圖像生成，包括肖像、動漫人物、風(fēng)景、建筑等等。

然后你就可以通過調(diào)整滑塊，來“捏”不同風(fēng)格的人像、動畫。

畢竟Artbreeder這個網(wǎng)站操作簡單，而且還免費。

AI頂會，正在使用AI來審閱AI論文

近年來我們在報道 AI 頂會的文章里不斷聽到「史上最大」、「論文數(shù)量新高」等字眼，論文的審核儼然成了一項挑戰(zhàn)。但既然是在研究 AI，為什么不讓機器來自動解決問題？

人工智能頂會 NeurIPS 2019 的現(xiàn)場，曾被人吐槽像跨年夜的百貨商場。

對于大多數(shù)科學(xué)領(lǐng)域來說，期刊是同行評審和論文發(fā)表的主陣地，編輯們會根據(jù)專業(yè)判斷將論文分配給合適的審稿人。但在計算機科學(xué)領(lǐng)域，尋找審稿人的過程通常是匆匆忙忙的：大多數(shù)論文是一次性提交給年度大會，組織者需要在僅僅一周的時間內(nèi)將成千上萬的論文分配給成千上萬的審稿人。

這樣的節(jié)奏是非常緊張的，在過去的五年內(nèi)，大型 AI 會議的投稿量增長了三倍不止，也給大會主辦機構(gòu)帶來了不小的壓力。舉個例子，人工智能領(lǐng)域最大規(guī)模的定會 NeurIPS 2020 收到了 9000 多份有效投稿，比上一年增長了 40%。組織者不得不將 3 萬多個審稿任務(wù)分派給約 7000 位審稿人。NeurIPS 2020 大會主席 Marc’Aurelio Ranzato 表示：「這非常累，壓力很大。」

大概也是「近水樓臺先得月」，AI 頂會的審稿工作得到了 AI 的協(xié)助。首先，主辦方使用了 Toronto Paper Matching System （TPMS），在此之前 TPMS 也被應(yīng)用于其他多個會議的投遞論文分配工作，它通過對比投稿論文和審稿人研究工作之間的文本，來計算投稿與審稿人專業(yè)知識之間的相關(guān)性。這個篩選過程是匹配系統(tǒng)中的一部分，期間審稿人也可以主動爭取自己希望審閱的論文。

黑掉神經(jīng)網(wǎng)絡(luò)，騰訊朱雀實驗室首亮相：操縱神經(jīng)元構(gòu)造AI后門

我們推崇的神經(jīng)網(wǎng)絡(luò)，雖然性能強大，但或許并不安全。

8 月 19 日，在國內(nèi)著名信息安全會議，第 19 屆 XCon 安全焦點信息安全技術(shù)峰會上，騰訊朱雀實驗室首度亮相公眾視野。

作為科恩、玄武、湛瀘、云頂之后，騰訊設(shè)立的又一個安全實驗室，朱雀這個有點神秘色彩的實驗室專注于實戰(zhàn)攻擊技術(shù)研究和 AI 安全技術(shù)研究，以攻促防，專注于研究騰訊業(yè)務(wù)及用戶的安全。

在活動中，騰訊朱雀實驗室高級安全研究員 nEINEI 分享了一項 AI 安全創(chuàng)新研究：模擬實戰(zhàn)中的黑客攻擊路徑，擺脫傳統(tǒng)利用「樣本投毒」的 AI 攻擊方式，直接控制 AI 模型的神經(jīng)元，為模型「植入后門」，在幾乎無感的情況下，可實現(xiàn)完整的攻擊驗證。

這是國內(nèi)首個利用 AI 模型文件直接產(chǎn)生后門效果的攻擊研究。該方法更貼近 AI 攻擊的實戰(zhàn)場景，同時也引起了人們對 AI 模型安全問題的注意。

騰訊安全平臺部負(fù)責(zé)人楊勇表示，當(dāng)前 AI 已融入各行各業(yè)，安全從業(yè)者面臨著更復(fù)雜、更多變的網(wǎng)絡(luò)環(huán)境，我們已經(jīng)看到了網(wǎng)絡(luò)攻擊武器 AI 化的趨勢，除了深度學(xué)習(xí)框架這樣的 AI 基礎(chǔ)設(shè)施，數(shù)據(jù)、模型、算法，任何一個環(huán)節(jié)都是攻防的前線。

深度學(xué)習(xí)精確預(yù)測RNA，僅需訓(xùn)練18種已知結(jié)構(gòu)：斯坦福研究登上Science封面

目前，使用人工智能預(yù)測化合物分子結(jié)構(gòu)是一個火熱的研究課題，DeepMind 蛋白質(zhì)結(jié)構(gòu)預(yù)測工具 AlphaFold2 證明了這一點。但應(yīng)看到，實現(xiàn)分子結(jié)構(gòu)準(zhǔn)確預(yù)測的背后需要龐大的數(shù)據(jù)集。斯坦福大學(xué)的一項研究打破了這一限制，他們提出的機器學(xué)習(xí)方法僅使用很少的數(shù)據(jù)即實現(xiàn)了準(zhǔn)確的 RNA 結(jié)構(gòu)預(yù)測。

確定生物分子的 3D 形狀是現(xiàn)代生物學(xué)和醫(yī)學(xué)發(fā)現(xiàn)中最困難的問題之一。許多公司和研究機構(gòu)花費數(shù)百萬美元來確定分子結(jié)構(gòu)，卻也常常無果。

來自斯坦福大學(xué)的研究團隊利用機器學(xué)習(xí)的方法解決了這個難題。在計算機科學(xué)系副教授 Ron Dror 的指導(dǎo)下，斯坦福大學(xué)博士生 Stephan Eismann 和 Raphael Townshend 巧妙地使用機器學(xué)習(xí)技術(shù)開發(fā)了一種通過計算預(yù)測生物分子準(zhǔn)確結(jié)構(gòu)的方法。并且即使僅從少數(shù)已知結(jié)構(gòu)中學(xué)習(xí)，他們的方法也能成功，使其適用于結(jié)構(gòu)最難通過實驗確定的分子類型。

8 月 27 日，該團隊與斯坦福大學(xué)生物化學(xué)系副教授 Rhiju Das 合作的研究論文在《Science》上發(fā)表并登上封面。

原文標(biāo)題：【AI簡報20210903期】IBM發(fā)布首款7納米AI芯片！騰訊朱雀實驗室首亮相

文章出處：【微信公眾號：RTThread物聯(lián)網(wǎng)操作系統(tǒng)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
責(zé)任編輯:pj