人工智能 (AI) 的首要發展途徑將逐漸轉向(回到)人工智能增強硬件——并且不會只有處理器受到影響。

這就好比剛誕生的互聯網和以前的鐵路熱潮一樣——最開始，人們歡欣鼓舞，許多小公司都在謀求成功的解決方案;但市場終將回歸價值，從而鎖定最好的解決方案。當人工智能開始進入主流意識時，我們能看到同樣的情況：每一個從事新型AI或者神經處理芯片業務的企業，都在宣稱人工智能將成為所有業務的核心。

這種激進的做法大多數不會有市場，而且企業只是將大量常用任務，或者以圖形處理為主的計算，交給人工智能。這在一段時間內是可行的，但很難擴展，而且效益也不高。

現在，隨著各行各業對AI的理解進一步加深，市場上出現了一種更加務實的認知——羅馬不是一天建成的。要想讓人工智能進一步普及，它的任務處理能力必須變得更有效率，這意味著我們應注重于發展人工智能增強硬件——這并不意味著要回到使用分立式人工智能或者神經芯片的路數。相反，在2022年及以后，人工智能解決方案將更加趨向平衡與融合——正如我們看到，幾乎在所有類型的應用中，都有人工智能的參與，例如計算機輔助設計和服務客戶，以及零售和通信。

對于5G網絡，大多數的服務商希望通過使用數據流和人工智能算法來訓練網絡，從而可以在多天線的情況下，更好地進行波束控制，以提高運行效率。

考慮到5G基帶、天線基礎設施，以及頻譜的成本，提高5G實施的效率是非常重要的!這些5G相關工作大多都是在開放平臺上通過開放標準進行的。這是一種改進，但還不完美，因為這些新型開放系統需要權衡人工智能和網絡處理這兩個角色，所以偶爾會遇到瓶頸和資源競爭。

美光目前正在努力解決這一領域的困難，并爭取提高人工智能和數字基帶算法的效率，以幫助業界加速向開放型5G的過渡。

業界已經在考慮下一個“G”了——6G。由此，我們會發現人們將加倍關注以內存為中心、基于人工智能的數字算法，這將推動新型無線技術中內存和存儲的增長。

我們正開展業界協作，界定6G網絡的需求和功能，以確保內存和存儲技術能夠滿足網絡、設備和用戶體驗所需的吞吐量、容量和低延遲性能。但我們現在還是暫緩對6G的預測，重點關注5G!

隨著人工智能解決方案的發展，我們將從人類大腦這一神奇的計算設備中得到啟發。電路消耗的能量要比生物系統多五到六個數量級。人類大腦能在大約35瓦的功率下完成驚人的工作量!

目前的ADAS等大型復雜系統與大腦的系統相比，其能力完全不值一提。

大腦是一臺巨大的內存設備，它能出色地完成計算工作，其中一個重要原因是因為大腦劃分了固定的功能區。大腦中處理視覺的區域，與處理聽覺或者其他認知任務的區域大不相同。大腦是一個大型異構系統，擁有不同的固定功能應用程序，并通過高性能連接被集中在一起。

人工智能也需要同樣的理念——發展針對具體任務的子系統，來取代大規模的通用計算。這將改善至關重要的能耗問題，因為人工智能一直在占用非常龐大的能耗。例如，OpenAI發現訓練一個語言模型所產生的功耗幾乎相當于三個家庭一年所使用的能源消耗!顯然，要想普及人工智能，必須極大地提高能效。

本文作者

Steve Pawlowski

美光科技高級計算解決方案及新興內存解決方案企業副總裁

原文標題：人工智能：不懈追求人腦級別的性能

文章出處：【微信公眾號：Micron美光科技】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅