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(jī)和LinuxONE服務(wù)器。

IBM Telum包含8個(gè)處理器核心，頻率超過5GHz，每個(gè)核都由重新設(shè)計(jì)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(dá)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(dá)225億個(gè)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(dá)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(shí)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(jì)算大致分為兩個(gè)層面，首先是對模型進(jìn)行訓(xùn)練（training），整個(gè)過程可能耗時(shí)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(shí)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(gè)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(diǎn)

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(xiàng)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(gè)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(jī)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(shí)現(xiàn)百萬年薪的機(jī)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(lì)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(jiān)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(diǎn)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(jī)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(shí)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(dú)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(dá)到69.79%，業(yè)內(nèi)預(yù)計(jì)到2025年市場規(guī)模將超過4000億元。

北京時(shí)間8月20日上午8點(diǎn)，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(jì)算機(jī)DOJO D1芯片，基于7納米工藝，Dojo訓(xùn)練模塊由25個(gè)D1芯片組成，算力高達(dá)每秒9PFLOPs（9千萬億次）。

據(jù)悉，Dojo AI訓(xùn)練電腦是世界上最強(qiáng)大的人工學(xué)習(xí)機(jī)器，使用7nm芯片驅(qū)動50萬個(gè)訓(xùn)練單元搭建在一起，公司預(yù)計(jì)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(jī)器人，而自動駕駛計(jì)算機(jī)的新硬件可能會在一年左右的時(shí)間里和特斯拉卡車一起推出。

AI獨(dú)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(dú)角獸商湯科技計(jì)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(jìn)展。

另一家人工智能企業(yè)云天勵(lì)飛科創(chuàng)板IPO事項(xiàng)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(jì)算中樞及智慧應(yīng)用研發(fā)項(xiàng)目、面向場景的下一代AI技術(shù)研發(fā)項(xiàng)目及補(bǔ)充流動資金項(xiàng)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(dá)集團(tuán)、世茂集團(tuán)、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(dá)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(jì)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(shí)，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(kuò)大，深度滲透到各個(gè)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(dá)到69.79%。業(yè)內(nèi)預(yù)計(jì)人工智能市場將持續(xù)大幅度增長，2021年會達(dá)到1963億元。

最近，一位外國博主AIみかん搞了個(gè)事情，更是讓網(wǎng)友們掀起了一波超強(qiáng)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(gè)頻道中，我想看看用機(jī)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(jìn)行比較。

具體而言，他所采用的方法叫做 Artbreeder。

Artbreeder其實(shí)是一個(gè)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(xiàng)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(jī)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(jī)的變量，輸出是生成的圖；判別器則負(fù)責(zé)對生成的圖進(jìn)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(shí)圖像；而判別器的想法卻不同，它總是想把生成圖像和真實(shí)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(gè)網(wǎng)站，就是采用GAN技術(shù)來生成新圖像。

在網(wǎng)站中點(diǎn)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(gè)網(wǎng)站操作簡單，而且還免費(fèi)。

AI頂會，正在使用AI來審閱AI論文

近年來我們在報(bào)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(xiàng)挑戰(zhàn)。但既然是在研究 AI，為什么不讓機(jī)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(jì)算機(jī)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(shí)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(jī)構(gòu)帶來了不小的壓力。舉個(gè)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(gè)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?！?/p>

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(gè)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(jì)算投稿與審稿人專業(yè)知識之間的相關(guān)性。這個(gè)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(shí)驗(yàn)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(qiáng)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(diǎn)信息安全技術(shù)峰會上，騰訊朱雀實(shí)驗(yàn)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(gè)安全實(shí)驗(yàn)室，朱雀這個(gè)有點(diǎn)神秘色彩的實(shí)驗(yàn)室專注于實(shí)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(shí)驗(yàn)室高級安全研究員 nEINEI 分享了一項(xiàng) AI 安全創(chuàng)新研究：模擬實(shí)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(shí)現(xiàn)完整的攻擊驗(yàn)證。

這是國內(nèi)首個(gè)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(shí)戰(zhàn)場景，同時(shí)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(gè)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(gè)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(diǎn)。但應(yīng)看到，實(shí)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(xiàng)研究打破了這一限制，他們提出的機(jī)器學(xué)習(xí)方法僅使用很少的數(shù)據(jù)即實(shí)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(jī)構(gòu)花費(fèi)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(tuán)隊(duì)利用機(jī)器學(xué)習(xí)的方法解決了這個(gè)難題。在計(jì)算機(jī)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(jī)器學(xué)習(xí)技術(shù)開發(fā)了一種通過計(jì)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(shí)驗(yàn)確定的分子類型。

8 月 27 日，該團(tuán)隊(duì)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(bào)20210903期】IBM發(fā)布首款7納米AI芯片！騰訊朱雀實(shí)驗(yàn)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