人工智能計(jì)算平臺(tái)的本質(zhì)是通過數(shù)據(jù)與算法訓(xùn)練出一個(gè)可以預(yù)知未來(lái)的模型，一個(gè)好的計(jì)算平臺(tái)需要為用戶在數(shù)據(jù)以及算法方面提供極大的便利。因此如何為人工智能計(jì)算平臺(tái)提供更高效的加速能力是當(dāng)前研究的熱點(diǎn)與難點(diǎn)。

CPU作為一種通用型處理器，是計(jì)算機(jī)中不可或缺的計(jì)算核心，結(jié)合指令集，可以完成工作中各種各樣的計(jì)算和處理任務(wù)。然而近年來(lái)，隨著海量數(shù)據(jù)和分布式人工智能計(jì)算平臺(tái)的高并發(fā)應(yīng)用的涌現(xiàn)，現(xiàn)有體系架構(gòu)的CPU、網(wǎng)絡(luò)、存儲(chǔ)處理遇到了瓶頸，以CPU為中心的分布式計(jì)算架構(gòu)很難滿足需求。

尤其在以CNN為代表的深度學(xué)習(xí)領(lǐng)域，準(zhǔn)確率的提升伴隨著模型深度的增加，對(duì)計(jì)算平臺(tái)的性能要求也大幅增長(zhǎng)。相比于CPU面對(duì)的通用多任務(wù)計(jì)算，深度學(xué)習(xí)計(jì)算的任務(wù)單一、計(jì)算密度大、有較高的數(shù)據(jù)可復(fù)用率等特點(diǎn)，對(duì)計(jì)算構(gòu)架的要求在于大規(guī)模的計(jì)算邏輯和數(shù)據(jù)帶寬，而不在于復(fù)雜的任務(wù)調(diào)度，因此在CPU上并不能跑出較好的性能。

面對(duì)當(dāng)前AI行業(yè)的需求，到底該如何構(gòu)建下一代的分布式人工智能計(jì)算平臺(tái)呢？10月16日晚7點(diǎn)，「浪潮元腦專場(chǎng)」第3講邀請(qǐng)到高效能服務(wù)器和存儲(chǔ)技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室首席科學(xué)家闞宏偉參與。這一講定名為人工智能分布式加速技術(shù)公開課，闞宏偉也將從人工智能加速平臺(tái)研究現(xiàn)狀出發(fā)，分析現(xiàn)有人工智能平臺(tái)的痛點(diǎn)與挑戰(zhàn)，詳解分布式人工智能平臺(tái)的核心技術(shù)，最后也將向大家透析未來(lái)計(jì)算架構(gòu)的趨勢(shì)。

闞宏偉是高效能服務(wù)器和存儲(chǔ)技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室首席科學(xué)家，主要從事面向人工智能和數(shù)據(jù)中心等領(lǐng)域的可重構(gòu)分布式異構(gòu)加速平臺(tái)的研究，人工智能原創(chuàng)性基礎(chǔ)研究，聚焦在硬件加速平臺(tái)、CPU&FPGA&xPU全棧加速、數(shù)據(jù)中心資源池化/云化/熱遷移等方向，和人工智能算法模型與特征度量方向。他先后主持“國(guó)家重點(diǎn)研發(fā)計(jì)劃：面向大規(guī)模分布式人工智能應(yīng)用的關(guān)鍵網(wǎng)絡(luò)技術(shù)”等重大國(guó)內(nèi)外研究6項(xiàng)，論文專利50余項(xiàng)，多項(xiàng)成果應(yīng)用于重大裝備或國(guó)內(nèi)外TOP10知名企業(yè)中，并填補(bǔ)國(guó)內(nèi)外空白。

高效能服務(wù)器和存儲(chǔ)技術(shù)實(shí)驗(yàn)室是國(guó)內(nèi)唯一面向服務(wù)器和存儲(chǔ)技術(shù)研究的國(guó)家重點(diǎn)實(shí)驗(yàn)室，也是國(guó)家首批依托企業(yè)設(shè)立的國(guó)家重點(diǎn)實(shí)驗(yàn)室之一。其以解決高速、高效、海量、高可用性等高效能計(jì)算與存儲(chǔ)問題為主要研究?jī)?nèi)容。
責(zé)任編輯:tzh