• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

智能芯片的评述和展望

韩栋, 周聖元, 支天, 陈云霁, 陈天石

韩栋, 周聖元, 支天, 陈云霁, 陈天石. 智能芯片的评述和展望[J]. 计算机研究与发展, 2019, 56(1): 7-22. DOI: 10.7544/issn1000-1239.2019.20180693
引用本文: 韩栋, 周聖元, 支天, 陈云霁, 陈天石. 智能芯片的评述和展望[J]. 计算机研究与发展, 2019, 56(1): 7-22. DOI: 10.7544/issn1000-1239.2019.20180693
shu
Han Dong, Zhou Shengyuan, Zhi Tian, Chen Yunji, Chen Tianshi. A Survey of Artificial Intelligence Chip[J]. Journal of Computer Research and Development, 2019, 56(1): 7-22. DOI: 10.7544/issn1000-1239.2019.20180693
Citation: Han Dong, Zhou Shengyuan, Zhi Tian, Chen Yunji, Chen Tianshi. A Survey of Artificial Intelligence Chip[J]. Journal of Computer Research and Development, 2019, 56(1): 7-22. DOI: 10.7544/issn1000-1239.2019.20180693
shu
韩栋, 周聖元, 支天, 陈云霁, 陈天石. 智能芯片的评述和展望[J]. 计算机研究与发展, 2019, 56(1): 7-22. CSTR: 32373.14.issn1000-1239.2019.20180693
引用本文: 韩栋, 周聖元, 支天, 陈云霁, 陈天石. 智能芯片的评述和展望[J]. 计算机研究与发展, 2019, 56(1): 7-22. CSTR: 32373.14.issn1000-1239.2019.20180693
shu
Han Dong, Zhou Shengyuan, Zhi Tian, Chen Yunji, Chen Tianshi. A Survey of Artificial Intelligence Chip[J]. Journal of Computer Research and Development, 2019, 56(1): 7-22. CSTR: 32373.14.issn1000-1239.2019.20180693
Citation: Han Dong, Zhou Shengyuan, Zhi Tian, Chen Yunji, Chen Tianshi. A Survey of Artificial Intelligence Chip[J]. Journal of Computer Research and Development, 2019, 56(1): 7-22. CSTR: 32373.14.issn1000-1239.2019.20180693
shu

智能芯片的评述和展望

  • 1(中国科学院计算技术研究所智能处理器中心 北京 100190)

  • 2(中国科学院大学 北京 100049)

  • 3(上海寒武纪信息科技有限公司 上海 201203) (handong2014@ict.ac.cn)

基金项目: 国家重点研发计划项目(2017YFA0700902，2017YFB1003101)；国家自然科学基金项目(61472396，61432016, 61473275, 61522211, 61532016, 61521092, 61502446, 61672491, 61602441, 61602446,61732002，61702478)；国家“九七三”重点基础研究发展计划基金项目(2015CB358800)；国家科技重大专项基金项目(2018ZX01031102)；中国科学院战略性先导科技专项(B类)(XDB32050200)
详细信息

  • 中图分类号: TP316

A Survey of Artificial Intelligence Chip

  • 1(Intelligent Processor Research Center, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190)

  • 2(University of Chinese Academy of Sciences, Beijing 100049)

  • 3(Shanghai Cambricon Information Technology Co., Ltd., Shanghai 201203)

摘要

    摘要
  • 摘要: 近年来，人工智能技术在许多商业领域获得了广泛应用，并且随着世界各地的科研人员和科研公司的重视和投入，人工智能技术在传统语音识别、图像识别、搜索/推荐引擎等领域证明了其不可取代的价值.但与此同时，人工智能技术的运算量也急剧扩增，给硬件设备的算力提出了巨大的挑战.从人工智能的基础算法以及其应用算法着手，描述了其运算方式及其运算特性.然后，介绍了近期人工智能芯片的发展方向，对目前智能芯片的主要架构进行了介绍和分析.而后，着重介绍了DianNao系列处理器的研究成果.该系列的处理器为智能芯片领域最新最先进的研究成果，其结构和设计分别面向不同的技术特征而提出，包括深度学习算法、大规模的深度学习算法、机器学习算法、用于处理二维图像的深度学习算法以及稀疏深度学习算法等.此外，还提出并设计了完备且高效的Cambricon指令集结构.最后，对人工神经网络技术的发展方向从多个角度进行了分析，包括网络结构、运算特性和硬件器件等，并基于此对未来工作可能的发展方向进行了预估和展望.
    Abstract: In recent years, artificial intelligence （AI）technologies have been widely used in many commercial fields. With the attention and investment of scientific researchers and research companies around the world, AI technologies have been proved their irreplaceable value in traditional speech recognition, image recognition, search/recommendation engine and other fields. However, at the same time, the amount of computation of AI technologies increases dramatically, which poses a huge challenge to the computing power of hardware equipments. At first, we describe the basic algorithms of AI technologies and their application algorithms in this paper, including their operation modes and operation characteristics. Then, we introduce the development directions of AI chips in recent years, and analyze the main architectures of AI chips. Furthermore, we emphatically introduce the researches of DianNao series processors. This series of processors are the latest and most advanced researches in the field of AI chips. Their architectures and designs are proposed for different technical features, including deep learning algorithms, large-scale deep learning algorithms, machine learning algorithms, deep learning algorithms for processing two-dimensional images and sparse deep learning algorithms. In addition, a complete and efficient instruction architecture(ISA) for deep learning algorithms, Cambricon, is proposed. Finally, we analyze the development directions of artificial neural network technologies from various angles, including network structures, operation characteristics and hardware devices. Based on the above, we predict and prospect the possible development directions of future work.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(27)

  • 期刊类型引用(14)

    1. 暴琳，朱志宇，孙晓燕，徐标. 面向多源异构数据的个性化搜索和推荐算法综述. 控制理论与应用. 2024(02): 189-209 . 百度学术
    2. 王一博，张鹏翼. 基于LDA模型的国内用户画像研究主题及演化分析. 情报探索. 2024(02): 99-105 . 百度学术
    3. 韩永印，王侠，王志晓. 基于决策树的社交网络隐式用户行为数据挖掘方法. 沈阳工业大学学报. 2024(03): 312-317 . 百度学术
    4. 黄玲，黄镇伟，黄梓源，关灿荣，高月芳，王昌栋. 图卷积宽度跨域推荐系统. 计算机研究与发展. 2024(07): 1713-1729 . 本站查看
    5. 廖彬，张陶，于炯，李敏. NLGAE:一种基于改进网络结构及损失函数的图自编码器节点分类模型. 计算机科学. 2024(10): 234-246 . 百度学术
    6. 刘树越 ，于亚新 ，吴晓露 ，夏子芳 ，王子腾 . 自注意力下时空-语义相融合的POI序列推荐. 小型微型计算机系统. 2023(03): 456-462 . 百度学术
    7. 章育涛，黎英，杨雅莉. 社交网站图像分析研究综述. 信息技术与信息化. 2023(08): 114-121 . 百度学术
    8. 秦鹏，贾洪杰，霍兴瀛，邓朝艳. 融合大数据挖掘的用户个性化POI推荐方法. 计算机仿真. 2022(06): 355-358+385 . 百度学术
    9. 郑捷，杨兴耀，于炯，李想. 基于人工蜂群的移动终端大数据半监督推荐. 计算机仿真. 2022(07): 497-501 . 百度学术
    10. 李梁森，杨德宏，翟文龙，李刘飞，高励. 基于微博数据的云南省地理情感及主题特征研究. 城市勘测. 2022(04): 12-16 . 百度学术
    11. 赵凯华，徐建民，鲍彩倩. 一个基于信念网络的微博推荐模型. 河北大学学报(自然科学版). 2022(04): 438-448 . 百度学术
    12. 王小青，苏锋，蔡传根. 基于数据挖掘技术的影视智能推荐算法. 现代电子技术. 2021(11): 98-101 . 百度学术
    13. 周炫余，刘林，陈圆圆，洪嘉玲，卢笑. 基于多模态数据融合的大学生心理健康自动评估模型设计与应用研究. 电化教育研究. 2021(08): 72-78 . 百度学术
    14. 刘凯阳，姜峰，王辉. 航天话题公众关注热点和情感分析. 科技传播. 2021(19): 31-34 . 百度学术

    其他类型引用(13)

    • 资源附件(0)
计量
  • 文章访问数: 
  • HTML全文浏览量:  0
  • PDF下载量: 
  • 被引次数: 27
出版历程
  • 发布日期:  2018-12-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(27)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计