人工智能芯片研究报告(2018)
2019-03-06

Contents 目录AI芯片发展历程

一 概述篇

1.1 AI芯片的分类
1.2 AI芯片发展历程
1.3 我国AI芯片发展情况
2.1 传统的CPU 及其局限性
2.2 并行加速计算的GPU
2.3 半定制化的FPGA
2.4 全定制化的ASIC
2.5 类脑芯片
2.6 AI芯片技术特点比较
二 技术篇
三 产业篇
五 应用趋势篇
六 趋势篇
 
图 1 人工智能与深度学习
图 2 AI芯片发展历程
图 3 传统CPU 内部结构图(仅ALU 为主要计算模块)
图 4 CPU 及GPU 结构对比图(引用自NVIDIA CUDA 文档)
图 5 GPU 芯片的发展阶段
图 6 FPGA 在人工智能领域的应用
图 7 Cambricon-1A(引用自官网)
图 8 集成了NPU 的神经网络处理器(引用自官网)
图 9 地平线公布的BPU 发展战略图(引用自官网)
图 10 亚里士多德架构(引用自官网)
图 11 CI1006 芯片(引用自官网)
图 12 华为麒麟970 神经网络处理器NPU
图 13 人工智能芯片领域研究学者全球分布
图 14 人工智能芯片领域研究学者全球分布
图 15 各国人才逆顺差
图 16 AI芯片应用领域
图 17 华为Mate10 成像效果对比图
图 18 苹果的Face ID
图 19 分解卷积可降低消耗
图 20 逐层动态定点方法
图 21 五级流水线结构
表1 人工智能专用芯片(包括类脑芯片)研发情况一览
 

全文下载……

图片链接
搜索 搜索 订单 订单 客服 客服 注册 注册 联系 联系 投稿 专栏