今天，人工智能（AI）已經(jīng)在各個(gè)領(lǐng)域遍地開花，無論身處哪個(gè)行業(yè)，使用AI來幫助獲取業(yè)務(wù)洞察，并建立競爭優(yōu)勢，已經(jīng)非常常見。不過一個(gè)有趣的現(xiàn)象是，在用戶采購AI基礎(chǔ)設(shè)施時(shí)，幾乎所有廠商都會強(qiáng)調(diào)其支持GPU的能力，并且支持的GPU數(shù)量越多，就代表其AI性能越強(qiáng)大。那么問題來了，為什么是GPU而不是CPU？

GPU難道不是我們?nèi)粘Ｊ褂玫?a href="http://www.zgszdi.cn/v/tag/1247/" target="_blank">電腦里的，用于提高游戲性能或設(shè)計(jì)圖形所需的圖形處理單元嗎？為什么在AI方面，我們計(jì)算機(jī)里的“大腦”（CPU）反而很少提及呢？

一、為什么AI需要GPU？

要了解為什么GPU更適合AI，我們就要從GPU的誕生說起。圖形處理單元 (GPU) 最初開發(fā)用于生成計(jì)算機(jī)圖形，是具有專用內(nèi)存的專用處理器，通常執(zhí)行渲染圖形所需的浮點(diǎn)運(yùn)算。從GPU的誕生我們可以看到，GPU是專為計(jì)算機(jī)開發(fā)的，旨在提高它們處理3D圖形的能力。這種特性決定了GPU僅用于參與任務(wù)或應(yīng)用程序代碼的某些部分，而不是整個(gè)過程。因此，GPU通常有較多的內(nèi)核，用于處理頻繁且彼此獨(dú)立的簡單計(jì)算。而CPU又被稱為通用處理器，因?yàn)樗鼛缀蹩梢赃\(yùn)行任何類型的計(jì)算。不過CPU通常只有幾個(gè)內(nèi)核，即使是服務(wù)器專用的CPU也不過幾十個(gè)內(nèi)核，與GPU動輒成百上千個(gè)內(nèi)核相比完全不是一個(gè)數(shù)量級。但這并不意味著CPU不夠好，CPU內(nèi)核雖然更少，但比數(shù)千個(gè)GPU內(nèi)核更強(qiáng)大。例如同時(shí)處理操作系統(tǒng)、處理電子表格、播放高清視頻、提取大型zip文件，這些是GPU根本無法完成的。說到這里，你該明白GPU和CPU的區(qū)別了吧。總結(jié)一下，CPU最擅長按順序處理單個(gè)更復(fù)雜的計(jì)算，而GPU更擅長并行處理多個(gè)但更簡單的計(jì)算。至于為什么AI需要的GPU，答案也很明顯了，因?yàn)橛?xùn)練AI模型的過程需要同時(shí)對所有數(shù)據(jù)樣本執(zhí)行幾乎相同的操作，而GPU的架構(gòu)設(shè)計(jì)具有快速同時(shí)處理多個(gè)任務(wù)所需的并行處理能力。

不過要注意的是，盡管GPU非常適合于AI模型算法，但并不意味著GPU在所有情況下都適用：

1、規(guī)模較小的訓(xùn)練CPU完全可以執(zhí)行訓(xùn)練AI模型所需的算法，特別是如果數(shù)據(jù)集規(guī)模相對較小，可以使用CPU避免高昂的前期成本。2、非并行算法本質(zhì)上，GPU是為圖形處理而設(shè)計(jì)的，因此當(dāng)某個(gè)AI模型算法并不是并行算法時(shí)，CPU就是更好的選擇。某些涉及邏輯或密集內(nèi)存要求的AI算法也是CPU的強(qiáng)項(xiàng)。

二、GPU與AI計(jì)算

現(xiàn)在的AI計(jì)算，都在搶購GPU。英偉達(dá)也因此賺得盆滿缽滿，為什么會這樣呢？原因很簡單，因?yàn)锳I計(jì)算和圖形計(jì)算一樣，也包含了大量的高強(qiáng)度并行計(jì)算任務(wù)。深度學(xué)習(xí)是目前最主流的人工智能算法。從過程來看，包括訓(xùn)練（training）和推理（inference）兩個(gè)環(huán)節(jié)。訓(xùn)練環(huán)節(jié)，通過投喂大量的數(shù)據(jù)，訓(xùn)練出一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型。在推理環(huán)節(jié)，利用訓(xùn)練好的模型，使用大量數(shù)據(jù)推理出各種結(jié)論。訓(xùn)練環(huán)節(jié)由于涉及海量的訓(xùn)練數(shù)據(jù)，以及復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，所以需要的計(jì)算規(guī)模非常龐大，對芯片的算力性能要求比較高。而推理環(huán)節(jié)，對簡單指定的重復(fù)計(jì)算和低延遲的要求很高。它們所采用的具體算法，包括矩陣相乘、卷積、循環(huán)層、梯度運(yùn)算等，分解為大量并行任務(wù)，可以有效縮短任務(wù)完成的時(shí)間。GPU憑借自身強(qiáng)悍的并行計(jì)算能力以及內(nèi)存帶寬，可以很好地應(yīng)對訓(xùn)練和推理任務(wù)，已經(jīng)成為業(yè)界在深度學(xué)習(xí)領(lǐng)域的首選解決方案。

目前，大部分企業(yè)的AI訓(xùn)練，采用的是英偉達(dá)的GPU集群。如果進(jìn)行合理優(yōu)化，一塊GPU卡，可以提供相當(dāng)于數(shù)十甚至上百臺CPU服務(wù)器的算力。

三、AI與算力

AI與算力是當(dāng)今社會科技進(jìn)步的兩大驅(qū)動力，它們的融合與創(chuàng)新正推動著各個(gè)行業(yè)的發(fā)展，引領(lǐng)我們進(jìn)入一個(gè)全新的智能時(shí)代。算力，作為AI技術(shù)的基石，為AI提供了強(qiáng)大的計(jì)算能力和數(shù)據(jù)處理能力。隨著技術(shù)的不斷進(jìn)步，算力的提升使得AI模型能夠處理更大規(guī)模的數(shù)據(jù)，實(shí)現(xiàn)更復(fù)雜的算法，從而提升AI的性能和準(zhǔn)確度。算力的發(fā)展，使得AI在圖像識別、語音識別、自然語言處理等領(lǐng)域取得了巨大的突破，為我們的生活帶來了諸多便利。而AI的崛起，也反過來促進(jìn)了算力的發(fā)展。隨著AI應(yīng)用領(lǐng)域的不斷拓展，對于算力的需求也日益增長。為了滿足這種需求，人們不斷研發(fā)新的芯片、算法和架構(gòu)，推動算力的不斷提升。同時(shí)，AI技術(shù)的發(fā)展也催生了一系列新的應(yīng)用場景，如自動駕駛、智能家居、智能醫(yī)療等，這些應(yīng)用都需要強(qiáng)大的算力支持，從而推動了算力技術(shù)的不斷突破和創(chuàng)新。AI與算力的結(jié)合，正在推動各行各業(yè)的發(fā)展。在制造業(yè)中，AI與算力技術(shù)可以幫助企業(yè)實(shí)現(xiàn)智能制造、智能供應(yīng)鏈等，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。在醫(yī)療領(lǐng)域，AI與算力技術(shù)可以幫助醫(yī)生實(shí)現(xiàn)精準(zhǔn)診斷、個(gè)性化治療等，提高醫(yī)療水平和患者滿意度。在金融領(lǐng)域，AI與算力技術(shù)可以幫助銀行、保險(xiǎn)等機(jī)構(gòu)實(shí)現(xiàn)風(fēng)險(xiǎn)評估、智能投顧等，提高金融服務(wù)的智能化水平。總之，AI與算力是當(dāng)今科技進(jìn)步的重要驅(qū)動力，它們的融合與創(chuàng)新正推動著我們進(jìn)入一個(gè)全新的智能時(shí)代。在未來的發(fā)展中，我們需要不斷關(guān)注技術(shù)趨勢、加強(qiáng)人才培養(yǎng)、加強(qiáng)監(jiān)管和規(guī)范，推動AI與算力技術(shù)的健康發(fā)展，為人類創(chuàng)造更加美好的未來。

本文來源：渲大師