广告

亚马逊自研人工智能AI芯片:吞吐量提高30%

2020-11-16 17:38:17 综合报道 阅读:
现在,对于巨头来说,AI已经不再那么神秘,因此,很多有自身需要或者有客户的大厂都会从合作走到自研这一步,现在,巨头亚马逊也逐渐摆脱对NVIDIA的依赖,开始了人工智能芯片的自研,且其芯片吞吐量提高达到30%。

现在,对于巨头来说,AI已经不再那么神秘,因此,很多有自身需要或者有客户的大厂都会从合作走到自研这一步,现在,巨头亚马逊也逐渐摆脱对NVIDIA的依赖,开始了人工智能芯片的自研,且其芯片吞吐量提高达到30%。hL0ednc

亚马逊宣布将人工智能处理迁移到自家定制的 AWS Inferentia 芯片。这意味着亚马逊最大的推理(inferencing)服务(例如语音助手 Alexa)将交由更快、更专业的芯片进行处理,而非基于 NVIDIA 的多用途 GPU。hL0ednc

Inferentia-image.ff8c860375e648fb9f60b27f3125fc21adda3a59.jpghL0ednc

亚马逊已经将大约 80% 的 Alexa 语音助手处理迁移到 Elastic Compute Cloud (EC2) Inf1 实例上处理。和使用传统 GPU 的 G4 实例相比,Inf1 实例将吞吐量提高了 30%,成本下降了 45%。亚马逊认为,它们是推断自然语言和语音处理工作负载的最佳实例。hL0ednc

QQ截图20201116102540.jpghL0ednc

Alexa 的工作方式是这样的:实际的智能音箱(或者扬声器)可以不做任何操作,所有任务都交由 AWS 处理器完成。或者更准确的说,一旦 Echo 设备上的芯片检测到唤醒词,系统就会启动。。它开始实时将音频流传输到云。在数据中心的某个地方,音频被转换为文本(这是推理的一个示例)。然后从文本中提取含义(另一个推理实例)完成所需要的所有操作,例如获取当天的天气信息等等。hL0ednc

Alexa 完成您的请求后,她需要将答案传达给您。然后,脚本被转换为音频文件(另一个推理示例),并发送到您的Echo设备。回音播放文件,以便于你出行的时候是否决定带上雨伞。显然,推理是工作的重要组成部分。毫不奇怪,亚马逊投入了数百万美元来制造完美的推理芯片。hL0ednc

Inferentia 芯片由四个 NeuronCore 组成。每个实现一个“高性能脉动阵列矩阵乘法引擎”。每个NeuronCore或多或少地由以线性,独立方式处理数据的大量小型数据处理单元(DPU)组成。每个Inferentia芯片还具有巨大的缓存,从而提高了延迟。hL0ednc

  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了