你知道人工智能是怎么学习人脑神经网络运行的吗？
人脑神经网络的运作模式是人工智能追求的终极形态
AMD对芯片与人类大脑的操作理解较为超前。
早在 2011 年，AMD 产品构想中就以 CPU和 GPU 分别类比人类左右脑，并基于此提出了 CPU+GPU 的异构产品策略。类比人脑，AMD 认为左脑更像 CPU，负责对信息的逻辑处理，如串行运算、数字和算术、分析思维、理解、分类、整理等，而右脑更像 GPU，负责并行计算、多模态、创造性思维和想象等。
人类大脑神经网络的运作模式，始终是人工智能追求的终极形态，因此，我们认为CPU+GPU
的异构集成，对比人类可实现左右脑协同工作，整体调动神经网络，或将成为AI
芯片的主流技术方向。目前
AMD
的
MI300、英伟达的
Grace
Hopper 和英特尔的
FalconShores
在此均有布局。GPU
的算力高，并针对并行计算，但须由
CPU
进行控制调用，发布指令。在
AI
训练端，CPU
可负责控制及发出指令，指示
GPU
处理数据和完成复杂的浮点运算（如矩阵运算）。
在面对不同模态数据的推理时，我们认为，CPU 与 GPU 的分工也各有不同，因此，同时部署 CPU 和 GPU 能提供最大的运算支撑。例如，在处理语音、语言和文本数据的推理时，AI 模型需逐个识别目标文字，计算有序，因此或更适合使用擅长串行运算的 CPU 进行运算支持；但在处理图像、视频等数据的推理时（对比人类的操作，每一个像素是同时进入眼睛），需要大规模并行运算，或更适宜由 GPU 负责，例如英伟达 L4 GPU 可将 AI 视频性能提高 120 倍，据英伟达测试，L4 与基于 CPU 的传统基础设施相比能源效率提高 99%。
1.AMD已提出APU概念，将结合CPU与GPU在左右脑层面的分工区别和组合构想
2.人类大脑不同部分功能及对应芯片种类
3.人脑处理信息与人工智能训练和推理的流程对比
欢迎评论区留意，一起学习。
#人工智能#AI#GPU#Niusousou
