(網(wǎng)經(jīng)社訊)上世紀(jì)八十年代，多層神經(jīng)網(wǎng)絡(luò)和反向傳播算法的出現(xiàn)給人工智能行業(yè)點(diǎn)燃了新的火花。反向傳播的主要?jiǎng)?chuàng)新在于能將信息輸出和目標(biāo)輸出之間的誤差通過(guò)多層網(wǎng)絡(luò)往前一級(jí)迭代反饋，將最終的輸出收斂到某一個(gè)目標(biāo)范圍之內(nèi)。
1989年貝爾實(shí)驗(yàn)室成功利用反向傳播算法，在多層神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)了一個(gè)手寫(xiě)郵編識(shí)別器。1998年Yann LeCun和Yoshua Bengio發(fā)表了手寫(xiě)識(shí)別神經(jīng)網(wǎng)絡(luò)和反向傳播優(yōu)化相關(guān)的論文《Gradient-based learning applied to document recognition》，開(kāi)創(chuàng)了卷積神經(jīng)網(wǎng)絡(luò)的時(shí)代。
此后，人工智能陷入了長(zhǎng)時(shí)間的發(fā)展沉寂階段，直到1997年IBM的深藍(lán)戰(zhàn)勝國(guó)際象棋大師和2011年IBM的沃森智能系統(tǒng)在Jeopardy節(jié)目中勝出，人工智能才又一次為人們所關(guān)注。2016年Alpha Go擊敗韓國(guó)圍棋九段職業(yè)選手，則標(biāo)志著人工智能的又一波高潮。從基礎(chǔ)算法，底層硬件，工具框架到實(shí)際應(yīng)用場(chǎng)景，目前人工智能已經(jīng)全面開(kāi)花。 作為人工智能核心的底層硬件AI芯片，也同樣經(jīng)歷了多次的起伏和波折，
總體看來(lái)，AI芯片的發(fā)展前后經(jīng)歷了四次大的變化，其發(fā)展歷程如下圖所示。
(1)2007年以前，AI芯片產(chǎn)業(yè)一直沒(méi)有發(fā)展成為成熟的產(chǎn)業(yè)；同時(shí)由于當(dāng)時(shí)算法、數(shù)據(jù)量等因素，這個(gè)階段AI芯片并沒(méi)有特別強(qiáng)烈的市場(chǎng)需求，通用的CPU芯片即可滿(mǎn)足應(yīng)用需要。
(2)隨著高清視頻、VR、AR游戲等行業(yè)的發(fā)展，GPU產(chǎn)品取得快速的突破；同時(shí)人們發(fā)現(xiàn)GPU的并行計(jì)算特性恰好適應(yīng)人工智能算法及大數(shù)據(jù)并行計(jì)算的需求，如GPU比之前傳統(tǒng)的CPU在深度學(xué)習(xí)算法的運(yùn)算上可以提高幾十倍的效率，因此開(kāi)始嘗試使用GPU進(jìn)行人工智能計(jì)算。
(3)進(jìn)入2010年后，云計(jì)算廣泛推廣，人工智能的研究人員可以通過(guò)云計(jì)算借助大量CPU和GPU進(jìn)行混合運(yùn)算，進(jìn)一步推進(jìn)了AI芯片的深入應(yīng)用，從而催生了各類(lèi)AI芯片的研發(fā)與應(yīng)用。
(4)人工智能對(duì)于計(jì)算能力的要求不斷快速地提升，進(jìn)入2015年后，GPU的性能功耗比不高的特點(diǎn)使其適用場(chǎng)合受到很多限制，業(yè)界開(kāi)始研發(fā)針對(duì)人工智能的專(zhuān)用芯片，通過(guò)更好的硬件和芯片架構(gòu)，在計(jì)算效率、能耗比上進(jìn)一步提升。
報(bào)告_000001.jpg">
（來(lái)源：AMiner 編選：電子商務(wù)研究中心）
.png)
.png)
.png)
.png)
.png)
.png)
