分享一篇有关互联网，手机方面文章给大家，相信很多小伙伴们还是对互联网，手机这方面还是不太了解，那么小编也在网上收集到了一些关于手机和互联网这方面的相关知识来分享给大家，希望大家看了会喜欢。随着企业开始采用AI和机器学习策略，像NVIDIA，Intel和AMD这样的芯片制造商正在努力成为标准的硬件提供商。
人工智能正在成为大多数分布式计算体系结构不可或缺的功能。因此，AI硬件加速器已成为高科技领域的主要竞争战场，而NVIDIA，AMD和Intel等半导体制造商则位居前列。
近几个月来，AI硬件加速芯片的供应商加强了竞争。最新的里程碑之一是英特尔发布了经过AI优化的新一代Ponte Vecchio图形处理单元(GPU)，这是来自更大XeGPU系列的几款产品中的第一款，这些产品还将加速游戏和高性能计算的发展。工作量。
GPU在云中的AI加速器优势
在AI硬件加速方面，由于NVIDIA在GPU方面的巨大市场领先地位以及芯片性能，成本，效率和其他功能的不断增强，因此NVIDIA已成为领先的芯片供应商。尽管NVIDIA在其核心GPU堡垒和其他AI加速器领域(最著名的是移动，物联网和其他边缘部署)都面临着日益激烈的竞争，但它在AI芯片大战中占据了自己的位置，现在看来已准备就绪进一步增长和采用。
在接下来的几年中，NVIDIA仍将是为各种AI工作负载优化的芯片组的供应商，从培训到推理，并支持云数据中心，企业服务器和边缘部署中的部署。几个主要趋势将推动NVIDIA在AI硬件加速器中继续占据主导地位。
首先，云将仍然是AI的重心。根据麦肯锡最近的预测，到2025年，支持数据中心和基于服务器的AI工作负载的硬件加速器解决方案将构成大部分机遇。尽管推理应用程序将稳步增长，并且其中更多的工作负载将向移动，嵌入式和其他边缘设备转移，但模型训练仍将是云中AI的主要工作负载。
NVIDIA的GPU已经成为基于云的培训的主要平台，并且在未来10年内，似乎没有其他硬件加速技术可以取代GPU。尽管如此，基于边缘的推理将成为未来AI机会的主要增长部分。麦肯锡预测，到2025年，仅数据中心中的AI推理硬件机会将是AI培训硬件的机会的2倍($ 9B-10B，$ 4B-5B)，并且在边缘设备部署中将是3倍同年，推理和培训的费用要大一些。
NVIDIA支持的第二个趋势是GPU的云优势将使该技术在边缘应用程序中具有持久的作用。对于基于云的AI工作负载，GPU仍然是迄今为止采用最广泛的硬件技术。Liftr Cloud Insights估计，2019年5月排名前四的云通过专用加速器在其基础架构即服务计算实例类型的97.4%中部署了NVIDIA GPU。在本世纪中叶，AMD和英特尔的竞争对手GPU解决方案不太可能对NVIDIA的市场份额产生重大影响。
NVIDIA(英伟达)正在利用这种云优势，将其带入新的边缘机会，最近宣布的备受瞩目的合作伙伴关系证明了这一点，该合作伙伴关系可在针对特定行业，混合和虚拟化部署的云到边缘计算环境中为AI工作负载运行GPU服务器。即使竞争对手的硬件AI芯片组技术(例如CPU，FPGA和神经网络处理单元)抢占了边缘设备的份额，由于它们在云到边缘应用程序环境中的关键作用，GPU仍将留在游戏中自动驾驶汽车和工业供应链。
最后但并非最不重要的一点是，NVIDIA令人印象深刻的行业标准AI硬件加速基准测试将使其具有全面的竞争优势。最值得注意的是，最近发布的MLPerf AI行业基准测试表明NVIDIA的技术在训练和推理性能方面均创下新纪录。MLPerf已成为AI培训的事实上的标准基准，并且借助新的MLPerf Inference 0.5基准，可以实现从云到边缘的推理。