加速算力的迭代优化 AI芯片需破解落地难题

而芯片的使用和对算法的支持离不开软件工具。目前有一些人工智能芯片仍然缺乏可用的软件开发工具，或者软件编译工具设计复杂，用户的开发和使用门槛过高，这些都需要在落地过程中不断完善和迭代。诚如牛昕宇所说，如果不能解决这个问题，AI芯片的大规模商业落地也会遇到阻碍。

至于AI芯片评测标准的制定进展，牛昕宇坦言，“目前这类标准还处于项目推广的早期，各家采用的测试网络和测试标准还缺乏统一性，可能对客户的选型造成一定困难。”

从2019年起，国内外针对AI芯片的测评方案陆续出炉，比如由百度、谷歌、斯坦福大学、哈佛大学等联合发布的用于测量和提高机器学习软硬件性能的MLPerf国际基准、由中国人工智能产业发展联盟和国内人工智能企业合作推出的AIIA DNN benchmark项目。牛昕宇带领下的鲲云科技也在持续积极推进人工智能芯片评测的标准化。“我们同中国信通院和联盟密切合作，推动AIIA DNN benchmark项目的标准迭代，参与国家标准的制定”。

相关阅读：

依靠大数据提高治理效能  

电信大数据如何发挥作用？——工信部有关负责人详解大数据助力疫情防控  

（编辑：应用网_扬州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!