当前位置:首页 > 报告详情

知合计算 苏中-开源大模型创新背后的 RISC-V 算力架构革新.pdf

上传人: 探** 编号:711797 2025-06-04 18页 3.04MB

1、开源大模型创新背后的开源大模型创新背后的RISC-V 算力架构革新算力架构革新演讲人:苏中人工智能发展:从符号主义到链接主义人工智能发展:从符号主义到链接主义亚里士多德 Aristotl(古希腊 公元前384公元前322年)All men are mortal.Socrates is a man.Therefore,Socrates is mortal所有人都会死。所有人都会死。苏格拉底是人。苏格拉底是人。因此,苏格拉底会死。因此,苏格拉底会死。亚里士多德Prior Analytics拉丁文版约1290年,佛罗伦萨劳伦齐亚纳医学院图书馆https:/en.wikipedia.org/wiki/

2、Aristotle符号主义的鼻祖:亚里士多德与他的三段论符号主义的鼻祖:亚里士多德与他的三段论符号主义的发展符号主义的发展Logic Theorist:第一个人工智能程序(第一个特别设计用于模仿人类解决问题能力的程序)由赫伯特 西蒙(Herbert Simon),艾伦 纽厄尔(Allen Newell)和约翰 肖(John Shaw)于1955年至1956年创建,在数学定理证明方面取得突破。https:/en.wikipedia.org/wiki/History_of_artificial_intelligencehttps:/ Theorist,专家系统的成功到日本第五代计算机计划,专家系统

3、的成功到日本第五代计算机计划链接主义的起步,来自于人类对于脑的认识链接主义的起步,来自于人类对于脑的认识桑地亚哥 拉蒙 伊 卡哈尔(1852-1934、西班牙)Ramn y Cajal in 18991906年诺贝尔生理学/医学奖https:/en.wikipedia.org/wiki/Santiago_Ram%C3%B3n_y_Cajal1899年绘制的鸽子小脑普金耶细胞(A)和颗粒细胞(B)图comparative study of the sensory areas of the human cortex,1900智能的来源:结构与规模智能的来源:结构与规模人工智能的评测标准:图灵实验人

4、工智能的评测标准:图灵实验艾伦 图灵 Alan Mathison Turing(英国 19121954)https:/en.wikipedia.org/wiki/Alan_Turinghttps:/en.wikipedia.org/wiki/Bombe#/media/File:Wartime_picture_of_a_Bletchley_Park_Bombe.jpg图灵发明的“炸弹”,它是一种机电计算装置,二战期间成功破译了德国恩尼格玛机加密的信息人工神经元网络:从感知机到深度学习人工神经元网络:从感知机到深度学习https:/viso.ai/deep-learning/alexnet/htt

5、ps:/awards.acm.org/about/2018-turing人类视觉皮层的纵向切面(横放)桑地亚哥 拉蒙 伊 卡哈尔,1900深度学习技术的引爆点:图像识别的AlexNet 架构。它由 8 层组成:5 个卷积层和 3 个全连接层Geoffrey HintonYann LeCun人工智能的发展:规模与结构人工智能的发展:规模与结构AlexNet:AI算力架构从算力架构从CPU转向转向GPU的起点的起点AlexNet=6000万个参数+65万个神经元+卷积神经网络的高性能C+/CUDA实现+2*GTX580 GPU缓存电路控制电路计算电路计算电路计算电路计算电路CPUGPU计算密度相对

6、低复杂的控制电路,应对复杂的运算庞大的缓存电路,缓存数据计算密度高能做的运算的计算复杂度低内存访问的带宽高该模型由Alex Krizhevsky与多伦多大学的Ilya Sutskever和博士顾问Geoffrey Hinton于2012年合作开发University of Toronto人工智能的发展:从感知到认知人工智能的发展:从感知到认知196019601970197020032003201020102013201320172017201820182019201920202020202220222023202320252025阶段一(1960-至今)基于语法与规则(符号主义)阶段二(197

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要内容概述如下: 1. 人工智能发展历程:从符号主义(如亚里士多德的三段论)到链接主义(如神经网络),再到当前的大模型如GPT-3和BERT。 2. 算力架构演变:介绍了从CPU到GPU的转变,以AlexNet为例,指出了算力需求的大幅增长。 3. RISC-V的兴起:文章强调RISC-V作为开源精简指令集架构,具有可扩展性和自主可控的特点,适合AI时代的高性能计算需求。 4. RISC-V的优势:对比X86和ARM架构,RISC-V具有更少的指令(47条基础指令)、高能效比和低功耗。 5. AI算力需求:提出了Matrix Extension的概念,指出其算力可灵活配置,优于传统的Vector Extension。 核心数据引用: - AlexNet包含6000万个参数、65万个神经元。 - RISC-V架构的SPECint2006评分每两年提升2/GHz。 关键点分条列出: - 人工智能发展从符号主义到链接主义,再到多模态AI。 - 算力架构由CPU转向GPU,RISC-V成为AI时代的新选择。 - RISC-V具有开源、可扩展、低功耗的特点。 - Matrix Extension提供更灵活的算力配置,优于Vector Extension。
"RISC-V如何重塑AI算力?" "开源硬件的无限潜力在哪儿?" "AI时代的最佳CPU架构是啥?"
客服
商务合作
小程序
服务号
折叠