За последние десять лет жизнь изрядно потрепала архитектуру MIPS. Десять лет назад она начала резко терять популярность на волне интереса к архитектуре ARM и в 2012 году была приобретена компанией Imagination Technologies. Но и с Imagination не сложилось. В 2017 году компания Apple заявила об отказе от графических ядер PowerVR и, тем самым, обанкротила Imagination и пустила по миру разработки MIPS. В 2018 году патенты MIPS и наборы команд купила молодая компания Wave Computing, которая специализировалась не на процессорах, а на ускорителях ИИ. Наконец, в конце 2018-го компания Wave Computing объявляет о планах сделать архитектуру MIPS свободной от лицензирования и уже в марте этого года выпускает первый бесплатный релиз MIPS R6. Но и о себе Wave не забыла. На днях компания выпустила лицензированный продукт TritonAI, который поможет сделать процессоры на архитектуре MIPS умными и обучаемыми.

Поскольку архитектура MIPS в основном ориентирована на периферийные платформы, что не исключает её масштабирование до уровня ЦОД, пакет TritonAI ориентирован в первую очередь на периферийные (пограничные) обучаемые системы и системы с функцией принятия решений. Сама архитектура MIPS при этом остаётся свободной от лицензирования в пределах представленных релизов, хотя определённые ядра компания Wave Computing будет также распространять на условиях лицензии.

Благодаря фирменной технологии WaveFlow платформа TritonAI будет поддерживать произвольные ИИ-алгоритмы, что делает её весьма гибким решением. В общем случае разработчик обещает поддержку ускорения вычислений как целочисленных данных 8/16/32/int, так и bfloat16, а также 32 FP. По умолчанию TritonAI поддерживает ускорение работы ИИ фрейморка Google TensorFlow в ОС Linux. Возможно портирование других фреймворков, например, Caffe2. Для 8-битных целочисленных операций производительность достигает одного PetaTOP на одном ядре в комбинациях матриц 4 × 4 или 8 × 8 для запуска ускорения работы алгоритмов популярных свёрточных нейронных сетей (Convolutional Neural Network, CNN). В рамках 7-нм техпроцесса исполнение CNN на платформе TritonAI может масштабироваться до 8 TOPS/Вт и обеспечить свыше 10 TOPS/мм² на типичном техпроцессе с обычным вольтажом.

Что касается изменения масштабов платформы, то она допускает работу на массиве от 1 до 6 ядер MIPS с аппаратной поддержкой до 4 автономных вычислительных потоков на каждое ядро. Это масштаб изменения от пограничного устройства, например, из разряда вещей с подключением к Интернету до ускорителей в центрах по обработке данных. Архитектура ядер бесплатна, ИИ за деньги. Это формула успеха? Посмотрим.

Компания SAS объявила о заключении соглашения о сотрудничестве с NVIDIA, предусматривающего развитие технологий искусственного интеллекта (ИИ).

В частности, стороны займутся совместными разработками в сфере машинного обучения, компьютерного зрения и обработки естественного языка.

«Графические процессоры и библиотеки CUDA-X AI от NVIDIA усилят решения на основе искусственного интеллекта от SAS, что позволит повысить скорость обработки данных и сделать их анализ ещё более точным», — отмечается в сообщении партнёров.

В настоящее время системы искусственного интеллекта являются одним из наиболее перспективных направлений развития рынка информационных технологий. Такие платформы востребованы в самых разных сферах — в здравоохранении и фармацевтике, в промышленности, финансах и пр.

Компании, работающие в указанных областях, благодаря сотрудничеству SAS и NVIDIA получат ряд новых преимуществ. Например, медицинские специалисты смогут использовать технологию распознавания объектов, чтобы отличить доброкачественные опухоли от злокачественных. Промышленным предприятиям компьютерное зрение поможет увидеть скрытый брак прямо на конвейере, а финансовые организации сэкономят миллиарды долларов благодаря своевременному обнаружению мошеннических операций.

Новые технологии позволят решать задачи по классификации и распознаванию изображений, обнаружению объектов, перевода речи в текст, определению эмоций и др. Всё это будет способствовать развитию рынка Интернета вещей. 

Компания International Data Corporation (IDC) обнародовала прогноз по мировому рынку платформ искусственного интеллекта (ИИ) на текущий и последующие годы.

В прошлом году, по оценкам, затраты на ИИ-системы в глобальном масштабе составили приблизительно $24,9 млрд. В текущем году, как ожидается, отрасль вырастет практически в полтора раза — на 44 %. В результате, объём мирового рынка достигнет $35,8 млрд.

В период до 2022 года показатель CAGR (среднегодовой темп роста в сложных процентах) составит примерно 38 %. Таким образом, в 2022-м объём отрасли достигнет $79,2 млрд, то есть увеличится по сравнению с текущим годом более чем в два раза.

Если рассматривать рынок систем искусственного интеллекта по секторам, то крупнейшим сегментом в нынешнем году окажется ретейл — $5,9 млрд. На втором месте расположится банковский сектор с затратами в размере $5,6 млрд.

Отмечается, что на программное обеспечение в области ИИ в текущем году придётся $13,5 млрд. Затраты в области аппаратных решений, прежде всего серверов, составят $12,7 млрд. Кроме того, компании по всему миру продолжат инвестировать в сопутствующие сервисы.

Добавим, что ИИ сегодня является одним из наиболее перспективных направлений рынка информационных технологий. Соответствующие решения приведут к появлению качественно новых сервисов, самоуправляемого транспорта, «умных» аналитических платформ и пр. 

В 2019 году на корпоративном рынке ожидается бурное развитие инновационных проектов и сервисов, использующих технологии машинного обучения и системы искусственного интеллекта (ИИ) на базе нейронных сетей. С таким прогнозом выступила японская компания Fujitsu.

По мнению Fujitsu, в перспективе искусственный интеллект будет лежать в основе всего. «Может сложиться мнение, что ИИ представляет собой изолированную технологию, которая не имеет ничего общего с реальностью. Но это не так. Блокчейн (Blockchain), Интернет вещей, анализ «больших данных», роботизированная автоматизация процессов — все эти технологии будут основываться на искусственном интеллекте. Я считаю, что скорость внедрения ИИ будет достаточно высокой, как и в случае со всеми другими предыдущими технологиями. В результате, все вещи вокруг нас будут интеллектуальными, «умными» и объединёнными в сеть. При совместном использовании с технологией роботизированной автоматизации процессов искусственный интеллект сможет значительно повысить эффективность работы предприятий за счёт автоматизации, высокой скорости, высокого качества услуг и более низкой стоимости», — уверен Марк Филипс (Mark Phillips), руководитель отдела гибридных IT-сервисов компании Fujitsu в регионе EMEIA.

Помимо Fujitsu, в настоящий момент в области искусственного интеллекта активно работают и ведут исследования Google, Facebook, «Яндекс», Baidu, ABBYY, Cognitive Technologies и другие компании. Свои разработки в сфере нейронных сетей и искусственного интеллекта ведут и такие именитые корпорации, как Intel, AMD, NVIDIA, ARM и IBM вместе со своим суперкомпьютером Watson. Сфера применения нейронных сетей весьма разнообразна — это распознавание текста и понимание человеческой речи, семантический поиск, компьютерное зрение, аналитика «больших данных», робототехника, экспертные системы, лингвистика и многое-многое другое.

По прогнозам экспертов, к 2025 году объём мирового рынка программного обеспечения, использующего алгоритмы искусственного интеллекта, вырастет в 28 раз и достигнет 90 млрд долларов США. В перспективе десяти лет ИИ-технологии повлияют практически на каждый бизнес, при этом основными драйверами рынка станут реклама, розничная торговля, финансы и здравоохранение. Наиболее динамичный рост упомянутого рынка ожидается в Северной Америке, поскольку этот регион является центром развития инновационных технологий, производственных процессов, инфраструктуры, располагаемого дохода и т.д. Что касается России, то в нашей стране первоочередными сферами применения ИИ станут транспорт и финансовая сфера, промышленность и телекоммуникации. В более отдалённой перспективе будут затронуты практически все отрасли, включая государственное управление и систему международного обмена товарами и услугами.

Материалы по теме:

• 12 полезных AI-сервисов, на которые стоит обратить внимание;
• ИИ-система Beeline Artificial Intelligence стала доступна корпоративным заказчикам;
• Fujitsu строит самый мощный в Японии суперкомпьютер.

Источник:

• fujitsu.com

Относительно небольшой игрок на рынке программируемых матриц FPGA американская компания Achronix сообщила о планах представить первые в индустрии матрицы ПЛИС с поддержкой памяти GDDR6. Поскольку сегодня единственным производителем GDDR6 в коммерческих объёмах является компания Micron, то выбор стратегического партнёра для Achronix был очевиден. Компании выпустили совместный пресс-релиз, в котором объявили о создании доступной по цене альтернативы матрицам ПЛИС с поддержкой памяти HBM.

Матрицы ПЛИС с поддержкой памяти HBM и HBM2 уже выпускают лидеры отрасли компании Altera (Intel) и Xilinx. Интересно, что актуальные матрицы Achronix Speedster22i тоже выпускает компания Intel (с использованием техпроцесса 22 нм). Но уже матрицы Achronix следующего поколения будут выпускаться на линиях компании TSMC с использованием 7-нм техпроцесса, что добавит немного негатива как контрактному производству Intel, так и конкурирующим ПЛИС-разработкам Altera.

Будущие 7-нм матрицы Achronix в зависимости от решаемых задач будут поддерживать от 1 до 8 чипов памяти GDDR6. Тем самым адресуемый объём памяти для каждой из этих матриц составит от 8 Гбит (1 Гбайт) до 128 Гбит (16 Гбайт). С учётом пропускной способности актуальных серийных образцов памяти GDDR6 компании Micron на уровне 16 Гбит/с, совокупная скорость интерфейса памяти у новых матриц Achronix будет достигать 4 Тбит/с. Это всего лишь вполовину меньше, чем в случае работы интерфейса HBM2 в наборе из четырёх 8-Гбайт стеков (чипов).

Тем самым Achronix намерена представить доступную по цене альтернативу памяти HBM в платформах для задач с машинным обучением, искусственным интеллектом, для обработки больших данных и многого другого, включая оснащение бортовых систем автомобилей с автопилотами производительными и менее дорогими решениями. К тому же, матрицы ПЛИС с памятью HBM сами по себе дороже в производстве, поскольку требуют установки на общий мост-подложку с памятью. В такой ситуации предложение Achronix способно найти горячую поддержку среди производителей «когнитивного» оборудования разного уровня сложности. Правда, Achronix не раскрывает, когда её новая продукция будет доступна для заказа.

Как сообщает телеканал CNBC со ссылкой на анонимные источники, американский разработчик ПЛИС, компания Xilinx находится в состоянии переговоров о поглощении Mellanox.

Компания Mellanox является производителем сетевого оборудования, включая коммутаторы и адаптеры InfiniBand и Ethernet, и представляется лакомой добычей не только для Xilinx, но также для других тяжеловесов из мира процессоров и ускорителей расчётов. Например, если верить слухам, о покупке Mellanox задумались также компании Intel и Broadcom. Её бы даже скорее купила компания Huawei, но кто же позволит?

Для содействия в переговорах о поглощении Mellanox компания Xilinx якобы наняла команду специалистов из банка Barclays. Впрочем, переговоры могут ничем не закончиться. Стороны пока не пришли к какому-либо согласию. Если сделка всё же будет заключена, то сообщат о ней не раньше декабря. Отметим, капитализация Mellanox сегодня составляет около $5 млрд, так что покупка $22-млрд Xilinx обойдётся в сумму не меньше $6–7 млрд.

Отчасти предполагаемую сделку можно объяснить процессами консолидации на рынке полупроводников. Степень интеграции продуктов растёт, и разработчики вынуждены включать в состав многочиповых (многокристальных) решений элементы партнёров и даже конкурентов (вспомним процессор Intel с GPU AMD и памятью HBM). Безусловно, лучше до такого не доводить, и поглощение партнёра или конкурента представляется взвешенным подходом.

Но в целом, как нам представляется, интерес Xilinx к компании Mellanox и её разработкам и продукции объясняется сменой парадигмы для ПЛИС-ориентированных проектов. От темы ускорения отдельных задач и приложений матрицы FPGA переходят к «дата-центрическим» решениям. Они по-прежнему не готовы решать задачи общего назначения (во всяком случае, с одинаковой с x86-процессорами эффективностью). Но новые сферы — это ИИ и машинное обучение — ПЛИС-ориентированные платформы щёлкают как орешки и делают это намного лучше, чем классические вычислительные платформы. На этом поле союз Xilinx и Mellanox сможет сделать очень много полезного.

Стартап Дэйва Дитцеля (Dave Ditzel), компания Esperanto Technologies завершила второй раунд сбора инвестиций. Неназванные инвесторы и потенциальные стратегические партнёры Esperanto Technologies вложили в компанию дополнительно $58 млн, увеличив объём инвестиций в неё до $63 млн. Это впечатляющие средства для проекта, о котором пока известно очень мало. Дэйв Дитцель не отрицает, что его новая компания в основном всё ещё находится в режиме «стэлс». Но инвесторы и партнёры в курсе планов Esperanto, поскольку для всех них проводились закрытые презентации.

Дэйв Дитцель на конференции RISC-V Workshop 2017

Авторитет Дитцеля и принадлежащий ему на пару с Дэвидом Паттерсоном (David Patterson) портфель ключевых патентов на архитектуру RISC заставляют верить в успех нового мероприятия. Предыдущий проект Дитцеля — компания Transmeta и разработка центрального процессора с трансляцией x86-совместимых команд — потерпел неудачу. Но сегодня совершенно другая ситуация, и будущий процессор или ускоритель Esperanto Technologies вовсе не обязан и не будет подстраиваться под x86-совместимый код, а значит, Дитцель и его команда могут создать решение, которое окажется ко двору и к месту.

Условное изображение RISC-V процессора компании Esperanto (PC Watch)

Напомним, команда Дитцеля, состоящая из сотни с лишним отборных специалистов (куда всё ещё уходят профи из лучших мировых проектов), создаёт ускоритель для искусственного интеллекта и машинного обучения на основе открытого набора команд архитектуры RISC-V. Также решение будет соответствовать требованиям открытой вычислительной платформы (Open Compute Platform, OCP), поддерживать фреймворк Pytorch ML, компилятор Glow ML и Open Neural Network Exchange (ONNX). Первый чип Esperanto должен быть выпущен с использованием 7-нм техпроцесса с более чем тысячью ядер на борту. Только что завершённый успешный сбор второго раунда инвестиций обещает, что чип Esperanto будет выпущен в утверждённые сроки или даже раньше.

Кстати, один из инвесторов Esperanto раскрыл себя ещё в прошлом году. Это компания Western Digital. С помощью разработок Esperanto Technologies производитель жёстких дисков и SSD намерен интегрировать структуры по первичной обработке данных в контроллеры для накопителей. Это породит совершенно новую парадигму в сфере хранения данных, что, впрочем, ложится в общую тенденцию распределённых вычислений.

NVIDIA анонсировала платформу Rapids, при помощи которой крупные компании могут анализировать огромные массивы данных и делать точные прогнозы для бизнеса, используя возможности графических ускорителей.

Rapids включает набор библиотек с открытым исходным кодом для аналитики и машинного обучения, а позже к ним должны добавиться средства визуализации данных.

В NVIDIA сообщили, что первые испытания Rapids с использованием алгоритма машинного обучения XGBoost на системе Nvidia DGX-2 показали 50-кратное ускорение по сравнению с системами только для CPU. Это позволяет сократить время обучения с нескольких дней до нескольких часов и с нескольких часов до нескольких минут в зависимости от объёма набора данных.

«Взяв за основу CUDA с ее глобальной экосистемой, мы создали платформу GPU-ускорения Rapids в тесном сотрудничестве с разработчиками открытого ПО. Она легко интегрируется в самые распространенные библиотеки обработки данных и существующие процессы для ускорения машинного обучения. Мы разгоняем машинное обучение так же, как мы разгоняли глубокое обучение», — заявил глава NVIDIA Дженсен Хуанг (Jensen Huang).

Отмечается, что новая платформа обеспечивает прирост производительности в таких задачах, как предсказание мошенничества в операциях с кредитными картами, прогноз запаса товаров на складе и прогнозирование покупательского поведения потребителей.

Концерн «Созвездие», входящий в холдинг «Росэлектроника» госкорпорации «Ростех», сообщил об открытии центра развития технологий искусственного интеллекта (ИИ).

Площадка развёрнута на базе Воронежского государственного университета и входит в состав факультета компьютерных наук, математического факультета и факультета прикладной математики, информатики и механики. Сотрудники центра, а также студенты и выпускники вуза будут заниматься исследованиями в сфере новых технологий обработки информации, анализом больших данных и разработкой для российской гражданской и военной промышленности проектов, использующих технологии машинного обучения и системы искусственного интеллекта на базе нейронных сетей.

«Технологии ИИ уже скоро станут основой «умных» городов, развитых цифровых систем, «интеллектуальной» электроники и робототехники будущего. Собственные разработки в этой сфере имеет ограниченное число стран. Наша промышленность — в тренде и входит в числе лидеров по данному направлению. Хорошие результаты даёт в том числе сотрудничество холдингов «Ростеха» с крупнейшими российскими вузами. Наша цель — привлечь магистрантов к решению реальных производственных задач и подготовить талантливых специалистов для работы на наших предприятиях», — подчеркнул генеральный директор концерна «Созвездие» Алексей Бочаров.

По прогнозам экспертов, к 2025 году объём мирового рынка программного обеспечения, использующего алгоритмы искусственного интеллекта, вырастет в 28 раз и достигнет 90 млрд долларов США. В перспективе десяти лет ИИ-технологии повлияют практически на каждый бизнес, при этом основными драйверами рынка станут реклама, розничная торговля, финансы и здравоохранение. Наиболее динамичный рост упомянутого рынка ожидается в Северной Америке, поскольку этот регион является центром развития инновационных технологий, производственных процессов, инфраструктуры, располагаемого дохода и т.д. Что касается России, то в нашей стране первоочередными сферами применения ИИ станут транспорт и финансовая сфера, промышленность и телекоммуникации. В более отдалённой перспективе будут затронуты практически все отрасли, включая государственное управление и систему международного обмена товарами и услугами.

Материалы по теме:

• К 2020 году рынок ИИ-решений вырастет до $5 млрд;
• Рынку ИИ-софта предсказали 28-кратный рост;
• Сбербанк развернул масштабную нейронную сеть;
• Крупным планом: система «умной» аналитики корпоративных коммуникаций Yva.

Источник:

• rostec.ru

На мероприятии в Китае компания Huawei представила ИИ-процессоры собственной разработки. Ранее Huawei отметилась специализированными ускорителями ИИ и машинного обучения Kirin 980, которые, в частности, нашли применение в смартфоне Mate 20. Теперь же компания представила как решения для ЦОД — чип Ascend 910, так и решение для конечных (мобильных) устройств — Ascend 310. Тем самым вырисовывается целая экосистема, которую Huawei будет развивать самостоятельно и предложит независимым разработчикам.

В производительном сегменте компания будет продвигать процессоры Ascend 910. Это решения для ЦОД (и облаков). В настоящий момент, как заявляют в Huawei, чип Ascend 910 является самым производительным ИИ-процессором в мире. Так, пиковая производительность Ascend 910 в задачах машинного обучения достигает 256 терафлопс для вычислений с двойной точностью. Одно из самых мощный на данный момент актуальных решений в виде ускорителя на базе GPU NVIDUA V100 в аналогичных сценариях обеспечивает лишь 125 терафлопс при сравнительном потреблении. Отметим, чип Huawei 910 производится с использованием 7-нм техпроцесса и потребляет в пике до 350 Вт. Массовое производство новинок намечено на второй квартал будущего года.

Добавим, будущий ускоритель тензорных вычислений Google TPU 3.0 также оказался посрамлён в сценариях использования Huawei 910. Ещё не вышедший на оперативный простор Google TPU 3.0 выдаёт всего 90 терафлопс — едва ли не в три раза меньше, чем Ascend 910.

Для мобильных и малопотребляющих устройств Huawei представила ИИ-чип Ascend 310. При потреблении 8 Вт решение выдаёт 8 терафлопс при вычислениях с половинной точностью. На базе Ascend 310 будет выпускаться широкий спектр устройств от мини-серверов с потреблением до 100 Вт до ИИ-помощников в наушниках с потреблением от 1 мВт. Компания Google для конечных устройств готовит своё решение в виде чипа Edge TPU. Сравнить производительность решений Huawei и Google пока не представляется возможным.

Чипы Huawei Ascend 310 выпускаются с использованием техпроцесса 12 нм FFC. Это уникальная разработка Huawei, которая не потребует лицензирования для сторонних разработчиков. Блоки ИИ на базе Ascend 310 обещают массово появиться в смартфонах, умной электронике и в самоуправляемых автомобилях.