人工智能，深度学习和IC有什么结合么？

隔壁csarch

主要是算法层面，和IC有什么具体关系？

加速器。但是现在主流是GPU加速，非主流是FPGA加速，还没什么人做IC加速

nvda市值都快超过高通了，还在这儿问dl和ic的关系

见识浅薄，深度学习人工智能这俩词含义闹得都不太明白。

NV的CPU是AI的基础，速度快，和IC。。。google的TPU？

现在就是西部淘金热挖金矿的年代，nvda就是专买铁锹铲子的

赞美

赞美

欢迎光临CSARCH版讨论人工智能、深度学习与新型计算架构对IC的挑战

深度学习就是层次化的神经网络算法。
冯诺依曼计算机只有一根串行的总线，用这种硬件运行全局并行的神经网络算法，
执行效率很低。
GPU或者TPU并行度大大提高了，但总归仍然是冯氏机，数据通量仍然有限，而且能
量效率也相对低。
最终出路是找到非冯非cmos的新计算范式。
这方面老美已经全面布局了，未来计算的重头戏首先是类脑计算，类脑计算的关键
在类脑芯片。
去看看SIA今年三月发的《半导体研发机遇：产业愿景与指南》吧，这份白皮书可以
诠释美国以往各个决策层面发布的各种未来计算计划。

DSP和一些CPU都是哈弗架构，跟不用说GPU了。神经网络的结构非常规整，考虑到NV更有钱，更有经验，也就导致ASIC很难形成对GPU的优势。

哈弗架构也是冯氏架构的变体。以前是总拿哈弗架构和普林斯顿架构（冯氏架构）相提
并论，其实只是指令有了专门的总线。处理与存储分离，数据总线单字并行，这些两者
本质上都是一码事。

所有的半导体电路在本质上也是一样的。但是想不出像TPU这种ASIC怎么能和诺依曼计算机画等号。