1987WEB视界-分享互联网热门产品和行业

您现在的位置是:首页 > 人工智能AI > 正文

人工智能AI

谷歌自研芯片Tensor正式亮相:5nm,8核CPU,支持手机运行AI模型

1987web2023-08-16人工智能AI167
原标题:谷歌自研芯片Tensor正式亮相:5nm,8核CPU,支持手机运行AI模型

原标题:谷歌自研芯片Tensor正式亮相:5nm,8核CPU,支持手机运行AI模型

整理 | 李冬梅

北京时间 10 月 20 日凌晨,Google 2021 年秋季硬件发布会如期而至。此次的发布会上并没有向往年一样发布多款硬件产品,而是主推搭载了其首款自研芯片 Tensor 的旗舰手机 Pixel 6 系列,此外,谷歌历时四年研制的芯片 Tensor 的一些细节也正式对外公布。

谷歌官宣首款自研 Tensor 芯片

发布会上的两款硬件 Pixel 6 和 6 Pro 内部都配备了 Google Tensor 处理器,就像苹果的 A 系列芯片一样,它试图将谷歌的软件与一些定制的硬件结合起来。该芯片由谷歌研究院设计,被谷歌誉为机器学习里程碑。早在今年夏天,谷歌首次谈到了 Tensor,它为谷歌的定制硬件提供人工智能支持。

据悉,Tensor 芯片采用 5nm,CPU 为八核设计,分为大中小三核——两个以 2.8GHz 运行的 ARM Cortex-X1 内核、两个以 2.25GHz 运行的 Cortex A76 内核,以及四个 1.8GHz A55 内核。GPU 为 20 核设计。

不过,我们从这些早期泄露的信息中知道的是,Tensor 由两个 Arm Cortex-X1 芯片驱动,这是 Arm 面向性能的旗舰移动设计。相比之下,为三星 Galaxy S21 和许多其他高端手机提供动力的高通旗舰骁龙 888 芯片只有一个 X1 内核。

此外,谷歌表示 Tensor 还为 Pixel 6 提供了额外的安全层。它将与手机中的 Titan M2 芯片配合使用,以防止恶意软件和其他潜在攻击。这对谷歌来说是一个很好的进步,我们希望在其他 Android 手机中看到更多的安全硬件。据谷歌称,总体而言,Tensor 芯片的性能将比 Pixel 5 快 80% 左右。

苹果在前打样,谷歌加紧追赶

在谷歌攻坚手机市场的那些年里,它分别收购了 HTC 和 Fitbit,虽然它将计算理念推向了新的高度,但却几乎完全没有获得有意义的智能手机市场份额。此外,想起命运多舛(但极具创造力)的 Moto X,也不禁让人唏嘘。尽管 Pixel 具有影响力,但顶级 Pixel 并没有大卖——而较便宜的低端机的表现也只是好一点。

此前的多番尝试都没有掀起大的水花,那么谷歌为何下决心要推出自研芯片呢?因为对手已经跑很远了,再不行动就真的追赶不上了。作为谷歌的竞争对手之一,苹果早已在其 iPhone 上使用 A 系列自研芯片,目前已迭代到了 A14。而且,苹果从去年开始在 Mac 上使用 M1 自研电脑芯片,并计划在明年底完成过渡。谷歌感受到了危机。今年夏天,谷歌硬件业务负责人 Rick Osterloh 在接受采访时称,谷歌要利用这颗自研的芯片彻底改变智能手机,为未来 AR 和 AI 等新技术的应用打下重要基础。

Osterloh 确信,AR 将在未来的计算中发挥重要作用,尽管他并不十分清楚这会在何时、以怎样的方式发生。谷歌之所以推出自研芯片,一定程度上是因为 AR 和 AI 等前瞻性技术依旧对手持设备构成重大计算挑战,因此谷歌进行了大胆尝试,利用 Tensor 芯片来进行补救。

Tensor 似乎在新的移动芯片中提供了我们想要的一切:快速的速度和大量具有前瞻性的 AI 功能。如果谷歌真的成功了,也许 Tensor 可以应用到其他公司的设备上。Osterloh 称,这款芯片十分强大,它甚至能够在智能机上运行 Google AI 模型。放在以前,手机要运行 Google AI 模型还得连接到数据中心才行。

现在,有了 Pixel 6 和 6 Pro,Osterloh 希望通过 Tensor,谷歌能在智能手市场上与苹果和三星并驾齐驱。

参考链接:

阿里云正式开源PolarDB-X数据库,曾历经各届双11考验,现已登陆 GitHub 程序员发起公司作息表火到被举报,涵盖1300+公司;腾讯2022校招薪资首发,白菜总包接近40万 | Q资讯 GitLab终于上市!抢跑 GitHub,程序员出身的激进CEO成亿万富翁 二十年老程序员的二十条心得:面试几乎没用,警惕很久没写过代码的大牛

活动推荐

汇集全网最深度技术内容,聚齐各领域最优秀创作者

InfoQ 引航计划正式启动,下一个引导技术领域共建发展的 Pioneer 就是你!

扫描下方二维码获取更多活动信息!

点个在看少个 bug?

1. 项目定义与目标设定:

• 确定模型的应用场景、需求和目标,明确模型需要解决的问题和预期结果。

• 对项目进行可行性评估,包括技术、资源、时间和预算等方面的考虑。

• 制定项目计划和时间表,为团队成员明确任务和责任。

2. 数据收集与预处理:

• 从各种来源收集大量的原始数据,包括文本、图像、音频和视频等。

• 对数据进行预处理,包括数据清洗、格式转换、缺失值处理和数据增强等,以提高数据质量和可用性。

• 对数据进行标注和分割,为模型训练和验证做好准备。

3. 模型设计与搭建:

• 根据项目需求,选择合适的算法和框架,如神经网络、决策树、支持向量机等。

• 设计模型结构,包括层数、节点数、激活函数和损失函数等。

• 利用深度学习框架(如TensorFlow、PyTorch等)搭建模型,实现模型的前向和反向传播。

谋眼观市:一个AI大模型的构建步骤与设计的底层技术有哪些?