當前位置:首頁 > 算力
  • 面對AI核心難題,華為應該如何應對

    面對AI核心難題,華為應該如何應對

    算力為大數據的發展提供堅實的基礎保障,大數據的爆發式增長,給現有算力提出了巨大挑戰。互聯網時代的大數據高速積累,全球數據總量幾何式增長,現有的計算能力已經不能滿足需求。據IDC報告,全球信息數據90% 產生于最近幾年。并且到2020年,40% 左右的信息會被云計算服務商收存,其中1/3 的數據具有價值。 近日OpenAI近期發布的研究顯示,僅2012年以來,人們對于算力的需求增長六年就超過30萬倍,平均每年增長10倍,遠遠超過了摩爾定律的發展速度。 作為AI的后入局者,面對AI算力需求的爆發式增長,華為大膽地提出要為業界提供“易獲取、用得起、方便用”的算力。如今,距離AI戰略提出一年,華為是否已經找到算力破局的入口? 人工智能:第四次工業革命代表技術 17世紀后期,英國采礦業特別是煤礦已發展到相當的規模,單靠人力、畜力已難以滿足排除礦井地下水的要求,而現場又有豐富而廉價的煤作為燃料。現實的需要促使人們致力于“以火力提水”的探索。1769年英國人詹姆斯·瓦特制造了蒸汽機,引起了18世紀的第一次工業革命。 100年后,美國人發明和實現了電力的廣泛使用,引領了19世紀的第二次工業革命。 1946年,世界第一臺二進制計算機的發明,人類在20世紀進入了第三次工業革命,信息技術的發展尤其是移動互聯網的普及極大地改變了人類的生活。 進入21世紀,人類正在迎來以智能技術為代表的第四次工業革命,人工智能、物聯網、5G以及生物工程等新技術融入到人類社會方方面面;驅動全球宏觀趨勢的變化,如社會可持續發展,經濟增長的新動能,智慧城市、產業數字化轉型、消費體驗等。 人工智能是一系列新的通用目的技術(GPT),包括自然語言處理、圖片識別、視頻分析等。人工智能是信息化進程的新高度,信息技術帶來了效率的提升,人工智能則帶來生產成本的變化。行業+AI,人工智能將會改變每個行業、每個職業、每個組織、每個家庭和每個人。 易獲取、用得起,方便用的算力是AI發展關鍵 時代又仿佛回到了對采礦行業非生物動力需求極大的17世紀,進入21世紀,人工智能也對算力提出了強勁的增長需求。AI算力需求的急劇增長與傳統CPU算力緩慢提升(每年10%)之間存在巨大矛盾,全球掀起造芯運動,加速算力成本降低和AI應用普及。 人工智能的支撐要素包括算力(工業云計算和邊緣計算)、數據(工業大數據)和算法(工業人工智能),在中國,基于人口規模和經濟的發展程度,在數據和行業應用都在全球處于領先地位。但是AI算力資源卻很稀缺而且昂貴,各行業應用需要越來越強勁的AI算力。 算力價格貴、使用難和資源難獲取是目前AI發展的三大瓶頸: ·價格貴:現在人工智能整個訓練的過程,譬如訓練人臉識別、交通綜合治理、自動駕駛,模型的訓練成本非常高昂的。 ·使用難:缺乏一個統一的開發框架,無法適配從訓練到推理,從公有云到私有云、邊緣、終端的多種應用場景,開發、調優、部署的工作量巨大。 ·難獲取:業界用于AI計算的GPU供貨周期長,限量供應等,導致硬件資源不易獲取。 業界開發大規模AI訓練芯片的主要廠家,比如英偉達、谷歌和華為都推出了自己的AI訓練芯片。英偉達Tesla V100 GPU最高提供125 TeraFLOPS深度學習性能,最大功耗為300瓦特。Google I/O 2018開發者大會上,Google推出了第三代TPU 3.0,最高提供90 TeraFLOPS深度學習性能。華為在2018年10月的全聯接大會上發布了針對AI訓練場景的昇騰昇騰910 AI處理器。昇騰910 AI處理器,是當前計算密度最大的單芯片,適用于AI訓練,可提供256 TeraFLOPS的算力,最大功耗為310瓦特。 面向人工智能這個大的時代潮流,算力的稀缺和昂貴在一定程度上制約了當前的人工智能發展。 華為拿什么破解AI核心難題? 華為數十年長期聚焦在ICT基礎設施研發和建設領域,深刻理解運營商和企業用戶的使用場景,以“高起點”和“全棧全場景”入局AI領域,真正提供普惠的、強大的算力。 華為昇騰系列AI處理器采用了面向張量計算的達芬奇3D Cube架構,該架構面向AI的全新突破性設計,為昇騰AI處理器提供了超強的AI算力,使得芯片具有高算力、高能效、可擴展的優點。基于統一的達芬奇架構,華為可以支持Ascend-Nano、Ascend-Tiny、Ascend-Lite、Ascend-Mini、Ascend-Max等芯片規格,具備從幾十毫瓦IP到幾百瓦芯片的平滑擴展,天然覆蓋了端、邊、云的全場景部署的能力。 “達芬奇架構可大可小,從Nano一直到Max、從穿戴設備一直到云,可以全場景覆蓋;我們推出MindSpore的目的就是協同達芬奇架構來面向全場景的。 也就是說,在端、邊緣、云都可以訓練和推理,還可以進行相互協同,這是現在其他的計算框架所做不到的。”華為輪值董事長徐直軍在先前的媒體采訪中表示。 AI訓練的耗時與模型的復雜度、數據集和硬件資源的配置是強相關,在天文研究、自動駕駛訓練、氣象預測、石油勘探等大規模訓練時,硬件資源尤其顯得重要。 人工智能的快速發展,得益于硬件和云計算技術的提升,更得益于各個行業數字化帶來的大量的數據來訓練模型。開發平臺要求從原始數據到標注數據、訓練數據、算法、模型、推理服務,實現千萬級模型、數據集以及服務對象的全生命周期的管理。 同時,無智能不成云,全棧發展走向縱深,AI已經成為云的基礎業務,實現云端訓練和推理。在云上部署,支持在線和批量的推理,滿足大規模并發的復雜場景需求。云、AI、IoT協調使能藍海市場,在智慧家庭、物聯網和車聯網等場景,構建云+AI+IoT的綜合解決方案,開拓新的人工智能市場。 華為的AI戰略包括投資基礎研究,在計算視覺、自然語言處理、決策推理等領域構筑數據高效(更少的數據需求)、能耗高效(更低的算力和能耗),安全可信、自動自治的機器學習基礎能力;打造全棧方案,面向云、邊緣和端等全場景的、獨立的以及協同的、全棧解決方案,提供充裕的、經濟的算力資源,簡單易用、高效率、全流程的AI平臺。 大數據是人工智能發展的基礎保障,是人工智能這臺機器高速運轉的燃料。沒有大數據的支撐,人工智能就沒有了燃料,談不上發展。算力是人工智能發展的技術保障,是人工智能發展的動力和引擎。二者都是人工智能密不可分的一部分。反過來,人工智能的發展和應用又會反過來提升大數據和算力的技術革新,提高大數據和算力的水平。三者相輔相成,融合發展,才是未來信息時代發展的潮流趨勢。

    時間:2019-09-18 關鍵詞: AI 大數據 算力

  • 華為AI芯片簡史 這幾年華為在做些什么?

    眾所周知,數據、算力和算法,驅動著人工智能的第三次浪潮。面對AI算力需求的爆發式增長,這幾年華為在做些什么? 看似高深的人工智能(AI)技術,其實已經“潤物細無聲”地深入大眾生活,僅你手中一部華為Mate20手機,就可以實現人臉識別、物體識別、物體檢測、圖像分割、智能翻譯等AI功能。 這背后,依仗的是手機算力的大幅提升。小小一枚一分錢硬幣大小的華為麒麟980手機芯片,就集成了69億個晶體管,具備每秒鐘完成萬億次級運算的能力。你可能想不到,如今自己手中任何普通智能手機的算力,甚至比美國航空航天局1969年登月計劃中最先進計算機還高出幾百上千萬倍乃至更高。 其中,算力正是重要的基石。手機端的芯片算力幾年間已經發展到如此驚人,用于云端的AI芯片需要處理自動駕駛等復雜場景的海量數據,又需要多強大的算力呢?OpenAI近期發布的研究顯示,僅2012年以來,人們對于算力的需求增長六年就超過30萬倍,平均每年增長10倍,遠遠超過了摩爾定律的發展速度,因為深度學習神經網絡需要對張量(可以簡化理解為矩陣)進行大規模并行計算,顛覆了傳統的浮點計算,對算力的需求正在出現指數級的爆發式增長。例如原來1個時鐘單元只能計算1次浮點計算,現在可以通過新的算子同時對N×N的矩陣計算,如果N=10,那就是同時計算了100次,計算次數較原來增長了100倍,新算子帶來了對新芯片的強大算力訴求。 如果說2019年最受輿論關注的ICT和智能終端廠商是華為,那么其去年10月以來一直“猶抱琵琶半遮面”的業界算力最高AI處理器——Ascend(昇騰)910芯片,則是人工智能圈本年度最期待的AI芯片。 率先將專用NPUAI芯片引入手機。 人工智能發展中,我國在數據方面具備優勢,但在算法與算力方面仍待發展,尤其是芯片與硬件代表的算力方面。算法科學家、工程師和應用廠商面臨著AI算力稀缺和昂貴問題,大大抬高了算法研究和創新門檻,阻礙著AI的全行業普及和應用。 正因如此,盡管AI芯片在金錢、時間和人力各方面的研發成本高昂,但在AI商業賽道上,各廠商都在打造各自的芯片體系,其中多為聚焦于某一應用或某一場景的互聯網和芯片廠商,也不乏ICT大廠。國內廠商中,華為在AI芯片的布局堪稱“經典”。 在Alpha Go一戰成名之前,絕大多數國人就已經完成了從功能手機到第一代智能手機的換代,不斷增長的手機系統自帶功能特性和第三方應用,刷新著用戶的體驗。無論是AI功能還是場景化AI服務,都需要手機完成復雜深度學習算法模型運算,計算密集復雜,計算需求巨大,實時性受到挑戰;同時運行環境受限,功耗、內存、存儲空間非常挑戰,因此強大的算力是必需的。 如何將人工智能引入到手機終端,是彼時蘋果、華為在內的手機廠商都在努力攻破的問題。 2017年9月的柏林電子消費展上,華為正式發布全球首款移動端AI芯片麒麟970,一個月后發布了搭載麒麟970的旗艦手機Mate10。麒麟970是全球首款內置了獨立神經網絡處理單元(即NPU)的人工智能芯片。華為第一個將NPU引入手機芯片,在此之后,蘋果、三星等廠商紛紛跟進,到今天,AI手機已成為眾多手機廠商的旗艦配置。麒麟970內置NPU性能大幅優于CPU、GPU和DSP這些通用計算單元,同時相比CPU獲得了約50倍能效和25倍性能優勢。這意味著,麒麟970芯片可以用更少的能耗更快地完成AI計算任務。 在NPU的加持下,手機功能也會變得更加強大。例如使用語音功能時,AI會對當前語境和內容進行細致的分析,從而實現高準確率的識別體驗,將語音識別的成功率提升到更高的級別。這樣一來,以智能助手為主語音的功能就得以替代傳統的手工輸入,扮演更重要的角色,或許以后大街上見不到邊玩邊走的“低頭族”,而是更多人對著手機“自言自語”了。 在用戶十分關心的拍照方面,AI的出現同樣為喜歡手機攝影的用戶帶來不少福利。麒麟970搭載雙通道ISP圖像信號處理器,在動態影像捕捉和低光拍照上有很大的提升。雙攝鏡頭+雙ISP軟硬件優化,再配合人工智能的計算機視覺分析,便能自動分析畫面內的物體,并選擇當前最佳的拍照模式,甚至可以進行物體追蹤對焦和預測用戶拍照時機,提供前所未有的拍照體驗。 麒麟970的推出,成為傳統智能手機和未來AI手機的重要分水嶺,AI手機的發展也從單純的算法優化進入了硬件能力的真·人工智能比拼階段。 2018年8月,同樣在柏林電子消費展上,華為又發布了全球首款7nm人工智能手機芯片——麒麟980。 1納米(nm)等于1毫微米(即十億分之一米),約為10個原子的長度。一根頭發絲直徑約為0.1毫米,而7nm相當于頭發絲的萬分之一,在不到1平方厘米的麒麟980內部有高達69億個晶體管。從芯片工藝上看,7nm相當于70個原子直徑,逼近了硅基半導體工藝的物理極限,麒麟980實現了在針尖上翩翩起舞。華為消費者業務CEO余承東表示,麒麟980的7nm工藝是由1000多名半導體工程師組成的團隊歷時3年時間、經歷5000多次的工程驗證精心打磨的成果。     相對于麒麟970來說,麒麟980全面升級。以圖像識別速度為例,麒麟970可達到約2005張每分鐘,而麒麟980在移動端雙NPU強大算力加持下,可實現每分鐘圖像識別4500張,識別速度相比上一代提升120%,遠高于業界同期水平。隨之而來的,是人臉識別、語音助手、AI拍照,及各類智能美拍P圖等APP在手機上的全面升級。 同時,面對更海量的用戶,麒麟710讓更多消費者享受到人工智能的樂趣。到了2019年,華為推出麒麟810芯片,這是華為第二款7nm工藝的手機芯片,也是華為首款自研達芬奇架構NPU的手機芯片,這意味著更多海量用戶享受到專用NPU帶來的旗艦級的AI體驗。 至此,華為完成第一輪在手機端的AI芯片布局(麒麟970、麒麟980、麒麟710、麒麟810),手機產業也正式走入了AI時代。 “達芬奇”構建端邊云算力大爆發基礎 AI賽道比拼,影響的絕不僅是手機端,邊緣側、云側的硬件算力、數據算法等元素無一不處于白熱化的競賽之中,幾乎每天都有新的論文、新的產品問世。 如果說華為在芯片上的持續投入屬“居安思危”,顯示的是其遠見與決心。那么,華為在人工智能領域的野心則更為宏大,這一次,華為不僅要覆蓋云、邊、端各種場景,還要形成從應用到系統到芯片的閉環。 2018年10月,華為在其全聯接大會上首次提出全棧全場景AI解決方案,華為輪值董事長徐直軍表示:“全場景,是指包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。全棧是技術功能視角,是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。” 達芬奇架構針對AI運算特征而設計,以高性能3DCube計算引擎為基礎,實現了算力和能效的大幅提升。從云、邊緣、端獨立的和協同的AI實際需求出發,從極致低功耗,到極致大算力的AI場景,為云、邊、端之間的算法協同、遷移、部署、升級和運維,提供了統一架構底層核心支撐,大大降低了人工智能算法開發和迭代的門檻,降低企業人工智能部署和商用成本。 目前,昇騰(Ascend)芯片家族中的昇騰310已經落地商用。基于昇騰310,華為陸續發布了Atlas200、Atlas300、Atlas500、Atlas800等產品,已被廣泛應用于安防、金融、醫療、交通、電力、汽車等行業,涉及攝像機、無人機、機器人、智能小站、MDC(MobileDataCenter)等產品形態。并提供基于昇騰310的AI云服務,比如華為云圖像分析類服務、OCR服務、視頻智能分析服務等超過50款API已經基于昇騰310,日均調用量超過1億次。另有大量企業客戶正在借助昇騰310芯片自己開發算法服務。 隨著昇騰310相關產品大規模上市,外界對昇騰910的期待更盛。畢竟,去年10月,徐直軍在會上公布,“昇騰910是計算密度最大的單芯片,最大功耗為350W,半精度為(FP16)256TeraFLOPS,比英偉達V100的125TeraFLOPS還要高出近1倍。若集齊1024個昇騰910,將會出現迄今為止全球最大的AI計算集群,性能也將達到256個P,不管多復雜的模型都能輕松訓練。”簡單來說就是,昇騰910是業界算力最高的AI處理器,相同功耗情況下,它的算力是業界芯片的2倍、最強CPU的50倍。 全棧全場景AI逐步落地 其中,在2019年已經落地實現商用的,除了昇騰310,還有其面向用戶和開發者的門戶——華為云ModelArts。作為一站式AI開發平臺,ModelArts可以提供海量數據預處理及半自動化標注、大規模分布式訓練、自動化模型生成,及端-邊-云模型按需部署能力,幫助用戶快速創建和部署模型,管理全周期AI工作流。2019年5月,在斯坦福大學DAWN Bench榜單,華為云ModelArts獲得圖像識別訓練第一,ImageNet-1k數據集上用128塊V100GPU訓練ResNet-50模型僅需要2分43秒,而在2017年10月,斯坦福DAWN的訓練時間是13天10小時41分鐘。斯坦福大學DAWN Bench榜單幾乎聚集了國內外領先AI廠商,ModelArts如果有強大的昇騰910加持,是否能進一步刷新世界紀錄?若再采用1024個昇騰910的全球最大AI計算集群,又將出現什么樣的成績? 從端側到邊緣側再到云側,從底層硬件到深度學習框架再到上層應用使能,華為的全棧全場景AI戰略正在逐步落地。 其中,全棧AI的基礎,是一系列基于統一的達芬奇架構的AI芯片——從IoT到終端(如麒麟芯片的NPU),到邊緣側再到云。在會上,徐直軍還宣布,“外界一直在傳華為在開發AI芯片,我要告訴大家,這是事實,我們今天發布兩顆AI芯片:華為昇騰(Ascend)910和310。”此言一出,立刻在國內外人工智能圈子驚起波瀾——華為終于祭出了大招。 除了昇騰系列芯片外,華為提出的全棧AI,還包括支持端、邊、云獨立的和協同的統一訓練和推理框架Mind Spore,芯片算子庫和高度自動化算子開發工具——CANN,提供全流程服務(Model Arts)、分層API和預集成方案的應用使能。在一年前關于AI的豪言中,哪些是華為下一步將要向市場兌現的呢?我們拭目以待。

    時間:2019-08-22 關鍵詞: 華為 芯片 算力

  • 礦機戰場,凜冬將至,三巨頭誰能笑到最后?

    礦機戰場,凜冬將至。 幣價不向好,連帶礦機的銷量也接連下跌。最近礦機價格跌得比BTC還要狠,從高峰時的兩萬多人民幣一臺到現在只要三千人民幣,礦機市場一片慘淡。 在自然界中,有一個優勝劣汰的規則。每個物種都在進化,能夠跟上進化速度的物種才能得以存活,否則就將被淘汰。想要達到更有利的地位,就必須比其他物種進化得更快。 在礦機戰場中,優勝劣汰規則變得更加殘酷。無論是礦機產商還是礦工,在熊市之下,都陷入一場永無止境的競跑。利益與算力雙重推動下的優勝劣汰下,一場精彩的礦機產商角力賽開始了。 困獸之爭 在比特幣行情大漲帶動下,礦機市場需求幾乎呈指數級增長,市場一度供不應求,礦機價格水漲船高,最高漲幅達到200%。但隨著比特幣的產量減半,挖到比特幣的難度越來越大。 想要挖到比特幣,就需要有更牛逼的芯片,更高速的算力,于是就催生出比特大陸、嘉楠耘智、億邦國際三大巨頭礦機產商。 2013年1月,嘉楠耘智創始者張楠賡研發出行業第一臺商用ASIC礦機,直接將挖礦機技術進入到4.0時代。 ASIC礦機的登臺,一下就把FPGA比了下去,計算速度更快,性能更好,功耗更低,挖礦效率大幅提升。但即便如此,嘉楠耘智也并未借著爆品熱度成為行業獨霸。 在礦機制造業領域,比特大陸才是行業第一。 在規模上,比特大陸收入是143億人民幣,在中國十大集成電路設計公司中位居第二,僅次于研發麒麟芯片的華為海思。比特大陸市場占有率為70%,是嘉楠耘智的3倍多。 在算力上,比特大陸旗下的BTC.com和Antpool再加上參投的ViaBTC,三者算力合計已經達到51.5%。換句話說,只要比特大陸愿意,他可以隨時對比特幣發起51%攻擊。 在營收途徑上,比特大陸憑借強大的 “幣生幣”經營策略加上產業上游聚攏起來的行業資源加持,影響力已經觸及整個產業鏈中的基礎設施研發、區塊鏈應用開發、區塊鏈媒體、投資工具等多領域。與之相比下,嘉楠耕智的產品線還是比較單一,主要還是以礦機為主。 這是比特大陸一統江湖的時代,這是一代礦霸吳忌寒穩居霸主地位的時代。 但比特大陸,這個站在礦機制造業頂端的礦霸,十分焦慮。 礦機制造業的戰場,就是一場算力的博弈,所有礦機企業都不敢有絲毫懈怠,一旦落后于時代的礦機和芯片技術的高速更新迭代,迎來的就是淘汰。 算力是衡量一臺礦機好壞的首要因素。在今年比特大陸推出的兩款新品S9i和S9j礦機,說是新品其實是binning(分級)的過程中挑選出了不同的時鐘頻率的芯片重新包裝而已。換湯不換藥,算力方面提升幅度不大。 反觀這周,阿瓦隆、芯動、GMO都陸續推出自家新一代的SHA256礦機,阿瓦隆和GMO用上了臺積電最新的7nm制程,芯動則用的是三星最新的10nm制程。 就單機算力來講,阿瓦隆A9算力30T,達世大師T2T算力24T,GMO B2算力24T。曾經一代狂霸的螞蟻礦機S9j算力僅僅14.5T,已經被市面上的礦機算力遠遠甩在后面。 但即便擁有市面上算力最強的礦機,也無法保證嘉楠耘智可以憑借技術打敗比特大陸,搶占礦機市場。畢竟與比特大陸相比,嘉楠耘智的規模還是太小。 比特大陸這邊的形勢也并不樂觀,在如今算力為王的礦機戰場中,比特大陸顯然已經落后一大截,是否還能繼續稱霸礦機制造業成為疑問。 盛世隱憂 近期,比特大陸、嘉楠耘智和億邦國際三大礦商巨頭陸續遞交了招股書,紛紛投身資本市場擁抱。隨著礦機巨頭的扎堆上市,一直秘而不宣的逆天業績才得以公諸于世。 比特大陸2017年營收143億元,凈利潤達到35億元,而在2016年比特大陸的凈利潤僅僅為6.6億。 嘉楠耘智營收從2015年的4770萬元增長至2017年的13.08億元,復合年增長率高達423.7%;凈利潤也由2015年的150萬元上漲至2017年的3.6億元,復合年增長率為1445.4%。 億邦國際同樣增長強勁。從2015年至2017年的營收分別為9214萬元、12077.5萬元、97869.9萬元,2017年的營收較2016年增加了710.35%,凈賺約3.8億元。 業績突飛猛進,為何三大礦機產商為何都選在2018年扎堆上市? 有圈內人士預測,三大礦機產商業績已經達到瓶頸期,如不出意外,2018年第二季度開始,三大礦機產商報表將面臨腰斬。 仔細分析,確有征兆。近期有消息稱,礦機上游芯片供應商臺積電和三星電子,都己接到三家礦機產商削減近50%訂單的通知。 當前全球礦機芯片90%以上均來自臺積電和三星電子,訂單的大幅消減直接反映出下一周期礦機的出貨量。按照芯片需求量減半來推算,三大礦機產商下半年的業績報表必將快速變臉。 目前礦機制造商都面臨著同一個問題:業務結構的單一,很難有第二條拉動業績快速增長的產業線。再加上傳統芯片廠商的介入,又加劇了競爭環境的惡化。三大礦機巨頭礦機營收占總營收90%以上,營收不穩定,難免會引發擔憂。 舉個例子,2017年下半年,比特幣暴漲,礦機生意爆棚,礦機供不應求,價格直線飆升。而隨后的三個月,比特幣大跌,礦機迅速失寵,價格一朝從10幾萬掉回1萬多。其次,礦機受政策影響也比較大,如果遇上監管部門整治“挖礦產業”,甚至會導致一大批挖礦企業的退出。 如履破冰的礦機制造商,無時無刻不在尋找解脫之路,那么他們未來的路在哪? 謀篇布局 為了走出困局,從去年開始,三大礦機巨頭紛紛為入場人工智能做準備。 2017年7月,張楠賡為他的嘉楠耘智,選擇了一條截然不同的道路:做一家芯片設計公司,然后謀求融資上市。 據艾瑞咨詢報告,AI全球市場及中國市場規模預計將于2020年分別達到約183億美元及約人民幣906億元,AI獲將成為礦機公司下一步爭奪的戰場。 2018年6月,億邦國際在招股說明書中就自身在進軍AI芯片可行性方面進行了說明:除加密貨幣外,區塊鏈及ASIC芯片技術亦逐漸應用于AI領域。 與此同時,比特大陸也在為布局人工智能動作頻頻 2017年11月:比特大陸推出AI芯片品牌SOPHON及全球首款張量加速計算芯片BM1680。 2018年4月:比特大陸推出BTM人工智能礦機B3。 對于比特大陸從礦機生產商轉型到做AI芯片,吳忌寒曾公開表示,這是自然的選擇。 有人難免會有疑問,礦機和人工智能有何關聯? 礦機所使用的ASIC芯片,往小里說,是為供幣圈礦工“挖礦”使用,但往大里說,是推動了區塊鏈計算設備的技術升級,未來,還在芯片技術要求相似的人工智能深度學習領域,有著更廣闊的想象空間。據媒體報道,谷歌最近曝光的專用于人工智能深度學習計算的TPU,其實就是一款ASIC。 如今礦機制造商紛紛轉戰人工智能,面對的競爭對手將是華為、高通、AMD等頭部企業。它們想在人工智能領域分得一杯羹,恐怕難度不小。 境外IPO 一路低迷的幣價正讓礦機產商陷入業績劇降的泥沼,眼看挖礦盛宴已經走向下坡路,礦機產商巨頭才會趁著賣相不錯的時候上市,為日后轉型尋求更多糧草。 這或許是他們最后的機會,那么錢袋子滿滿的礦機廠商能順利通過申請嗎?但從嘉楠耘智和億邦國際曲折的上市之路來看,IPO并非一條康莊大道。 借殼上市、三度問詢,嘉楠耘智國內上市之路走得尤為艱難。無獨有偶,億邦國際上市之路也同樣荊棘遍地,礦機業務占主要營收95%,如果礦機市場表現不佳,意味著億邦國際的業績就會被直接影響,這在上市公司中極其罕見。 此外,比特大陸的上市節奏更為緊密。上個月初,剛完成了估值約120億美元的B輪融資。20多天過去后,又馬不停蹄開始了估值約350億美元的Pre-IPO輪融資。 三大巨頭集體搶跑IPO最后窗口期的舉動,恰恰說明上市對他們來說,已經是刻不容緩的事情。 但在當下幣價低迷的情況下,券商機構基于三大礦機產商的估值必定不會太高,除非他們找到新的并且市場認可的估值領域,于是AI就成為礦機產商挑逗投資者神經的興奮劑。 從長遠來看,挖礦并不是長遠的代幣生產模式,就從目前來說,大部分的代幣都是靠POS產生,像比特幣這種靠算力產生的數字貨幣不超過10種。因此,從某個角度來說,礦機產商的天花板是有的,想靠算力爆棚的礦機業績高歌猛進的時代已經結束。 誰能搶先登陸資本市場,誰就有希望熬過行業的資本寒冬,同時掌握下一輪礦機大戰中決勝的籌碼。但是巨頭們是否能夠在人工智能領域站穩腳步還需時間來驗證。

    時間:2018-08-14 關鍵詞: 比特幣 礦機 算力

發布文章

技術子站

更多

項目外包

更多

推薦博客

新时时彩
欧美免费观看全部完 股票配资网站·x首选配资658 广东11选5助手安 2019最新上映番号 澳洲幸运10 叶子楣经典三级片 大智慧手机炒股8,83版 微乐沈阳麻将沈阳四冲 麻将游戏的玩法攻略 河北十一选五历史开 郑州站街女照片 重庆时彩直播 日本sm12p 陕西十一选五开奖l 太原沐足网 3d开奖号码结果