Microsoft bietet neue AI-Chips für seine Cloud-Computing-Plattform an Möchten Sie den Erfolg von "Wintel" nachstellen?
In den 1980er und 1990er Jahren wurde Microsoft mit dem Erfolg des Windows-Betriebssystems auf Intel-Prozessoren zum Branchenführer. Microsoft hofft nun, dass eine weitere Kombination aus Hardware und Software dazu beiträgt, seinen Erfolg wiederherzustellen und Amazon und Google im Wettbewerb um die Bereitstellung modernster künstlicher Intelligenz über die Cloud zu überzeugen.
Laut arsTECHNICA hofft Microsoft, die Popularität seiner Azure-Cloud-Plattform mit einem neuen Computerchip zu erweitern, der für die Ära der künstlichen Intelligenz entwickelt wurde. Microsoft stellt ab sofort Azure-Nutzern Chips des britischen Startups Graphcore zur Verfügung.
Graphcore wurde 2016 in Großbritannien gegründet und hat viel Aufmerksamkeit von AI-Forschern auf sich gezogen und Hunderte von Millionen Dollar an Finanzmitteln erhalten. Das Unternehmen sagte, dass seine Chips die für künstliche Intelligenz erforderliche Rechengeschwindigkeit beschleunigen werden. Bisher hat das Unternehmen die Chips jedoch weder veröffentlicht noch die Ergebnisse seiner frühen Tests gezeigt.
Im Dezember letzten Jahres erhielt Graphcore 200 Millionen US-Dollar an Finanzmitteln, darunter auch Microsoft. Microsoft benötigt dringend Hardware, um seine Cloud-Dienste für Kunden mit Anwendungen für künstliche Intelligenz attraktiver zu machen. Im Gegensatz zu den meisten in der künstlichen Intelligenz verwendeten Chips wurden die Chips von Graphcore von Grund auf neu entwickelt, um Berechnungen zu unterstützen, mit denen Maschinen Gesichter erkennen, Sprache verstehen, Sprache analysieren, Autos fahren und Roboter trainieren können.
Von Microsoft und Graphcore veröffentlichte Benchmarks zeigen, dass die Leistung des Chips besser ist als die von NVIDIA und Googles Spitzen-Chips für künstliche Intelligenz. Durch die Verwendung von Code, der speziell für Graphcore-Hardware geschrieben wurde, wird diese möglicherweise effizienter. Sie behaupten, dass einige Bildverarbeitungsaufgaben auf dem Graphcore-Chip um ein Vielfaches schneller sind als ihre Konkurrenten. Sie sagten auch, dass sie ein beliebtes Sprachverarbeitungsmodell für künstliche Intelligenz, BERT, trainieren können, dessen Geschwindigkeit mit jeder vorhandenen Hardware vergleichbar ist.
BERT ist sehr wichtig für Anwendungen mit künstlicher Intelligenz, die Sprachverarbeitung beinhalten. Google gab kürzlich bekannt, dass es BERT zur Unterstützung seines Kerngeschäfts mit Suchmaschinen einsetzt. Derzeit verwendet Microsoft Graphcore-Chips für interne Forschungsprojekte zur künstlichen Intelligenz, bei denen die Verarbeitung natürlicher Sprache zum Einsatz kommt.
Laut Karl Freund von Moor Insights, der den Markt für Chips mit künstlicher Intelligenz verfolgt, zeigen die Ergebnisse, dass der Chip flexibel und dennoch fortschrittlich ist. Hochspezialisierte Chips sind möglicherweise leistungsstärker als NVIDIA- oder Google-Chips, aber ihre Programmierbarkeit reicht für Ingenieure nicht aus, um neue Anwendungen zu entwickeln. Graphcore macht einen guten Job beim Programmieren.
Freund fügte hinzu, dass die Vereinbarung mit Microsoft für das Geschäft von Graphcore von entscheidender Bedeutung ist und Kunden einen Einstiegspunkt für den Versuch neuer Hardware bietet. Die Neuentwicklung von KI-Code für die neue Plattform erfordert jedoch viel Arbeit. Mit wenigen Ausnahmen reicht das Benchmarking des Chips nicht aus, um Unternehmen und Forscher dazu zu bewegen, die Hardware und Software, an die sie gewöhnt sind, aufzugeben.
In den letzten Jahren hat die rasante Entwicklung der künstlichen Intelligenz den Markt für Computerchips tiefgreifend beeinflusst. Mit Hunderten von Kerngrafikchips mit einfacher Verarbeitung kann die parallele digitale Datenverarbeitung effektiver abgeschlossen werden. Nvidia machte mit Hilfe der künstlichen Intelligenzwelle ein Vermögen. Google kündigte 2017 die Entwicklung seiner Chip Tensor Processing Unit (TPU) an. Facebook entwickelt auch einen eigenen AI-Chip. Amazon gab vor einem Jahr bekannt, dass es auch im Bereich der Chipherstellung tätig ist.
Die Welle der künstlichen Intelligenz hat eine Welle von Hardware-Startups ausgelöst, die professionelle Chips entwickelten, von denen einige für bestimmte Anwendungen wie Autopilot- oder Überwachungskameras optimiert sind. Aber es ist immer noch schwierig, sich ein Stück Himmel und Erde zu öffnen.
Laut arsTECHNICA hofft Microsoft, die Popularität seiner Azure-Cloud-Plattform mit einem neuen Computerchip zu erweitern, der für die Ära der künstlichen Intelligenz entwickelt wurde. Microsoft stellt ab sofort Azure-Nutzern Chips des britischen Startups Graphcore zur Verfügung.
Graphcore wurde 2016 in Großbritannien gegründet und hat viel Aufmerksamkeit von AI-Forschern auf sich gezogen und Hunderte von Millionen Dollar an Finanzmitteln erhalten. Das Unternehmen sagte, dass seine Chips die für künstliche Intelligenz erforderliche Rechengeschwindigkeit beschleunigen werden. Bisher hat das Unternehmen die Chips jedoch weder veröffentlicht noch die Ergebnisse seiner frühen Tests gezeigt.
Im Dezember letzten Jahres erhielt Graphcore 200 Millionen US-Dollar an Finanzmitteln, darunter auch Microsoft. Microsoft benötigt dringend Hardware, um seine Cloud-Dienste für Kunden mit Anwendungen für künstliche Intelligenz attraktiver zu machen. Im Gegensatz zu den meisten in der künstlichen Intelligenz verwendeten Chips wurden die Chips von Graphcore von Grund auf neu entwickelt, um Berechnungen zu unterstützen, mit denen Maschinen Gesichter erkennen, Sprache verstehen, Sprache analysieren, Autos fahren und Roboter trainieren können.
Von Microsoft und Graphcore veröffentlichte Benchmarks zeigen, dass die Leistung des Chips besser ist als die von NVIDIA und Googles Spitzen-Chips für künstliche Intelligenz. Durch die Verwendung von Code, der speziell für Graphcore-Hardware geschrieben wurde, wird diese möglicherweise effizienter. Sie behaupten, dass einige Bildverarbeitungsaufgaben auf dem Graphcore-Chip um ein Vielfaches schneller sind als ihre Konkurrenten. Sie sagten auch, dass sie ein beliebtes Sprachverarbeitungsmodell für künstliche Intelligenz, BERT, trainieren können, dessen Geschwindigkeit mit jeder vorhandenen Hardware vergleichbar ist.
BERT ist sehr wichtig für Anwendungen mit künstlicher Intelligenz, die Sprachverarbeitung beinhalten. Google gab kürzlich bekannt, dass es BERT zur Unterstützung seines Kerngeschäfts mit Suchmaschinen einsetzt. Derzeit verwendet Microsoft Graphcore-Chips für interne Forschungsprojekte zur künstlichen Intelligenz, bei denen die Verarbeitung natürlicher Sprache zum Einsatz kommt.
Laut Karl Freund von Moor Insights, der den Markt für Chips mit künstlicher Intelligenz verfolgt, zeigen die Ergebnisse, dass der Chip flexibel und dennoch fortschrittlich ist. Hochspezialisierte Chips sind möglicherweise leistungsstärker als NVIDIA- oder Google-Chips, aber ihre Programmierbarkeit reicht für Ingenieure nicht aus, um neue Anwendungen zu entwickeln. Graphcore macht einen guten Job beim Programmieren.
Freund fügte hinzu, dass die Vereinbarung mit Microsoft für das Geschäft von Graphcore von entscheidender Bedeutung ist und Kunden einen Einstiegspunkt für den Versuch neuer Hardware bietet. Die Neuentwicklung von KI-Code für die neue Plattform erfordert jedoch viel Arbeit. Mit wenigen Ausnahmen reicht das Benchmarking des Chips nicht aus, um Unternehmen und Forscher dazu zu bewegen, die Hardware und Software, an die sie gewöhnt sind, aufzugeben.
In den letzten Jahren hat die rasante Entwicklung der künstlichen Intelligenz den Markt für Computerchips tiefgreifend beeinflusst. Mit Hunderten von Kerngrafikchips mit einfacher Verarbeitung kann die parallele digitale Datenverarbeitung effektiver abgeschlossen werden. Nvidia machte mit Hilfe der künstlichen Intelligenzwelle ein Vermögen. Google kündigte 2017 die Entwicklung seiner Chip Tensor Processing Unit (TPU) an. Facebook entwickelt auch einen eigenen AI-Chip. Amazon gab vor einem Jahr bekannt, dass es auch im Bereich der Chipherstellung tätig ist.
Die Welle der künstlichen Intelligenz hat eine Welle von Hardware-Startups ausgelöst, die professionelle Chips entwickelten, von denen einige für bestimmte Anwendungen wie Autopilot- oder Überwachungskameras optimiert sind. Aber es ist immer noch schwierig, sich ein Stück Himmel und Erde zu öffnen.