电子mg官方网站:降低人工智能模型及其计算载体的权重是一项具有挑战性的任务

程建认为，在精度接近无损的前提下，降低人工智能模型及其计算载体的权重是一项具有挑战性的任务。

为了解决这一问题，需要对神经网络进行轻量化设计、计算加速、设计新的计算体系结构，以实现模型的硬件化。这需要从软件和硬件两个方面入手。

在软件方面，实现模型和算法创新，通过轻量化模型设计、矩阵分解、稀疏表示和定量计算，实现模型小型化和计算加速;在硬件方面，通过流水线设计、存储模式设计等手段创新硬件架构，通过软硬件协同设计和优化，实现人工智能的轻量化。

“虽然神经网络的计算是通过硬件进行的，但神经网络的结构和人工智能平台决定了计算量和计算方法。”冷聪坦言，因此最终的轻量化必须是基于复杂人工智能应用场景的软件和硬件协同轻量化，充分结合芯片、平台和算法共同加速。

作为人工智能的硬件载体，人工智能芯片必须实现更高的性能、更高的效率、更低的功耗和更小的体积。只有这样，才能有一个足够廉价和高效的计算平台，以满足行业的需求，承载复杂的人工智能任务，并将推理和计算从云迁移到终端。