图：麻省理工学院的研究人员设计了一种新的芯片来实现神经网络。它的运行效率是普通手机GPU的10倍，因此它可以使移动设备运行强大的人工智能算法，而不是将数据上传到互联网进行处理。

科技日报北京2月3日电    你想让自己的手机变成可以随时随地执行人工智能计算的“神器”吗？一种新型图形处理器（GPU）芯片让这个梦想走进了现实。据麻省理工学院（MIT）官网消息，在本周的国际固态电路会议上，该校电子工程和计算机科学学院助理教授 Vivienne Sze展示了一种新型的专门用于运行神经网络的GPU芯片。

GPU芯片是一种专门用于图像计算的芯片，在带有屏幕的计算机设备上十分常见，神经网络大都在GPU上运行。MIT研发的这种新型芯片被命名为“Eyeriss”，它的运行效率是普通手机GPU的10倍，因此可以直接在移动设备上执行强大的人工智能算法，而不需要将数据上传到互联网进行处理。

手机GPU一般拥有200多个核或者处理单元。Eyeriss高效率运行的关键之处在于将处理单元与内存条交换数据的频率降到最低，因为这一过程会消耗大量时间和能量。普通GPU芯片一般是很多处理单元共享一个内存条，而Eyeriss芯片每个处理单元都有自己的内存，而且它可以在向处理单元发送数据前对数据进行压缩。

另一方面，Eyeriss的每个处理单元都可以直接与相邻的处理单元进行交流，这样如果它们需要共享数据的话，不需要将数据传送到主内存。这对卷积神经网络（CNN）而言非常重要。CNN算是深度神经网络的前身，与近年来一些人工智能技术的重大进展不无关系。

Eyeriss芯片高效率运行的另一个秘诀在于，它有一个可以向各个处理单元分配任务的特殊电路。处理单元的局部内存不仅会存储它所模拟的网络节点所处理的信息，而且还会存储它对网络节点进行描述的信息。分配电路可以根据不同的神经网络类型进行重新配置，自动在处理单元之间分配多种数据，并且可以使每个处理单元在从主内存获得数据之前最大化地执行数据运算。

在会议上，研究人员利用Eyeriss芯片运行了一种神经网络并进行了图像识别任务，这是神经网络计算首次搭载手机芯片进行展示。

消息链接：

Energy-friendly chip can perform powerful artificial-intelligence tasks

（本文文字来源：科技日报）

如若转载，请注明e科网。

如果你有好文章想发表or科研成果想展示推广，可以联系我们或免费注册拥有自己的主页