(網經社訊)上世紀八十年代，多層神經網絡和反向傳播算法的出現(xiàn)給人工智能行業(yè)點燃了新的火花。反向傳播的主要創(chuàng)新在于能將信息輸出和目標輸出之間的誤差通過多層網絡往前一級迭代反饋，將最終的輸出收斂到某一個目標范圍之內。
1989年貝爾實驗室成功利用反向傳播算法，在多層神經網絡開發(fā)了一個手寫郵編識別器。1998年Yann LeCun和Yoshua Bengio發(fā)表了手寫識別神經網絡和反向傳播優(yōu)化相關的論文《Gradient-based learning applied to document recognition》，開創(chuàng)了卷積神經網絡的時代。
此后，人工智能陷入了長時間的發(fā)展沉寂階段，直到1997年IBM的深藍戰(zhàn)勝國際象棋大師和2011年IBM的沃森智能系統(tǒng)在Jeopardy節(jié)目中勝出，人工智能才又一次為人們所關注。2016年Alpha Go擊敗韓國圍棋九段職業(yè)選手，則標志著人工智能的又一波高潮。從基礎算法，底層硬件，工具框架到實際應用場景，目前人工智能已經全面開花。 作為人工智能核心的底層硬件AI芯片，也同樣經歷了多次的起伏和波折，
總體看來，AI芯片的發(fā)展前后經歷了四次大的變化，其發(fā)展歷程如下圖所示。
(1)2007年以前，AI芯片產業(yè)一直沒有發(fā)展成為成熟的產業(yè)；同時由于當時算法、數(shù)據量等因素，這個階段AI芯片并沒有特別強烈的市場需求，通用的CPU芯片即可滿足應用需要。
(2)隨著高清視頻、VR、AR游戲等行業(yè)的發(fā)展，GPU產品取得快速的突破；同時人們發(fā)現(xiàn)GPU的并行計算特性恰好適應人工智能算法及大數(shù)據并行計算的需求，如GPU比之前傳統(tǒng)的CPU在深度學習算法的運算上可以提高幾十倍的效率，因此開始嘗試使用GPU進行人工智能計算。
(3)進入2010年后，云計算廣泛推廣，人工智能的研究人員可以通過云計算借助大量CPU和GPU進行混合運算，進一步推進了AI芯片的深入應用，從而催生了各類AI芯片的研發(fā)與應用。
(4)人工智能對于計算能力的要求不斷快速地提升，進入2015年后，GPU的性能功耗比不高的特點使其適用場合受到很多限制，業(yè)界開始研發(fā)針對人工智能的專用芯片，通過更好的硬件和芯片架構，在計算效率、能耗比上進一步提升。
報告_000001.jpg">
（來源：AMiner 編選：電子商務研究中心）
