Alibabas första AI -chip finns i nyheterna. Det är ett egenutvecklat chip, sa Reuters, för molntjänster.

Reuters sa i molnberäkning, Alibaba tornade upp sig över rivaler i Kina. På global nivå, Alibaba rankade den tredje i molnberäkning efter Amazon och Google, sa Nikkei Asia Review .

Det gick inte förlorat på tekniska observatörer som täckte historien som Kina har dragit för sin egen halvledarteknik.

Kulram hänvisade till den lutningen tidigare den här månaden när den påpekade att "industriveteraner oroar sig för att det är ett teknikgap som kanske aldrig kommer att stängas om Kina fortsätter samma väg att importera utländsk teknik istället för att utveckla sin egen, att göra det beroende av vänner som kan bli morgondagens fiender. "

Det har inte varit någon hemlighet att kinesiska teknikföretag försöker gå bort från beroende av utländska halvledartillverkare bland amerikanska sanktioner, sa DCD .

Jeff Zhang, teknikchef på Alibaba, avslöjade chipet, kallade Hanguang 800, och beskrivs också som ett högpresterande AI-slutschip.

Slutsatschip? Michael Copeland i Nvidia -bloggen kan förklara vad slutsats betyder.

Han sa, "det utbildade neurala nätverket tränas i den digitala världen med hjälp av vad det har lärt sig - för att känna igen bilder, talade ord, en blodsjukdom, eller föreslå de skor som någon sannolikt kommer att köpa nästa, you name it — i den strömlinjeformade formen av en applikation. Denna snabbare och mer effektiva version av ett neuralt nätverk leder till saker om ny data som den presenteras med baserat på dess utbildning. I AI -lexikonet kallas detta 'inferens'. "

När det gäller detta nya chip från Alibaba, Xinhua sa att den hade datorkraft 10 gånger så mycket som traditionella grafiska processorenheter. CNBC sade enligt kraven att chipet kunde minska datorns uppgifter vanligtvis tar en timme till fem minuter. Alibaba kan vara nöjd med dess chips fördel med att förbättra beräkningseffektiviteten i visuell sökning. Xinhua sa att chippet kunde hantera "mer än 78, 500 bilder på en sekund. "

Företag som använder AI -applikationer kräver enorma mängder data för att träna smarta algoritmer, och det kan ta flera dagar eller veckor.

Så, vilken typ av uppgifter skulle egentligen kunna påskynda? Väl, Alibaba använder chipet internt, sa CNBC. Specifik affärsverksamhet namngavs produktsökning, automatisk översättning på e-handelssajter, personliga rekommendationer, reklam och "intelligenta kundservice." bara den typ av områden som kräver omfattande beräkningsuppgifter.

Företaget använder Hanguang 800 -chips med resultat som visar sin hastighetsfördel. EE Times sa att "Använd enheten, företagets Pailitao -tjänst, där användare laddar upp bilder på föremål och söker efter matchande produkter, hade prestandaeffektiviteten ökat med en faktor 12. Denna tjänst hanterar en miljard uppladdade bilder varje dag, kräver en timme att bearbeta med företagets GPU-baserade infrastruktur. "Hanguang 800-infrastrukturen bearbetade samma mängd bilder på mycket kortare tid.

Det här är vad SyncedReview hade att säga om chipets design och kapacitet. "12-nm Hanguang 800 innehåller 17 miljarder transistorer. Med tanke på ett slutsatsbildsklassificeringstest på ResNet-50, Hanguang 800s topprestanda är 78, 563 bilder per sekund (IPS). Zhang säger att Hanguang 800 är 15 gånger kraftfullare än NVIDIA T4 GPU, och 46 gånger starkare än NVIDIA P4 GPU. Chips maximala effektivitet är 500 IPS/W. "

Affärsmodell? Såsom nämnts, chipet kommer att erbjudas i sin molntjänstmodell. "Alibaba säljer inte direkt sina Hanguang 800 -chips direkt till kunderna, "sa SyncedReview ; istället, utvecklare kan hyra Hanguang 800 -tid på AI -molntjänsten.

Nikkei Asian Review hört mer om denna fråga från Sean Yang, en analytiker på Shanghai-baserade CINNO. "Det nya tillkännagivandet om AI -chips kan ses inte bara som ett försök att koppla från amerikanska chipmakers, men ur affärssynpunkt, det är också ett sätt för Alibaba att bygga mer anpassade och konkurrenskraftiga datacenter molntjänst för att konkurrera med rivaler som Amazon, Google, Tencent och Microsoft, "Sa Yang.

© 2019 Science X Network