引言
本文帮助读者了解人工智能（AI）领域的最新发展、面临的挑战以及AMD公司提出的解决方案。从1960年代的早期监督学习到今天的大型语言模型和多模态AI，我们将探讨AI技术的演变过程，以及走向普及的journey。
AI的演变
AI自诞生以来经历了多个变革性阶段。这个旅程始于1960年代的监督学习和感知器，经历了深度神经网络的发展、Transformer架构的引入，以及像ChatGPT这样的大型语言模型的出现。
图1展示了从1960年代到2024年AI的演变，突出显示了关键里程碑和技术进步。
今天，我们正站在AI新时代的门槛上，这个时代的特征是智能代理AI、多模态系统和专家混合（MOE）模型。硬件的进步，特别是GPU技术和专用AI加速器的发展，使这种快速演变成为可能。
AI普及超级周期
随着AI不断发展，我们正见证其在各个领域的广泛集成。这种普及可以被理解为一个超级周期，包括三个主要部分：
云端：大规模训练和推理
终端设备：个人助理、游戏和生产力工具
嵌入式系统：汽车系统、传感器智能、机器人和医疗设备
图2描绘了AI普及超级周期，展示了从云到终端再到嵌入式应用的发展过程，单位数量不断增加。
每个部分都提出了独特的挑战和机遇，推动了硬件和软件解决方案的创新。
投资竞赛和未来挑战
AI行业正经历着前所未有的增长和投资。数据中心AI收入和资本支出预计在未来几年将显著增加。
图3显示了从2023年到2025年数据中心AI收入和资本支出的预估增长。
然而，这种快速增长也带来了一系列挑战。其中最紧迫的问题包括：
功耗和配电
不同用例的多样化需求
数据质量和可用性
安全性和可靠性问题
机密性和隐私考虑
功耗：关键挑战
随着AI模型规模和复杂性的增加，能源需求呈指数级增长。这种趋势在前沿模型的训练中特别明显。
图4展示了训练日益庞大的AI模型所需能源的指数级增长，从GPT-3到假设的100T参数模型。
功耗挑战影响AI生态系统的所有部分，从云数据中心到终端设备和嵌入式系统。每个部分都有自己特定的能源限制和需求。
图5显示了云端、终端和嵌入式AI应用的系统级功耗分布。
AMD的解决方案
为应对这些挑战，AMD专注于两个主要领域：
能效性能
满足多样化需求
1. 能效性能
AMD长期致力于提高产品线的能效。这种关注已经在多年间带来了显著的每瓦性能提升。
图6展示了AMD在多代EPYC处理器中能效改进的track record。
为实现这些提升，AMD采用了多方面的方法：
硅级改进：利用先进的制造工艺和晶体管设计。
先进封装：利用2.5D和3D封装技术提高性能并降低功耗。
量化技术：调整算法以使用低精度数学运算，提高能效。
专用架构：为AI工作负载开发数据流执行架构。
异构计算：结合CPU、GPU和NPU以获得最佳性能和效率。
图7展示了AMD第三代Ryzen AI技术，具有CPU、GPU和NPU组件的异构架构。
2. 满足多样化需求
AI生态系统涵盖广泛的应用，每种应用都有自己独特的需求。AMD通过以下方式满足这种多样性：
广泛的产品组合：从高性能数据中心GPU到移动处理器和嵌入式系统。
采用Chiplet的模块化设计：能够快速适应新兴AI需求。
整体协同设计和优化：整合硬件架构、系统软件和AI模型。
图8展示了AMD广泛的产品组合，满足云端、移动和嵌入式应用中的多样化AI需求。
开放生态系统和合作
AMD认识到开放合作在推动AI创新中的重要性。公司积极参与并贡献于开源项目和标准。
图9突出显示了AMD对开放生态系统的承诺，展示了公司支持的各种开源框架和库。
实际应用
AMD开发的解决方案已在多个领域得到应用：
云计算：在紧凑的硬件配置上实现大型语言模型的训练和推理。
药物发现：使用AMD EPYC处理器和Instinct GPU加速分子编程。
内容创作：通过AMD Ryzen AI技术支持高级文本到图像生成。
嵌入式系统：使用基于FPGA的SOC平台在资源受限的环境中实现实时AI推理。
科学研究：使用基于FPGA的高吞吐量、低延迟AI加速器支持CERN的粒子物理实验。
结论
AI普及之旅面临着重大挑战，特别是在能效和满足多样化需求方面。AMD的全面方法，结合先进的硬件解决方案、软件优化和开放合作，正在帮助克服这些障碍。随着AI继续发展并融入我们生活的每个方面，AMD推动的创新将在塑造计算和人工智能的未来中发挥关键作用。
参考文献
[1] V. Peng, "The Journey to AI Pervasiveness," presented at Hot Chips 2024, 2024.
关注我们 | 加入学会
中国光学工程学会是中国民政部批准的全国性一级学会。会员涉及光学和光学工程领域的科学家、工程技术人员、教授、学者，以及商界精英。学会秉承“创新、协同、求真、务实”的精神，将通过学术交流、成果展示、成果转化等多种形式，搭建一个产学研大平台，推动光学工程的技术创新、注重光学科技的成果转化、面向应用促进光学前沿的工程化。中国光学工程学会推荐年轻的领军专家作为学会核心力量，培养一批国内外新领军人物。
扫码入会
如有其他合作需求
请联系光博士
