英特尔CPU、Nvidia GPU、Google TPU和DARPA提出的HIVE处理器之间的应用(上)和性能(下)比较。(来源:DARPA)
DARPA认为,Big Data为图形节点提供了传感器馈送、经济指标、科学和环境测量,而图形的边缘则是不同节点之间的关系,例如亚马逊(Amazon)案例中的“购买”行为。
图形理论分析的基础可以追溯到著名的哲学家Gottfried Wilhelm Leibniz,以及Leonhard Euler在1736年出版的首篇相关论文:“柯尼斯堡七桥问题”(Seven Bridges of K?nig***erg)。从那时起,图形理论已经发展成为建模随机数据点之间关系的一系列算法和数学结构。HIVE架构的设计就在于使用这些图形分析来辨识威胁、追踪疾病爆发,以及解答Big Data的问题,因为这些问题寺于目前的传统CPU和GPU来说相当棘手。
为期四年半的DARPA计划在第一年将与英特尔和高通共同设计芯片架构,而Georgia Tech和PNNL则负责开发软件工具。在第一年之后,将会选出一款硬件设计和一款软件工具。DARPA将为赢得硬件设计的公司提供5,000万美元的赞助,但该公司也将自行提供5,000万美元。此外,DARPA还将为赢得软件设计的组织提供700万美元的赞助。
同时,Northrup将获得1,100万美元的资金,用于打造巴尔的摩中心,调查国防部对于图形分析的所有需求,并确保硬件和软件制造商满足这些需求。
英特尔数据中心副总裁Dhiraj Mallick表示:“HIVE计划目的在于针对数据处理,利用图形分析处理器发挥机器学习以及其他人工智能(AI)的影响力。”
Mallick有信心英特尔的芯片设计将会赢过高通,他说:“英特尔已被要求在这项计划结束时提供16节点的平台,在一块电路板上使用16个HIVE处理器,英特尔也将拥有为全球市场提供产品的权利。”
随着这项计划进展,这款HIVE处理器将可实现实时辨识与感知策略资产。相形之下,Mallick说,至今我们还得依靠“失马锁厩,为时已晚”的事后分析…
冯诺依曼式计算机本质上是采用串行顺序处理的工作模式,非冯诺依曼式计算机的研究方向是采用并行处理的工作模式,这里两种工作模式到底谁更有优势呢?有懂的发烧友来讲讲吗?
`
1