thatway1989

之前的文章XXX提到AI运算任务被切割成Stream、Task和Block，然后经过调度器给到NPU硬件进行加速运算，那么这些Task从哪里来？答案就是AI编译器。 随着深度学习的应用场景不断泛化，A

AI系统-7Pytorch数字识别实战及算子介绍 中提到使用Pytorch在PC上实现的AI算法，AI系统-17NPU架构设计介绍 中提到了NPU中的硬件实现，那么现在就有一个问题：AI算法怎么在硬件

人有五感：眼睛、耳朵、鼻子、舌头和皮肤。 这些器官中的专门细胞和组织会接收原始刺激，并将其转化为神经系统可以使用的信号。 神经将信号传递到大脑，大脑将其解释为影像（视觉）、声音（听觉）、气味（嗅觉）、

上篇文章介绍完AI SoC架构：，那么这篇就开始NPU架构了，更加重磅干货！。 之前跟随ZOMI酱《AI系统》中的内容，介绍NPU的文章不少： XXX 但是总感觉不够深入，网上介绍NPU内部结构的文章

这里首先澄清一个基础概念，AI的应用在终端设备（手机、汽车、机器人等）分为训练和推理两个阶段。 训练一般都在服务器上搞，使用的英伟达的显卡，目前还是可靠的提高超大算力可以买到的途径。训练得到的模型会部

本文主要聚焦国内AI厂商的架构技术进行探讨，独创AI芯片五步分析法，同时这5个方面也组成了AI芯片的核心。 参考：https://chenzomi12.github.io/aisystem-docs/

之前的文章讲了特斯拉的AI训练芯片DOJO，那之前特斯拉做的FSD推理芯片相对这就是小儿科了，但是就是这么个推理芯片也是难道国内的一大片厂商，核心就是其NPU和存算一体架构。 包括我们之前介绍的TPU

谷歌造TPU为了其网络AI应用，那么特斯拉造NPU就是为了智能驾驶和机器人了，同样是美国巨无霸公司，特斯拉的实力也是相当的强大。 我们来看GPU，其需要跟CPU配合使用，谷歌的TPU也差不多是。GPU

AI芯片最有动力又有技术实力公司那就是谷歌了，而且其代表了一个时代的技术创新，本文详细的讲解下TPU，带你走进AI芯片的历史和源头，让你感受下什么才是强大。 TPU基本一年更新一代，目前已经到了7代，