人工智能 。异构(。计算AI
。构建更智高效) 不再仅仅一个科研课题，异构它已然成为咱们日常日子的计算一部分 。从个性化医疗、构建更智高效。异构智能。计算可穿戴设备
，构建更智高效到沉溺式数字文娱以及自主机器人，异构AI 正在重塑咱们日子 、计算作业和立异的构建更智高效办法。但是异构，跟着 AI 运用日益杂乱，计算底层的构建更智高效基础设施也有必要随之不断演进 。

这正是麻省理工科技谈论洞悉 (MIT
。 Te。chnology Review Insights) 与。 Arm。联合发布的新陈述《AI 处理的未来 (The Future of AI Processing)》所聚集的中心关键 。该陈述深化洞悉了企业怎么从头审视本身的核算战略 ，以满意当下 AI 开展的需求 ，并为未来改变做好预备。

何为异构核算？

这一改变的中心在于异构核算 ，该办法将 AI 作业负载分配到不同类型。处理器 。（如。 CPU  。 、
。GPU。 、NPU 及其他 AI 加速器）上。每个组件都具有其共同的优势：CPU 担任全体的和谐作业 ，一起处理通用使命 
，以及进行高能效的推理作业；GPU 凭仗强壮算力，可以支撑大规划的练习以及高吞吐量的运算；而 NPU 则针对实时推理进行优化 。

这种架构组合，可以让核算体系依据作业负载的特色 ，动态地将其匹配到更适宜的处理器上，然后针对功能、能效和本钱进行优化 。

Arm 工程部。机器学习
。技能副总裁 Ian Bratt 在陈述中指出 ：异构核算旨在提高功能和能效 。某个作业负载可以运行在最适宜的组件上
，但其间的某部分或许更适合运行在另一个组件上 。

AI 在作业、文娱及日子中广泛运用。

该陈述侧重论述了异构核算怎么在各种运用中完成更智能、更高效的 AI 。例如 ：

可穿戴设备和。智能家居。设备利用小型端侧处理器进行实时推理 ，一起将个性化设置、形式识别等较为杂乱的使命转移至云端处理。

农业和制造业中的
。工业机器人
。交融了 
。核算机视觉。与机器学习技能，并凭借异构核算在动态环境中完成低推迟与能耗优化
。

流媒体和游戏等文娱渠道将推理
、编码和个性化处理等使命 ，合理分配到 CPU
、GPU 和云基础设施上履行，然后完成功能与本钱效益之间的杰出平衡。

语音帮手 、猜测文本和实时翻译等运用得益于混合 AI 处理技能，从集中式云端转向边际侧和端侧核算 。这种处理办法不只可以缩短呼应时刻，增强隐私维护，还能提高能效。

这种由异构核算驱动的分布式模型，使得 AI 可以高效进行扩展，并习惯各种实践需求 。跟着 AI 模型的规划和杂乱性不断添加
，找到适宜的平衡至关重要 。在许多实践场景中 ，在云端进行推理处理是较为抱负的挑选，尤其是在运用大模型、处理来自多个数据源的海量数据
，以及需求快速向广阔用户推送更新的情况下 。

构建更智能
、更高效的未来 。

正如陈述中所着重的，能耗和本钱效益正逐渐成为业界重视的中心问题 。数据 。中心。的能耗估计将大幅增加 ，企业因而也在寻求以更少资源完成更多产出的办法。异构核算使企业可以智能地办理各类作业负载，然后削减对 GPU 进行强制扩展的需求，节省下来的本钱可以再次投入到立异开发。

这种灵敏的处理办法还可以协助企业坚持长时间的习惯性。跟着作业负载不断演化
 ，企业需求的是那些不会将其局限于固定开展途径，也不会迫使企业进行贵重改造的渠道 。而异构核算架构为企业供给了所需的多面性 ，使其在习惯改变的过程中无需做出退让 。

《AI 处理的未来》陈述深化探讨了这一全新形式，并汇集了来自 Arm、Meta、 。亚马逊。云。科技
。(AWS) 和 。三星 。等公司高层的观念 。假如你正在为新一代 AI 产品规划基础设施 ，那么这份陈述肯定值得一读 。