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。