随着人工智能对各行业及国家安全产生深远影响，掌握最新硬件能力对保持技术优势至关重要。
AI加速器是专门用于加速神经网络、深度学习和机器学习等任务的系统，近十年来一直是重要的研发方向。自2018年起，林肯实验室超算中心（LLSC）的团队开始开展"林肯AI计算调查"（Lincoln AI Computing Survey，简称LAICS）。经过六篇论文的持续更新，该调查一直在总结当前商用AI加速器，并比较它们的峰值性能与峰值功耗。
"大约八年前，我们注意到研究论文中描述的AI加速器数量急剧增加，商用加速器的发布也越来越频繁，实验室的政府资助方也开始向我们询问相关问题。这些因素促使我们启动了这项调查，"LLSC工作人员阿尔伯特·罗伊瑟表示。LLSC负责运营和优化实验室数千名研究人员所使用的高性能计算系统。
尽管AI加速器常用于机器学习等流程，但它们同样能支持其他并行计算应用，比如模拟分子功能和加速流体动力学仿真——这些都是计算量极大的任务。
AI加速器技术存在多种形式：中央处理器（CPU）、图形处理器（GPU）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）以及数据流加速器。每种类型的加速器都具有略微不同的能力。CPU可用于通用计算，而ASIC只能执行非常特定的任务。数据流加速器、FPGA和GPU则更为灵活，可针对多种工作负载进行配置。不同类型加速器的效率和性能因设计方式而异。LAICS的目标就是调查当前市场上的各类技术，并进行比较，从而找出满足特定需求的最佳加速器。
该项目由罗伊瑟领导，LAICS团队成员还包括LLSC的迈克尔·琼斯、彼得·米卡莱亚斯、杰里米·凯普纳和维杰·加德帕利。团队还与林肯实验室其他部门的研究人员合作，包括先进技术部以及情报、监视、侦察与战术系统部，以了解加速器如何支持各自任务的研发工作。
该系列的第一篇论文研究了57款加速器，而最新一篇论文已涉及超过120款加速器。团队用于比较加速器的主要指标是峰值性能和功耗，随后按照芯片、卡或系统进行分类。论文中的所有数据均来自公开渠道，这一过程颇具挑战性，因为部分公司倾向于对其性能和功耗数据保密。为了紧跟该领域的最新进展，罗伊瑟每天都会进行新闻和引用检索，追踪最新的技术新闻报道、公司公告和行业演讲。
"每年总会有五到十家初创公司获得融资、宣布成立，然后发布新的AI加速器，这一点仍然令我感到惊讶，"罗伊瑟说。"人们可能会以为这个领域已经足够饱和了，但随后又会涌现出一批创新型加速器。"
除了总结当前加速器的性能与峰值功耗对比外，每篇论文还会探讨该领域的一个新方面。例如，2022年发表的论文研究了性能提升的来源，发现其主要得益于更小、更密集的晶体管设计，以及采用更低数值精度（即计算时保留更少的有效数字）。最新论文则研究了可用的不同架构选择，分析了增加某些组件（例如每个处理器增加更多核心或提升并行性能）会对系统带来怎样的变化。
罗伊瑟计划在可预见的未来继续开展这项调查，他表示，仅在过去几个月中，就有六家新的初创公司宣布推出了首款AI加速器。
"AI及其所依赖的硬件都是热门话题，对于林肯实验室而言，在选择和推进正确技术方面充当公正的技术顾问非常重要，"罗伊瑟说。"我们的AI加速器调查帮助许多资助方和政府同行更好地了解了AI加速器领域的格局，并在相关研究和采购决策上做出更明智的判断。这项调查对于确定我们在未来LLSC系统采购中应考虑哪些GPU也极具价值，因此它不仅惠及我们的资助方和任务项目，也惠及所有LLSC用户。"
完整的论文集及相关数据集可在相关网站查询。
Q&A
Q1：林肯AI计算调查（LAICS）是什么？
A：LAICS是林肯实验室超算中心自2018年起开展的一项调查，主要总结当前商用AI加速器的情况，并比较它们的峰值性能与峰值功耗，目前已发布六篇论文。
Q2：AI加速器主要有哪些类型？
A：AI加速器主要包括中央处理器（CPU）、图形处理器（GPU）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）以及数据流加速器，各类型在灵活性和适用场景上有所不同。
Q3：最新一期LAICS论文研究了多少款加速器？
A：最新一篇论文研究了超过120款AI加速器，而该系列第一篇论文最初只研究了57款。
