但区别于特殊用途集成电路（ASIC）的单一功能，神经性网络器在处理更加复杂的问题方面更加灵活。
一般都可以利用软件或硬件依照网络运算的特性特别编程从而实现网络的特殊用途，在一块芯片上实现许多不同功能，以应用于多种不同的网络设备及产品。
而海思和华芯设计的这套架构，通过采用“数据驱动并行计算”的方式，在处理视频、图像类的海量多媒体数据上相对比传统方式更加擅长。
可以说是青出于蓝而胜于蓝。
不过目前这套架构在构造的时候涉及到了很多的系统性的数学难题，比如激活函数、二维数据运算、解压缩等模块等等。
如果是在常规的CPU或者GPU芯片中，这些问题并不是难题。但是NPU神经性网络架构和前两者的性质不同，其数学的兼容性也完全不同。
这就导致设计出来的芯片在性能上甚至还不如10纳米甚至是14纳米的芯片。
目前来说，卡主海思和华芯的难点就在这里。
神经网络和机器学习处理在现在还是处于需求爆发的初期，这方面的数学家相对比传统的CPU/GPU架构数学家要少很多，国外研究这方面的人才都没有多少，更别提国内了。
所以迫不得已之下，发改那边才找上了他，寄希望于他能帮忙解决一下这方面的数学难题。
了解清楚整体的情况后，徐川才点开了数学文件，翻阅了起来。
内容未完，下一页继续阅读