AI算力比较|人工智能技术运算
【AI算力比较|人工智能技术运算】lot物联网小编为你整理了的相关内容，希望能为你解答。
AI计算能力比较大公司在表中是一种显示不同公司使用多少计算资源来训练和运行他们的人工智能模型的方法。它可以帮助理解AI研究和开发的规模和成本，以及不同AI应用的潜在影响和竞争力。
然而，找到可靠和一致的数据在AI计算能力不同公司是不容易的，因为许多公司不公开这些信息或使用不同的指标和方法来衡量它。因此，任何基于可用数据的比较可能是不完整，过时或不准确的。
一个可能的数据来源是AI指数报告2021，它提供了一些估计的AI计算能力为选定的公司基于他们发表的论文。该报告使用了一个叫做petaflop/s-days的指标，它衡量了多少浮点运算每秒（FLOPS）执行了多少天来训练一个模型。该报告还提供了一个粗略的转换因子，1 petaflop/s-day = $11.54，基于租用云计算服务的平均成本。
根据这个来源，这里是一个表格，显示了一些大公司在2020年的AI计算能力比较，按照petaflop/s-days的降序排列：
公司
模型
任务
Petaflop/s-days
估计成本（美元）
谷歌
Meena
对话代理
3413
3940万
微软
Turing-NLG
自然语言生成
2858
3300万
谷歌
GShard
多语言机器翻译
2048
2360万
英伟达
Megatron-LM
自然语言理解
512
590万
DLRM
推荐系统
16
18万
IBM
PaccMannRL
药物发现
0.9
1万
注意：这个表格是基于AI指数报告2021，表3.4，第50页的数据。数据可能不反映最新或最准确的信息，也可能不包括其他影响AI模型的计算能力或成本的因素，如硬件，软件，数据，优化，效率或可扩展性。该表格也没有包括其他可能使用更多或更少计算能力的AI模型但没有公布他们的数据的公司。
以上内容为【AI算力比较|人工智能技术运算】的相关内容，更多相关内容关注lot物联网。
