GPU、FPGA、ASIC、TPU四大AI芯片簡(jiǎn)單剖析！

AI芯片是當(dāng)前科技產(chǎn)業(yè)和社會(huì)關(guān)注的熱點(diǎn)，也是AI技術(shù)發(fā)展過(guò)程中不可逾越的關(guān)鍵一環(huán)，不管有什么好的AI算法，要想最終應(yīng)用，就必然要通過(guò)芯片實(shí)現(xiàn)。

談AI芯片，就必須先對(duì)AI下一個(gè)定義。在萊迪斯半導(dǎo)體亞太區(qū)資深事業(yè)發(fā)展經(jīng)理陳英仁看來(lái)，“AI神經(jīng)網(wǎng)絡(luò)”不是簡(jiǎn)單定義為某類產(chǎn)品，而是一個(gè)新的設(shè)計(jì)方法，“傳統(tǒng)的一些算法，是照規(guī)則、照邏輯的，神經(jīng)網(wǎng)絡(luò)是用數(shù)據(jù)訓(xùn)練出來(lái)的結(jié)果?！蹦墙裉煨【幘徒o大家剖析四大AI芯片。

四大AI芯片

GPU：又稱顯示核心、視覺(jué)處理器、顯示芯片，是一種專門在個(gè)人電腦、工作站、游戲機(jī)和一些移動(dòng)設(shè)備（如平板電腦、智能手機(jī)等）上圖像運(yùn)算工作的微處理器。其用途是將計(jì)算機(jī)系統(tǒng)所需要的顯示信息進(jìn)行轉(zhuǎn)換驅(qū)動(dòng)，并向顯示器提供行掃描信號(hào)，控制顯示器的正確顯示，是連接顯示器和個(gè)人電腦主板的重要元件，也是“人機(jī)對(duì)話”的重要設(shè)備之一。

在當(dāng)前的人工智能芯片領(lǐng)域，GPU的應(yīng)用領(lǐng)域不容小覷。據(jù)數(shù)據(jù)顯示，在2008至2015年期間，除了2008年GPU市場(chǎng)規(guī)模稍有下降，其余年份全球獨(dú)立顯卡的出貨量和銷售額都呈現(xiàn)出明顯的上升趨勢(shì)，并且在2012至2015年有加速上升的表現(xiàn)。

FPGA：即現(xiàn)場(chǎng)可編程門陣列，它是在PAL、GAL、CPLD等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。作為專用集成電路（ASIC）領(lǐng)域中的一種半定制電路而出現(xiàn)的芯片，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)。系統(tǒng)設(shè)計(jì)師可以根據(jù)需要通過(guò)可編輯的連接把FPGA內(nèi)部的邏輯塊連接起來(lái)，就好像一個(gè)電路試驗(yàn)板被放在了一個(gè)芯片里。

目前，國(guó)內(nèi)有許多創(chuàng)業(yè)企業(yè)，自動(dòng)加入FPGA陣營(yíng)，提供基于FPGA的解決方案。比如源于清華大學(xué)的深鑒科技，專注于深度學(xué)習(xí)處理器與編譯器技術(shù)，深鑒科技研發(fā)了一種名為“深度壓縮”的技術(shù)，它不僅可以將神經(jīng)網(wǎng)絡(luò)壓縮數(shù)十倍而不影響準(zhǔn)確度，還可以使用“片上存儲(chǔ)”來(lái)存儲(chǔ)深度學(xué)習(xí)算法模型，減少內(nèi)存讀取，大幅度減少功耗。

ASIC：即專用集成電路，是指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。目前用CPLD（復(fù)雜可編程邏輯器件）和FPGA（現(xiàn)場(chǎng)可編程邏輯陣列）來(lái)進(jìn)行ASIC設(shè)計(jì)是最為流行的方式之一，它們的共性是都具有用戶現(xiàn)場(chǎng)可編程特性，都支持邊界掃描技術(shù)，但兩者在集成度、速度以及編程方式上具有各自的特點(diǎn)。

ASIC的特點(diǎn)是面向特定用戶的需求，品種多、批量少，要求設(shè)計(jì)和生產(chǎn)周期短，它作為集成電路技術(shù)與特定用戶的整機(jī)或系統(tǒng)技術(shù)緊密結(jié)合的產(chǎn)物，與通用集成電路相比具有體積更小、重量更輕、功耗更低、可靠性提高、性能提高、保密性增強(qiáng)、成本降低等優(yōu)點(diǎn)。

TPU（Tensor Processing Unit）：是谷歌研發(fā)的一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練的處理器，主要用于深度學(xué)習(xí)、AI運(yùn)算。TPU具有像GPU和CPU一樣的編程，以及一套CISC指令集。作為機(jī)器學(xué)習(xí)處理器，不僅僅支持某一種神經(jīng)網(wǎng)絡(luò)，還支持卷積神經(jīng)網(wǎng)絡(luò)、LSTM、全連接網(wǎng)絡(luò)等多種。TPU采用低精度（8位）計(jì)算，以降低每步操作使用的晶體管數(shù)量。

雖然降低精度對(duì)于深度學(xué)習(xí)的準(zhǔn)確度影響很小，但卻可以大幅降低功耗、加快運(yùn)算速度。同時(shí)，TPU使用了脈動(dòng)陣列的設(shè)計(jì)，用來(lái)優(yōu)化矩陣乘法與卷積運(yùn)算，減少I/O操作。此外，TPU還采用了更大的片上內(nèi)存，以此減少對(duì)DRAM的訪問(wèn)，從而更大程度地提升性能。