2019年被稱為AI元年，在這一年，谷歌公布了第三代人工智能芯片TPU，專門對自家TensorFlow進行了優(yōu)化，這塊芯片比傳統(tǒng)CPU運算快30倍，能效比高出200倍，如此驚艷表現(xiàn)讓大量AI公司著手規(guī)劃自己的芯片，AI技術(shù)的芯片化成為了當(dāng)前AI產(chǎn)業(yè)發(fā)展的一種世界級現(xiàn)象。
除了谷歌，AWS，微軟，蘋果，百度等世界IT巨頭，依圖，地平線，寒武紀等本土AI獨角獸也在積極研發(fā)自己的AI芯片。新近AI創(chuàng)業(yè)公司大多選擇以算法的芯片化作為市場的切入點。AI產(chǎn)業(yè)也正處在從算法輸出走向芯片研發(fā)的轉(zhuǎn)型過程中。
目前主流的芯片架構(gòu)主要分為GPU、FPGA、ASIC等技術(shù)流派，代表玩家分別為英偉達、賽靈思、谷歌。
GPU其實就是我們平時用到的顯卡芯片，每塊顯卡當(dāng)中都會有一塊GPU協(xié)同電腦的CPU來進行圖形加速運算，與CPU相比GPU擁有更多的算數(shù)邏輯單元ALU，這可以很方便地執(zhí)行AI這種相對小型化的零散型任務(wù)，GPU擁有更多算數(shù)邏輯單元，可以形成數(shù)量可觀的任務(wù)流水線，將運算進行并行處理。
談到GPU就不得不提及計算機圖形顯示領(lǐng)域的巨人英偉達，英偉達在人工智能領(lǐng)域起步很早，積累扎實，從2007年以后通用計算需求下降，CPU市場企穩(wěn)，在游戲市場的推動下GPU的性能和帶寬不斷提升，DNN的需求也在這一時間顯現(xiàn)，英偉達的GPU恰好滿足了當(dāng)時AI市場需求，從此以后AI便成為了英偉達投資的一個重要市場。
英偉達在算力和開發(fā)環(huán)境方面一直處于業(yè)界領(lǐng)先地位，2019年英偉達上市了最新的Volta架構(gòu)GPU，算力高達960 Tensor TFLOPS，其基于C語言的CUDA編程環(huán)境擁有廣泛的開發(fā)者基礎(chǔ)。與AWS的合作，讓開發(fā)者能夠在云端執(zhí)行深度學(xué)習(xí)運算，不需要額外購買GPU設(shè)備。
無處不在的安裝基礎(chǔ)讓英偉達在用戶生態(tài)和采購成本方面上占絕有對優(yōu)勢，很多初創(chuàng)公司以及院校研究機構(gòu)都會選擇英偉達GPU作為主要平臺切入市場，這也使得英偉達生態(tài)擴張很快，市場占有率不斷走強，根據(jù)最新公布的數(shù)字，英偉達在AI芯片市場占有率已經(jīng)達到了50%，絕對的NO.1。
雖然GPU運算能力很強但缺點也不少，比如在訓(xùn)練型運算如ADAS等應(yīng)用上表現(xiàn)出色，占絕對支配地位，但對于推理類運算相對FPGA較弱，此外由于內(nèi)部是采用的是公版架構(gòu)設(shè)計，所以GPU的晶體管數(shù)量非常龐大，要比ASIC高出十倍，這樣最直接的問題就是堆料嚴重，導(dǎo)致成本高和功耗巨大，這也是英偉達GPU被詬病最多的地方。市場目前對于這些缺點還算比較能容忍，客戶現(xiàn)階段最關(guān)心的還是算力，畢竟節(jié)約AI訓(xùn)練時間更加關(guān)鍵。英偉達目前也擁有自己的ASIC產(chǎn)品Xaier專門用于ADAS，這是一款車規(guī)級的產(chǎn)品，雖然已經(jīng)實現(xiàn)了量產(chǎn)，但規(guī)模小，庫卡機器人，價格偏貴，主要面向與L5級自動駕駛高端市場。
ASIC全稱Application Specific Integrated Circuits專用集成電路，這種架構(gòu)可以被理解為專門為某一項算法定制的芯片，這樣的產(chǎn)品優(yōu)點非常突出，比如由于其依據(jù)特定算法設(shè)計，不像GPU那樣堆料，容易控制硬件成本，功耗自然也低，但缺點也很突出，由于沒有重構(gòu)能力，一旦算法發(fā)生迭代，其優(yōu)化的效果就會失效，比如此前的比特大陸ASIC礦機，挖礦機制更新后性能就會變差，設(shè)備只能進行重新設(shè)計。
TPU Tensor processing unit就是ASIC類型芯片的代表，財力雄厚的谷歌不僅在軟件算法上投資發(fā)力，也在定制自己的AI芯片，TPU同時也是Alpha Go的大腦。其實谷歌最早采用的也是英偉達的GPU，但后期出于多種考慮開始轉(zhuǎn)向研發(fā)自家芯片，這也導(dǎo)致了英偉達轉(zhuǎn)向與AWS進行深度合作。谷歌的商業(yè)模式一直非常具有創(chuàng)意，在AI上也是一樣，雖然開放了底層架構(gòu)TensorFlow，但在芯片業(yè)務(wù)上，選擇了只租不賣，對比英偉達的芯片出售模式，谷歌似乎規(guī)劃更長遠，希望開發(fā)一套通用平臺直接服務(wù)最終用戶，當(dāng)然這樣的商業(yè)模式最后能不能成功暫且不論，單單是開發(fā)ASIC就非常具有戰(zhàn)略意義，相比FPGA和GPU，ASIC無論是在功耗還是堆料成本上都要節(jié)約得多，計算效率也要高出很多。但谷歌這枚TPU從嚴格的意義上講是擁有少部分可重構(gòu)能力的，所以應(yīng)該算是FPGA與ASIC之間的芯片，但隨著谷歌算法不斷的升級和完善，這部分重構(gòu)能力很可能會被谷歌抹掉，將其設(shè)計成為完全獨立的ASIC芯片。值得注意的是，依圖也借鑒了谷歌這種商業(yè)模式，開發(fā)自研芯片，而且只供自己的服務(wù)器使用，不對外出售，亞馬遜的AWS也可能是出于對功耗的顧慮，近期也在轉(zhuǎn)向自家ASIC的研究。
FPGA全稱FieldProgrammable Gate Array，現(xiàn)場可編程邏輯門陣列，可以被理解為一種半成品的ASIC，擁有極其優(yōu)秀的可重構(gòu)能力，其硬件加速性能比DSP更加優(yōu)秀，擁有類似GPU那樣多的小單元來將任務(wù)流水線并行處理掉，在推理運算方面明顯優(yōu)于GPU。
FPGA 的主要玩家是賽靈思，很多AI初創(chuàng)公司都選擇賽靈思平臺作為市場切入工具，如深鑒科技（已被賽靈思收購），這樣的趨勢下也進一步擴大了FPGA的市場占有率，讓賽靈思成為了能夠和英偉達分庭抗禮的另外一個生態(tài)陣營，其老對手Altera被英特爾收購后，在AIOT領(lǐng)域明顯發(fā)力不足，在AI市場上的競爭基本不足為慮。
FPGA很好的解決了現(xiàn)階段AI開發(fā)者面臨的問題，在大多數(shù)初創(chuàng)公司都還處在尋找應(yīng)用場景的階段，F(xiàn)PGA給算法的迭代提供了一個比較節(jié)約的選擇。利用FPGA的可重構(gòu)能力，開發(fā)者可以多次改變項目的特征，實現(xiàn)芯片的復(fù)用。使用FPGA雖然能夠省掉了流片成本，但相對來說還是較貴，而且由于其追求可重構(gòu)的能力，在設(shè)計上就沒能達到極致優(yōu)化，功耗比ASIC要高出不少，且技術(shù)難度較大，高級開發(fā)人員較少，項目成本較高，在訓(xùn)練型計算中表現(xiàn)中低于GPU。
就像GPU一樣，雖然FPGA有不少缺點，但也沒辦法擋住其火爆的趨勢，大量AI公司選擇FPGA來進行算法的開發(fā)驗證以及芯片的前期定制，甚至蘋果這種大公司也將FPGA嵌入到自家A12芯片中，提供AI能力。
