重新定義AI芯片

人工智能芯片經(jīng)歷了從CPU->GPU->FPGA->AI芯片的發(fā)展歷程。

阿爾法狗的首次戰(zhàn)勝人類(lèi)可謂是費(fèi)了“洪荒之力”，本質(zhì)上是基于馮.諾依曼計(jì)算架構(gòu)所決定的。于是具備強(qiáng)大并行計(jì)算能力與浮點(diǎn)計(jì)算能力GPU一度成為深度學(xué)習(xí)模型訓(xùn)練和推理的標(biāo)配。相比CPU，GPU提供更快的處理速度，需要更少的服務(wù)器投入和更低的功耗，成為近些年來(lái)深度學(xué)習(xí)訓(xùn)練的主流模式。

但GPU無(wú)法滿足所有場(chǎng)景深度學(xué)習(xí)計(jì)算任務(wù)。除前面所述，再舉個(gè)例子，比如L4自動(dòng)駕駛，需要識(shí)別道路、行人、紅綠燈等狀況，如果基于CPU計(jì)算，時(shí)延無(wú)法滿足要求，恐怕車(chē)翻到河里還沒(méi)發(fā)現(xiàn)前方是河；如果用GPU計(jì)算，雖然時(shí)延可以滿足要求，但是功耗大，汽車(chē)電池?zé)o法長(zhǎng)時(shí)間運(yùn)行。此外，1塊GPU卡少則萬(wàn)元多則近10萬(wàn)人民幣，無(wú)法普及大多數(shù)普通消費(fèi)者。

本質(zhì)上，GPU不是專(zhuān)門(mén)針對(duì)AI算法開(kāi)發(fā)的ASIC，人們亟需找到既能解決深度學(xué)習(xí)訓(xùn)練和推理的運(yùn)算能力，又能解決功耗和成本問(wèn)題的芯片，F(xiàn)PGA芯片在這樣背景下誕生。

FPGA可編程的陣列（Field-ProgrammableGateArray），作為ASIC領(lǐng)域中的一種半定制電路而出現(xiàn)，本質(zhì)上是基于無(wú)指令，無(wú)需共享內(nèi)存的體系架構(gòu)創(chuàng)新，滿足了特定場(chǎng)景的需求。

FPGA主要通過(guò)以下手段提升性能、降低時(shí)延；減少能耗、降低成本：

通過(guò)燒入可配置、可反復(fù)刷寫(xiě)的FPGA配置文件來(lái)定義大量門(mén)電路和存儲(chǔ)器間的連線。

通過(guò)配置文件，將FPGA變成不同的處理器，支持各種不同的深度學(xué)習(xí)計(jì)算任務(wù)。

FPGA中的寄存器和片上內(nèi)存，屬于各自的控制邏輯，無(wú)需不必要的沖裁和緩存。

根據(jù)研究發(fā)現(xiàn)，對(duì)于大量的矩陣運(yùn)算GPU計(jì)算能力遠(yuǎn)高于FPGA，但是由于FPGA體系結(jié)構(gòu)特點(diǎn)，非常適用于低時(shí)延、流式計(jì)算密集型任務(wù)處理。在類(lèi)似海量并發(fā)的云端推斷，比如語(yǔ)音云識(shí)別場(chǎng)景，F(xiàn)PGA相比GPU具備更低計(jì)算時(shí)延的優(yōu)勢(shì)，能夠提供更佳的消費(fèi)者體驗(yàn)。