前幾天成立僅兩年國內(nèi)專做人工智能FPGA加速算法的初創(chuàng)公司深鑒科技被國際巨頭賽靈思收購了，在業(yè)界引起不小的震動。目前國內(nèi)做AI芯片的公司可謂不少了，AI芯片已然成為了當(dāng)下芯片行業(yè)最熱領(lǐng)域。但是大部分人對AI芯片的架構(gòu)應(yīng)該都不是太了解。
那么AI 芯片和傳統(tǒng)芯片有何區(qū)別？AI芯片的架構(gòu)到底是怎么樣的？帶著這個疑問小編搜集到了來自知乎上的一些業(yè)內(nèi)行家的觀點，現(xiàn)在整理轉(zhuǎn)發(fā)給大家。先回答問題：
性能與傳統(tǒng)芯片，比如CPU、GPU有很大的區(qū)別。在執(zhí)行AI算法時，更快、更節(jié)能。
工藝沒有區(qū)別，大家都一樣。至少目前來看，都一樣。
所謂的AI芯片，一般是指針對AI算法的ASIC（專用芯片）。傳統(tǒng)的CPU、GPU都可以拿來執(zhí)行AI算法，但是速度慢，性能低，無法實際商用。
比如，自動駕駛需要識別道路行人紅綠燈等狀況，但是如果是當(dāng)前的CPU去算，那么估計車翻到河里了還沒發(fā)現(xiàn)前方是河，這是速度慢，時間就是生命。如果用GPU，的確速度要快得多，但是，功耗大，汽車的電池估計無法長時間支撐正常使用，而且，老黃家的GPU巨貴，經(jīng)常單塊上萬，普通消費者也用不起，還經(jīng)常缺貨。另外，GPU因為不是專門針對AI算法開發(fā)的ASIC，所以，說到底，速度還沒到極限，還有提升空間。而類似智能駕駛這樣的領(lǐng)域，必須快！在手機終端，可以自行人臉識別、語音識別等AI應(yīng)用，這個必須功耗低，所以GPU OUT！開發(fā)ASIC就成了必然。
說說，為什么需要AI芯片。AI算法，在圖像識別等領(lǐng)域，常用的是CNN卷積網(wǎng)絡(luò)，語音識別、自然語言處理等領(lǐng)域，主要是RNN，這是兩類有區(qū)別的算法。但是，他們本質(zhì)上，都是矩陣或vector的乘法、加法，然后配合一些除法、指數(shù)等算法。
一個成熟的AI算法，比如YOLO-V3，就是大量的卷積、殘差網(wǎng)絡(luò)、全連接等類型的計算，本質(zhì)是乘法和加法。對于YOLO-V3來說，如果確定了具體的輸入圖形尺寸，那么總的乘法加法計算次數(shù)是確定的。比如一萬億次。（真實的情況比這個大得多的多）
那么要快速執(zhí)行一次YOLO-V3，就必須執(zhí)行完一萬億次的加法乘法次數(shù)。
這個時候就來看了，比如IBM的POWER8，最先進(jìn)的服務(wù)器用超標(biāo)量CPU之一，4GHz，SIMD，128bit，假設(shè)是處理16bit的數(shù)據(jù)，那就是8個數(shù)，那么一個周期，最多執(zhí)行8個乘加計算。一次最多執(zhí)行16個操作。這還是理論上，其實是不大可能的。
那么CPU一秒鐘的巔峰計算次數(shù)=16* 4Gops =64Gops。這樣，可以算算CPU計算一次的時間了。同樣的，換成GPU算算，也能知道執(zhí)行時間。因為對GPU內(nèi)部結(jié)構(gòu)不熟，所以不做具體分析。
再來說說AI芯片。比如大名鼎鼎的谷歌的TPU1。TPU1，大約700M Hz，有256X256尺寸的脈動陣列，如下圖所示。一共256X256=64K個乘加單元，每個單元一次可執(zhí)行一個乘法和一個加法。那就是128K個操作。（乘法算一個，加法再算一個）。
另外，除了脈動陣列，還有其他模塊，比如激活等，這些里面也有乘法、加法等。
所以，看看TPU1一秒鐘的巔峰計算次數(shù)至少是=128K X 700MHz=89600Gops=大約90Tops。
對比一下CPU與TPU1，會發(fā)現(xiàn)計算能力有幾個數(shù)量級的差距，這就是為啥說CPU慢。
當(dāng)然，以上的數(shù)據(jù)都是完全最理想的理論值，實際情況，能夠達(dá)到5%吧。因為，芯片上的存儲不夠大，所以數(shù)據(jù)會存儲在DRAM中，從DRAM取數(shù)據(jù)很慢的，所以，乘法邏輯往往要等待。另外，AI算法有許多層網(wǎng)絡(luò)組成，必須一層一層的算，所以，在切換層的時候，乘法邏輯又是休息的，所以，諸多因素造成了實際的芯片并不能達(dá)到利潤的計算峰值，而且差距還極大。
可能有人要說，搞研究慢一點也能將就用。目前來看，神經(jīng)網(wǎng)絡(luò)的尺寸是越來越大，參數(shù)越來越多，遇到大型NN模型，訓(xùn)練需要花幾周甚至一兩個月的時候，你會耐心等待么？突然斷電，一切重來？曾經(jīng)動手訓(xùn)練一個寫小說的AI，然后，一次訓(xùn)練（50輪）需要大約一天一夜還多，記得如果第一天早上開始訓(xùn)練，需要到第二天下午才可能完成，這還是模型比較簡單，數(shù)據(jù)只有幾萬條的小模型呀。
修改了模型，需要幾個星期才能知道對錯，確定等得起？突然有了TPU，然后你發(fā)現(xiàn)，吃個午飯回來就好了，參數(shù)優(yōu)化一下，繼續(xù)跑，多么爽！
計算速度快，才能迅速反復(fù)迭代，研發(fā)出更強的AI模型。速度就是金錢。
GPU的內(nèi)核結(jié)構(gòu)不清楚，所以就不比較了?？隙ǖ氖?，GPU還是比較快的，至少比CPU快得多，所以目前大多數(shù)都用GPU，這玩意隨便一個都能價格輕松上萬，太貴，而且，功耗高，經(jīng)常缺貨。不適合數(shù)據(jù)中心大量使用。
總的來說，CPU與GPU并不是AI專用芯片，為了實現(xiàn)其他功能，內(nèi)部有大量其他邏輯，而這些邏輯對于目前的AI算法來說是完全用不上的，所以，自然造成CPU與GPU并不能達(dá)到最優(yōu)的性價比。
谷歌花錢研發(fā)TPU，而且目前已經(jīng)出了TPU3，用得還挺歡，都開始支持谷歌云計算服務(wù)了，貌似6點幾美元每小時吧，不記得單位了，懶得查?？梢?，谷歌覺得很有必要自己研發(fā)TPU。
目前在圖像識別、語音識別、自然語言處理等領(lǐng)域，精度最高的算法就是基于深度學(xué)習(xí)的，傳統(tǒng)的機器學(xué)習(xí)的計算精度已經(jīng)被超越，目前應(yīng)用最廣的算法，估計非深度學(xué)習(xí)莫屬，而且，傳統(tǒng)機器學(xué)習(xí)的計算量與 深度學(xué)習(xí)比起來少很多，所以，我討論AI芯片時就針對計算量特別大的深度學(xué)習(xí)而言。畢竟，計算量小的算法，說實話，CPU已經(jīng)很快了。而且，CPU適合執(zhí)行調(diào)度復(fù)雜的算法，這一點是GPU與AI芯片都做不到的，所以他們?nèi)咧皇轻槍Σ煌膽?yīng)用場景而已，都有各自的主場。
至于為何用了CPU做對比？
而沒有具體說GPU。是因為，我說了，我目前沒有系統(tǒng)查看過GPU的論文，不了解GPU的情況，故不做分析。因為積累的緣故，比較熟悉超標(biāo)量CPU，所以就用熟悉的CPU做詳細(xì)比較。而且，小型的網(wǎng)絡(luò)，完全可以用CPU去訓(xùn)練，沒啥大問題，最多慢一點。只要不是太大的網(wǎng)絡(luò)模型。
那些AI算法公司，比如曠世、商湯等，他們的模型很大，自然也不是一塊GPU就能搞定的。GPU的算力也是很有限的。
至于說CPU是串行，GPU是并行
沒錯，但是不全面。只說說CPU串行。這位網(wǎng)友估計對CPU沒有非常深入的理解。我的回答中舉的CPU是IBM的POWER8，百度一下就知道，這是超標(biāo)量的服務(wù)器用CPU，目前來看，性能已經(jīng)是非常頂級的了，主頻4GHZ。不知是否注意到我說了這是SIMD？
這個SIMD，就代表他可以同時執(zhí)行多條同樣的指令，這就是并行，而不是串行。單個數(shù)據(jù)是128bit的，如果是16bit的精度，那么一周期理論上最多可以計算八組數(shù)據(jù)的乘法或加法，或者乘加。這還不叫并行？只是并行的程度沒有GPU那么厲害而已，但是，這也是并行。
不知道為啥就不能用CPU來比較算力？
有評論很推崇GPU。說用CPU來做比較，不合適。GPU本來是從CPU中分離出來專門處理圖像計算的，也就是說，GPU是專門處理圖像計算的。包括各種特效的顯示。這也是GPU的天生的缺陷，GPU更加針對圖像的渲染等計算算法。但是，這些算法，與深度學(xué)習(xí)的算法還是有比較大的區(qū)別，而我的回答里提到的AI芯片，比如TPU，這個是專門針對CNN等典型深度學(xué)習(xí)算法而開發(fā)的。另外，寒武紀(jì)的NPU，也是專門針對神經(jīng)網(wǎng)絡(luò)的，與TPU類似。
谷歌的TPU，寒武紀(jì)的DianNao，這些AI芯片剛出道的時候，就是用CPU/GPU來對比的。
看看，谷歌TPU論文的摘要直接對比了TPU1與CPU/GPU的性能比較結(jié)果，見紅色框：
這就是摘要中介紹的TPU1與CPU/GPU的性能對比。再來看看寒武紀(jì)DianNao的paper，摘要中直接就是DianNao與CPU的性能的比較，見紅色框：
回顧一下歷史
上個世紀(jì)出現(xiàn)神經(jīng)網(wǎng)絡(luò)的時候，那一定是用CPU計算的。
比特幣剛出來，那也是用CPU在挖。目前已經(jīng)進(jìn)化成ASIC礦機了。比特大陸了解一下。
從2006年開始開啟的深度學(xué)習(xí)熱潮，CPU與GPU都能計算，發(fā)現(xiàn)GPU速度更快，但是貴啊，更多用的是CPU，而且，那時候GPU的CUDA可還不怎么樣，后來，隨著NN模型越來越大，GPU的優(yōu)勢越來越明顯，CUDA也越來越6，目前就成了GPU的專場。
寒武紀(jì)2014年的DianNao（NPU）比CPU快，而且更加節(jié)能。ASIC的優(yōu)勢很明顯啊。這也是為啥要開發(fā)ASIC的理由。
至于說很多公司的方案是可編程的，也就是大多數(shù)與FPGA配合。你說的是商湯、深鑒么？的確，他們發(fā)表的論文，就是基于FPGA的。
這些創(chuàng)業(yè)公司，他們更多研究的是算法，至于芯片，還不是重點，另外，他們暫時還沒有那個精力與實力。FPGA非常靈活，成本不高，可以很快實現(xiàn)架構(gòu)設(shè)計原型，所以他們自然會選擇基于FPGA的方案。不過，最近他們都大力融資，官網(wǎng)也在招聘芯片設(shè)計崗位，所以，應(yīng)該也在涉足ASIC研發(fā)了。
如果以FPGA為代表的可編程方案真的有巨大的商業(yè)價值，那他們何必砸錢去做ASIC？
說了這么多，我也是半路出家的，因為工作需要而學(xué)習(xí)的。按照我目前的理解，看TPU1的專利及論文，一步一步推導(dǎo)出內(nèi)部的設(shè)計方法，理解了TPU1，大概就知道了所謂的AI處理器的大部分。
然后研究研究寒武紀(jì)的一系列論文，有好幾種不同的架構(gòu)用于不同的情況，有興趣可以研究一下。然后就是另外幾個獨角獸，比如商湯、深鑒科技等，他們每年都會有論文發(fā)表，沒事去看看。這些論文，大概就代表了當(dāng)前最先進(jìn)的AI芯片的架構(gòu)設(shè)計了。
當(dāng)然，最先進(jìn)，別人肯定不會公開，比如谷歌就不曾公開關(guān)于TPU2和TPU3的相關(guān)專利，反正我沒查到。不過，沒事，目前的文獻(xiàn)已經(jīng)代表了最近幾年最先進(jìn)的進(jìn)展了。
下載文檔
