人工智能芯片目前有兩種發(fā)展路徑：一種是延續(xù)傳統(tǒng)計算架構(gòu)，加速硬件計算能力，主要以 3 種類型的芯片為代表，即GPU、 FPGA、 ASIC，但CPU依舊發(fā)揮著不可替代的作用；另一種是顛覆經(jīng)典的馮·諾依曼計算架構(gòu)，采用類腦神經(jīng)結(jié)構(gòu)來提升計算能力，以IBM TrueNorth芯片為代表。

傳統(tǒng) CPU

計算機工業(yè)從1960年代早期開始使用CPU這個術(shù)語。迄今為止，CPU從形態(tài)、設(shè)計到實現(xiàn)都已發(fā)生了巨大的變化，但是其基本工作原理卻一直沒有大的改變。 通常 CPU 由控制器和運算器這兩個主要部件組成。 傳統(tǒng)的 CPU 內(nèi)部結(jié)構(gòu)圖如圖所示：

傳統(tǒng)CPU內(nèi)部結(jié)構(gòu)圖(ALU計算模塊)

從圖中我們可以看到：實質(zhì)上僅單獨的ALU模塊(邏輯運算單元)是用來完成數(shù)據(jù)計算的，其他各個模塊的存在都是為了保證指令能夠一條接一條的有序執(zhí)行。這種通用性結(jié)構(gòu)對于傳統(tǒng)的編程計算模式非常適合，同時可以通過提升CPU主頻(提升單位時間內(nèi)執(zhí)行指令的條數(shù))來提升計算速度。 但對于深度學習中的并不需要太多的程序指令、 卻需要海量數(shù)據(jù)運算的計算需求， 這種結(jié)構(gòu)就顯得有些力不從心。尤其是在功耗限制下， 無法通過無限制的提升 CPU 和內(nèi)存的工作頻率來加快指令執(zhí)行速度， 這種情況導致 CPU 系統(tǒng)的發(fā)展遇到不可逾越的瓶頸。

并行加速計算的GPU

GPU 作為最早從事并行加速計算的處理器，相比 CPU 速度快， 同時比其他加速器芯片編程靈活簡單。

傳統(tǒng)的 CPU 之所以不適合人工智能算法的執(zhí)行，主要原因在于其計算指令遵循串行執(zhí)行的方式，沒能發(fā)揮出芯片的全部潛力。與之不同的是， GPU 具有高并行結(jié)構(gòu)，在處理圖形數(shù)據(jù)和復雜算法方面擁有比 CPU 更高的效率。對比 GPU 和 CPU 在結(jié)構(gòu)上的差異， CPU大部分面積為控制器和寄存器，而 GPU 擁有更ALU(邏輯運算單元)用于數(shù)據(jù)處理，這樣的結(jié)構(gòu)適合對密集型數(shù)據(jù)進行并行處理， CPU 與 GPU 的結(jié)構(gòu)對比如圖 所示。

CPU及GPU結(jié)構(gòu)對比圖

程序在 GPU系統(tǒng)上的運行速度相較于單核 CPU往往提升幾十倍乃至上千倍。隨著英偉達、 AMD 等公司不斷推進其對 GPU 大規(guī)模并行架構(gòu)的支持，面向通用計算的GPU(即GPGPU，通用計算圖形處理器)已成為加速可并行應用程序的重要手段，GPU 的發(fā)展歷程可分為 3 個階段：

第一代GPU(1999年以前)，部分功能從CPU分離 ， 實現(xiàn)硬件加速 ， 以GE(GEOMETRY ENGINE)為代表，只能起到 3D 圖像處理的加速作用，不具有軟件編程特性。

第二代 GPU(1999-2005 年)， 實現(xiàn)進一步的硬件加速和有限的編程性。 1999年，英偉達發(fā)布了“專為執(zhí)行復雜的數(shù)學和幾何計算的” GeForce256 圖像處理芯片，將更多的晶體管用作執(zhí)行單元， 而不是像 CPU 那樣用作復雜的控制單元和緩存，將(TRANSFORM AND LIGHTING)等功能從 CPU 分離出來，實現(xiàn)了快速變換，這成為 GPU 真正出現(xiàn)的標志。之后幾年， GPU 技術(shù)快速發(fā)展，運算速度迅速超過 CPU。 2001年英偉達和ATI 分別推出的GEFORCE3和RADEON 8500，圖形硬件的流水線被定義為流處理器，出現(xiàn)了頂點級可編程性，同時像素級也具有有限的編程性，但 GPU 的整體編程性仍然比較有限。

第三代 GPU(2006年以后)， GPU實現(xiàn)方便的編程環(huán)境創(chuàng)建， 可以直接編寫程序。 2006年英偉達與ATI分別推出了CUDA (Compute United Device Architecture，計算統(tǒng)一設(shè)備架構(gòu))編程環(huán)境和CTM(CLOSE TO THE METAL)編程環(huán)境， 使得 GPU 打破圖形語言的局限成為真正的并行數(shù)據(jù)處理超級加速器。

2008年，蘋果公司提出一個通用的并行計算編程平臺 OPENCL(開放運算語言)，與CUDA綁定在英偉達的顯卡上不同，OPENCL 和具體的計算設(shè)備無關(guān)。

GPU芯片的發(fā)展階段

目前， GPU 已經(jīng)發(fā)展到較為成熟的階段。谷歌、 FACEBOOK、微軟、 Twtter和百度等公司都在使用GPU 分析圖片、視頻和音頻文件，以改進搜索和圖像標簽等應用功能。此外，很多汽車生產(chǎn)商也在使用GPU芯片發(fā)展無人駕駛。 不僅如此， GPU也被應用于VR/AR 相關(guān)的產(chǎn)業(yè)。

但是 GPU也有一定的局限性。 深度學習算法分為訓練和推斷兩部分， GPU 平臺在算法訓練上非常高效。但在推斷中對于單項輸入進行處理的時候，并行計算的優(yōu)勢不能完全發(fā)揮出來。

半定制化的FPGA

FPGA 是在PAL、 GAL、 CPLD等可編程器件基礎(chǔ)上進一步發(fā)展的產(chǎn)物。用戶可以通過燒入 FPGA 配置文件來定義這些門電路以及存儲器之間的連線。這種燒入不是一次性的，比如用戶可以把 FPGA 配置成一個微控制器 MCU，使用完畢后可以編輯配置文件把同一個FPGA 配置成一個音頻編解碼器。因此， 它既解決了定制電路靈活性的不足，又克服了原有可編程器件門電路數(shù)有限的缺點。

FPGA可同時進行數(shù)據(jù)并行和任務并行計算，在處理特定應用時有更加明顯的效率提升。對于某個特定運算，通用 CPU可能需要多個時鐘周期，而 FPGA 可以通過編程重組電路，直接生成專用電路，僅消耗少量甚至一次時鐘周期就可完成運算。

此外，由于 FPGA的靈活性，很多使用通用處理器或 ASIC難以實現(xiàn)的底層硬件控制操作技術(shù)， 利用 FPGA 可以很方便的實現(xiàn)。這個特性為算法的功能實現(xiàn)和優(yōu)化留出了更大空間。同時FPGA 一次性成本(光刻掩模制作成本)遠低于ASIC，在芯片需求還未成規(guī)模、深度學習算法暫未穩(wěn)定， 需要不斷迭代改進的情況下，利用 FPGA 芯片具備可重構(gòu)的特性來實現(xiàn)半定制的人工智能芯片是最佳選擇之一。

功耗方面，從體系結(jié)構(gòu)而言， FPGA 也具有天生的優(yōu)勢。傳統(tǒng)的馮氏結(jié)構(gòu)中，執(zhí)行單元(如 CPU 核)執(zhí)行任意指令，都需要有指令存儲器、譯碼器、各種指令的運算器及分支跳轉(zhuǎn)處理邏輯參與運行， 而FPGA每個邏輯單元的功能在重編程(即燒入)時就已經(jīng)確定，不需要指令，無需共享內(nèi)存，從而可以極大的降低單位執(zhí)行的功耗，提高整體的能耗比。

由于 FPGA 具備靈活快速的特點， 因此在眾多領(lǐng)域都有替代ASIC 的趨勢。 FPGA 在人工智能領(lǐng)域的應用如圖所示。

FPGA 在人工智能領(lǐng)域的應用

全定制化的ASIC

目前以深度學習為代表的人工智能計算需求，主要采用GPU、FPGA等已有的適合并行計算的通用芯片來實現(xiàn)加速。在產(chǎn)業(yè)應用沒有大規(guī)模興起之時，使用這類已有的通用芯片可以避免專門研發(fā)定制芯片(ASIC)的高投入和高風險。但是，由于這類通用芯片設(shè)計初衷并非專門針對深度學習，因而天然存在性能、 功耗等方面的局限性。隨著人工智能應用規(guī)模的擴大，這類問題日益突顯。

GPU作為圖像處理器， 設(shè)計初衷是為了應對圖像處理中的大規(guī)模并行計算。因此，在應用于深度學習算法時，有三個方面的局限性：

第一：應用過程中無法充分發(fā)揮并行計算優(yōu)勢。深度學習包含訓練和推斷兩個計算環(huán)節(jié)， GPU 在深度學習算法訓練上非常高效， 但對于單一輸入進行推斷的場合， 并行度的優(yōu)勢不能完全發(fā)揮。

第二：無法靈活配置硬件結(jié)構(gòu)。GPU 采用 SIMT 計算模式， 硬件結(jié)構(gòu)相對固定。 目前深度學習算法還未完全穩(wěn)定，若深度學習算法發(fā)生大的變化， GPU 無法像 FPGA 一樣可以靈活的配制硬件結(jié)構(gòu)。

第三：運行深度學習算法能效低于FPGA。

盡管 FPGA 倍受看好，甚至新一代百度大腦也是基于 FPGA 平臺研發(fā)，但其畢竟不是專門為了適用深度學習算法而研發(fā)，實際應用中也存在諸多局限：

第一：基本單元的計算能力有限。為了實現(xiàn)可重構(gòu)特性， FPGA 內(nèi)部有大量極細粒度的基本單元，但是每個單元的計算能力(主要依靠 LUT 查找表)都遠遠低于 CPU 和 GPU 中的 ALU 模塊。

第二：計算資源占比相對較低。為實現(xiàn)可重構(gòu)特性， FPGA 內(nèi)部大量資源被用于可配置的片上路由與連線。

第三：速度和功耗相對專用定制芯片(ASIC)仍然存在不小差距。

第四，：FPGA 價格較為昂貴。在規(guī)模放量的情況下單塊 FPGA 的成本要遠高于專用定制芯片。

因此，隨著人工智能算法和應用技術(shù)的日益發(fā)展，以及人工智能專用芯片 ASIC產(chǎn)業(yè)環(huán)境的逐漸成熟， 全定制化人工智能 ASIC也逐步體現(xiàn)出自身的優(yōu)勢，從事此類芯片研發(fā)與應用的國內(nèi)外比較有代表性的公司如圖所示。

人工智能專用芯片研發(fā)情況一覽

深度學習算法穩(wěn)定后， AI 芯片可采用ASIC設(shè)計方法進行全定制， 使性能、功耗和面積等指標面向深度學習算法做到最優(yōu)。

類腦芯片

類腦芯片不采用經(jīng)典的馮·諾依曼架構(gòu)， 而是基于神經(jīng)形態(tài)架構(gòu)設(shè)計，以IBM Truenorth為代表。IBM 研究人員將存儲單元作為突觸、計算單元作為神經(jīng)元、傳輸單元作為軸突搭建了神經(jīng)芯片的原型。

目前， Truenorth用三星 28nm功耗工藝技術(shù)，由54億個晶體管組成的芯片構(gòu)成的片上網(wǎng)絡(luò)有4096個神經(jīng)突觸核心，實時作業(yè)功耗僅為70mW。由于神經(jīng)突觸要求權(quán)重可變且要有記憶功能， IBM采用與CMOS工藝兼容的相變非易失存儲器(PCM)的技術(shù)實驗性的實現(xiàn)了新型突觸，加快了商業(yè)化進程。