主流AI芯片架構(gòu)的對比分析

　　當(dāng)前主流的AI芯片主要分為三類，GPU、FPGA、ASIC。其中GPU、FPGA均是前期較為成熟的芯片架構(gòu)，屬于通用型芯片。ASIC屬于為AI特定場景定制的芯片。

　　GPU(圖像處理單元)：GPU最初承擔(dān)圖像計(jì)算任務(wù)，能夠進(jìn)行并行計(jì)算，因此GPU架構(gòu)本身比較適合深度學(xué)習(xí)算法，通過對GPU的優(yōu)化，進(jìn)一步滿足深度學(xué)習(xí)大量計(jì)算需求。其主要缺點(diǎn)在于功耗較高。

　　FPGA(FieldProgrammableGateArray，現(xiàn)場可編程門陣列)：FPGA，具有足夠的計(jì)算能力、較低的試錯成本和足夠的靈活性。FPGA的計(jì)算速度快是源于它本質(zhì)上是無指令、無需共享內(nèi)存的體系結(jié)構(gòu)。對于保存狀態(tài)的需求，F(xiàn)PGA中的寄存器和片上內(nèi)存(BRAM)是屬于各自的控制邏輯的，無需不必要的仲裁和緩存，因此FPGA在運(yùn)算速度足夠快，優(yōu)于GPU。同時，相比量產(chǎn)成本高昂的ASIC芯片，因?yàn)樗且环N半定制的硬件，通過編程可定義其中的單元配置和鏈接架構(gòu)進(jìn)行計(jì)算，因此在靈活性上優(yōu)于ASIC，具備較低試錯成本。

　　ASIC(ApplicationSpecificIntegratedCircuit特定用途集成電路)：根據(jù)產(chǎn)品的需求進(jìn)行特定設(shè)計(jì)和制造的集成電路，能夠在特定功能上進(jìn)行強(qiáng)化，具有更高的處理速度和更低的能耗。缺點(diǎn)是成本高，且由于是定制化，可復(fù)制性一般，因此只有用量足夠大時才能夠分?jǐn)偳捌谕度?，降低成本?/p>