人工智能（AI）主要包括三大要素，分別是數(shù)據(jù)、算法和算力。其中數(shù)據(jù)是基礎(chǔ)，正是因?yàn)樵趯?shí)際應(yīng)用當(dāng)中的數(shù)據(jù)量越來越大，使得傳統(tǒng)計(jì)算方式和硬件難以滿足要求，才催生了AI應(yīng)用的落地。而算法是連接軟件、數(shù)據(jù)、應(yīng)用和硬件的重要橋梁，非常關(guān)鍵。算力方面，主要靠硬件實(shí)現(xiàn)，也就是各種實(shí)現(xiàn)AI功能的處理器，而隨著應(yīng)用和技術(shù)的發(fā)展，能實(shí)現(xiàn)各種算力、滿足不同應(yīng)用的AI處理器陸續(xù)登場(chǎng)，經(jīng)過不同的發(fā)展階段，發(fā)揮著各自的作用。

在比較成熟的AI平臺(tái)方面，在2012年出現(xiàn)了AlexNet，一直到最近，2018年出現(xiàn)了AlphaGo Zero，在短短的6年內(nèi)，算力提高了20多萬倍，這完全不同于傳統(tǒng)計(jì)算硬件（如CPU、mcu等）的演進(jìn)軌跡，速度之驚人令我們難以預(yù)測(cè)。

來自O(shè)penAI的分析顯示，近幾年，AI訓(xùn)練所需的算力每3個(gè)多月就會(huì)翻倍，這比著名的摩爾定律（每18~24個(gè)月，芯片的性能翻倍）演進(jìn)速度快多了。而提升算力的關(guān)鍵是芯片設(shè)計(jì)，特別是底層的架構(gòu)設(shè)計(jì)，目前來看，傳統(tǒng)的芯片架構(gòu)已經(jīng)難以滿足AI應(yīng)用的需要。包括IC廠商和互聯(lián)網(wǎng)企業(yè)在內(nèi)，越來越多的廠商開始投入研發(fā)或已經(jīng)推出AI專用芯片。根據(jù)Gartner統(tǒng)計(jì)，AI芯片在2017年的市場(chǎng)規(guī)模約為46億美元，而到2020年，預(yù)計(jì)將會(huì)達(dá)到148億美元，年均復(fù)合增長(zhǎng)率為47%。而據(jù)麥肯錫預(yù)測(cè)，未來10年，人工智能和深度學(xué)習(xí)將成為提升硅片需求的主要因素，2025年，在AI的推動(dòng)下，全球硅片營(yíng)收將超過600億美元，接近全球半導(dǎo)體銷售額的20%。

三種AI芯片的對(duì)比

從AI芯片的應(yīng)用場(chǎng)景類別來看，主要分為云端和終端。目前，AI在云端應(yīng)用的更多，相對(duì)成熟，而其在云端應(yīng)用又可分為訓(xùn)練和推理兩種，其中訓(xùn)練的市場(chǎng)規(guī)模占比較高。另外，訓(xùn)練需要的數(shù)據(jù)量和計(jì)算量較大，所用的處理器主要是GPU。至于推理，也以GPU為主，此外，還有FPGA，以及專用的AI芯片（ASIC），其中，ASIC還不是很成熟，量產(chǎn)的產(chǎn)品也不多，因此用量有限，還處于發(fā)展初期，如果能實(shí)現(xiàn)大規(guī)模量產(chǎn)，其性能和成本是最優(yōu)的，主要推進(jìn)廠商是Google，其標(biāo)志性產(chǎn)品就是TPU。

綜上，目前，行業(yè)為實(shí)現(xiàn)AI計(jì)算，主要采用的芯片有三種，分別是通用型的GPU，可定制的FPGA，以及專用的ASIC。

在計(jì)算層面，芯片的晶體管數(shù)量和芯片面積決定了算力，面積越大算力越強(qiáng)，但功耗也將隨之增加。過去幾年，在AI處理器的選擇上，可用于通用基礎(chǔ)計(jì)算且運(yùn)算速率更快的GPU迅速成為實(shí)現(xiàn)AI計(jì)算的主流芯片，英偉達(dá)也因此占據(jù)著數(shù)據(jù)中心AI芯片的主要市場(chǎng)份額。

FPGA是典型的半定制化芯片，其功能可以通過編程來修改，并行計(jì)算能力很強(qiáng)，但是延遲和功耗遠(yuǎn)低于GPU，而與ASIC相比，F(xiàn)PGA的一次性成本要低很多，但其量產(chǎn)成本很高。因此，在實(shí)際應(yīng)用需求還未成規(guī)模，且算法需要不斷迭代、改進(jìn)的情況下，利用FPGA的可重構(gòu)特性來實(shí)現(xiàn)半定制的AI芯片是最佳選擇。

AI專用芯片ASIC是面向特定應(yīng)用需求而定制的芯片，一旦流片，其功能無法更改，因此，必須要有量的保證，且應(yīng)用需求穩(wěn)定，不會(huì)發(fā)生大的變化。專用ASIC芯片的性能高于FPGA，如果出貨量可觀，其單顆成本可做到遠(yuǎn)低于FPGA和GPU。

目前來看，由于GPU具備強(qiáng)大的并行計(jì)算能力和完善的生態(tài)系統(tǒng)，現(xiàn)在云端AI應(yīng)用方面處于主導(dǎo)地位。FPGA方面，由于是半定制化的，可以通過編程來實(shí)現(xiàn)不同的功能電路，因此，其在通用性和性能之間取得了比較好的平衡，但是較高的開發(fā)門檻和量產(chǎn)成本，對(duì)其應(yīng)用是個(gè)限制。

圖：在實(shí)現(xiàn)AI功能方面，GPU、FPGA和ASIC的優(yōu)缺點(diǎn)對(duì)比（來源：長(zhǎng)城證券研究所）

專用的AI芯片應(yīng)該是未來的發(fā)展趨勢(shì)，無論是在云端還是在邊緣側(cè)，隨著應(yīng)用的逐漸落地，應(yīng)用場(chǎng)景和各種專用功能會(huì)愈加清晰，市場(chǎng)需求也會(huì)越來越多。另外，與GPU和FPGA相比，ASIC的專利壁壘要小得多，而且其設(shè)計(jì)難度也是最小的。隨著AI應(yīng)用場(chǎng)景的落地，專用的ASIC芯片量產(chǎn)成本低、性能高、功耗低的優(yōu)勢(shì)會(huì)逐漸凸顯出來。

AI芯片案例

目前，在AI應(yīng)用方面，全球數(shù)據(jù)中心用GPU市場(chǎng)基本被英偉達(dá)壟斷，這里用到的都是高性能GPU，其門檻很高，又是用于AI，因此，還沒有什么競(jìng)爭(zhēng)對(duì)手。

除了GPU芯片本身之外，英偉達(dá)還有一個(gè)優(yōu)勢(shì)，那就是其在AI計(jì)算方面，有CUDA軟件生態(tài)系統(tǒng)的配合。CUDA編程工具包讓開發(fā)者可以對(duì)每一個(gè)像素輕松編程，在這之前，對(duì)程序員來說，GPU編程是一件很痛苦的事，CUDA成功將Java、C++等高級(jí)語(yǔ)言開放給了GPU編程，從而讓GPU編程變得簡(jiǎn)單了許多，研究者也可以更低的成本快速開發(fā)他們的深度學(xué)習(xí)模型。以圖形處理器加速卡Tesla V100 PCIe/SXM2為例，其芯片采用臺(tái)積電的12nm制程工藝，通過與CUDA軟件和NVLink快速通道的配合，能達(dá)到近125兆次深度學(xué)習(xí)的浮點(diǎn)運(yùn)算訓(xùn)練速度，而以16bit的半精度浮點(diǎn)性能來看，可達(dá)到31Tera FLOPS。

FPGA方面，ALTERA被英特爾收購(gòu)之后，賽靈思是目前的霸主，作為傳統(tǒng)的CPU廠商，英特爾近幾年正在AI領(lǐng)域大力布局，收購(gòu)相關(guān)公司自然是一個(gè)重要手段，通過收購(gòu)全面布局 FPGA和ASIC，除了Altera的FPGA之外，還通過收購(gòu)Mobileye和視覺處理器公司Movidius，布局無人駕駛和計(jì)算機(jī)視覺，這也是將來AI大有可為的兩個(gè)應(yīng)用領(lǐng)域。

在收購(gòu)Altera之后，英特爾的技術(shù)發(fā)展路線就出現(xiàn)了調(diào)整，例如，其原來的產(chǎn)品策略是做分立的CPU+FPGA加速器，而兩家公司整合后，由簡(jiǎn)單的分立器件疊加改為了封裝集成，即將CPU和FPGA芯片封裝在一起，這還不算完，英特爾下一步還要將CPU和FPGA集成在同一芯片內(nèi)，做成SoC。

賽靈思方面，該公司于2018年底推出了以低成本、低延遲、高能效深度神經(jīng)網(wǎng)絡(luò)（DNN）算法為基礎(chǔ)的Alveo加速卡，基于該公司的UltraScale架構(gòu)，采用了臺(tái)積電的16nm制程工藝，目標(biāo)市場(chǎng)就是數(shù)據(jù)中心和云端的AI推理市場(chǎng)。

AI專用ASIC方面，國(guó)內(nèi)外已經(jīng)有多家企業(yè)投入了研發(fā)，例如國(guó)內(nèi)的寒武紀(jì)（正在開發(fā)NPU）、地平線（BPU系列），還有華為海思和比特大陸，也在專用AI芯片方面投入了不少資源。國(guó)外最為知名的就是谷歌的TPU了，這也是到目前為止，最為成熟的高性能AI專用芯片了。做ASIC需要對(duì)應(yīng)用場(chǎng)景有深刻和精確到位的了解，而這方面卻是傳統(tǒng)芯片設(shè)計(jì)企業(yè)和IDM的短板，因此，目前做AI專用ASIC的，大多是系統(tǒng)產(chǎn)商，互聯(lián)網(wǎng)巨頭，或者以算法起家的公司。

在中國(guó)，比特大陸的算豐 （SOPHON） BM1680和BM1682云端安防及大數(shù)據(jù)AI推理系列產(chǎn)品已經(jīng)上市，此外，還有其它幾家沒有量產(chǎn)的芯片，如華為海思的升騰Ascend 910系列，據(jù)悉會(huì)采用臺(tái)積電的7nm制程工藝，預(yù)計(jì)會(huì)在今年年底量產(chǎn)。此外，百度的昆侖芯片（采用三星的14nm制程），以及阿里平頭哥的Ali-NPU等，也處在研發(fā)階段，距離量產(chǎn)還有一段時(shí)日。

以上談的主要是用于云端的AI芯片，包括GPU、FPGA和ASIC，這也是目前AI的主要應(yīng)用領(lǐng)域，而在終端和邊緣側(cè)，更多的要依靠不斷成熟的ASIC，因?yàn)锳SIC與應(yīng)用場(chǎng)景有著非常緊密的關(guān)系，而這里說的應(yīng)用場(chǎng)景，主要是在終端和邊緣側(cè)。

結(jié)語(yǔ)

AI發(fā)展正處于強(qiáng)勁的上升階段，此時(shí)，各種AI芯片實(shí)現(xiàn)方案都有其發(fā)揮的空間，可以說是處于最佳時(shí)期，這也給眾多廠商占領(lǐng)各自擅長(zhǎng)之應(yīng)用市場(chǎng)提供了更多的機(jī)會(huì)。而隨著應(yīng)用場(chǎng)景的完全落地，以及AI專用芯片的成熟和大規(guī)模量產(chǎn)，這一發(fā)展窗口期很可能就將關(guān)閉，因此，眼下各家廠商，無論是做GPU、FPGA，還是做ASIC的，都在抓緊時(shí)間研發(fā)和拓展市場(chǎng)，競(jìng)爭(zhēng)愈發(fā)激烈。