所謂的AI芯片，一般是指針對(duì)AI算法的ASIC（專用芯片）。傳統(tǒng)的CPU、GPU都可以拿來(lái)執(zhí)行AI算法，但是速度慢，性能低，無(wú)法實(shí)際商用。

比如，自動(dòng)駕駛需要識(shí)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(jì)車翻到河里了還沒(méi)發(fā)現(xiàn)前方是河，這是速度慢，時(shí)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(jì)無(wú)法長(zhǎng)時(shí)間支撐正常使用，而且，老黃家的GPU巨貴，經(jīng)常單塊上萬(wàn)，普通消費(fèi)者也用不起，還經(jīng)常缺貨。另外，GPU因?yàn)椴皇菍ｉT(mén)針對(duì)AI算法開(kāi)發(fā)的ASIC，所以，說(shuō)到底，速度還沒(méi)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(jī)終端，可以自行人臉識(shí)別、語(yǔ)音識(shí)別等AI應(yīng)用，這個(gè)必須功耗低，所以GPU OUT！

所以，開(kāi)發(fā)ASIC就成了必然。

說(shuō)說(shuō)，為什么需要AI芯片。

AI算法，在圖像識(shí)別等領(lǐng)域，常用的是CNN卷積網(wǎng)絡(luò)，語(yǔ)音識(shí)別、自然語(yǔ)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(gè)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(jì)算，本質(zhì)是乘法和加法。對(duì)于YOLO-V3來(lái)說(shuō)，如果確定了具體的輸入圖形尺寸，那么總的乘法加法計(jì)算次數(shù)是確定的。比如一萬(wàn)億次。（真實(shí)的情況比這個(gè)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(wàn)億次的加法乘法次數(shù)。

這個(gè)時(shí)候就來(lái)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(gè)數(shù)，那么一個(gè)周期，最多執(zhí)行8個(gè)乘加計(jì)算。一次最多執(zhí)行16個(gè)操作。這還是理論上，其實(shí)是不大可能的。

那么CPU一秒鐘的巔峰計(jì)算次數(shù)=16X4Gops=64Gops。

這樣，可以算算CPU計(jì)算一次的時(shí)間了。

同樣的，換成GPU算算，也能知道執(zhí)行時(shí)間。因?yàn)閷?duì)GPU內(nèi)部結(jié)構(gòu)不熟，所以不做具體分析。

再來(lái)說(shuō)說(shuō)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(dòng)陣列，如下圖所示。一共256X256=64K個(gè)乘加單元，每個(gè)單元一次可執(zhí)行一個(gè)乘法和一個(gè)加法。那就是128K個(gè)操作。（乘法算一個(gè)，加法再算一個(gè)）

另外，除了脈動(dòng)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(jì)算次數(shù)至少是=128K X 700MHz=89600Gops=大約90Tops。

對(duì)比一下CPU與TPU1，會(huì)發(fā)現(xiàn)計(jì)算能力有幾個(gè)數(shù)量級(jí)的差距，這就是為啥說(shuō)CPU慢。

當(dāng)然，以上的數(shù)據(jù)都是完全最理想的理論值，實(shí)際情況，能夠達(dá)到5%吧。因?yàn)椋酒系拇鎯?chǔ)不夠大，所以數(shù)據(jù)會(huì)存儲(chǔ)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(shí)候，乘法邏輯又是休息的，所以，諸多因素造成了實(shí)際的芯片并不能達(dá)到利潤(rùn)的計(jì)算峰值，而且差距還極大。

可能有人要說(shuō)，搞研究慢一點(diǎn)也能將就用。

目前來(lái)看，神經(jīng)網(wǎng)絡(luò)的尺寸是越來(lái)越大，參數(shù)越來(lái)越多，遇到大型NN模型，訓(xùn)練需要花幾周甚至一兩個(gè)月的時(shí)候，你會(huì)耐心等待么？突然斷電，一切重來(lái)？（曾經(jīng)動(dòng)手訓(xùn)練一個(gè)寫(xiě)小說(shuō)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(kāi)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(jiǎn)單，數(shù)據(jù)只有幾萬(wàn)條的小模型呀。）

修改了模型，需要幾個(gè)星期才能知道對(duì)錯(cuò)，確定等得起？

突然有了TPU，然后你發(fā)現(xiàn)，吃個(gè)午飯回來(lái)就好了，參數(shù)優(yōu)化一下，繼續(xù)跑，多么爽！

計(jì)算速度快，才能迅速反復(fù)迭代，研發(fā)出更強(qiáng)的AI模型。速度就是金錢(qián)。

GPU的內(nèi)核結(jié)構(gòu)不清楚，所以就不比較了。肯定的是，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(gè)都能價(jià)格輕松上萬(wàn)，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(lái)說(shuō)，CPU與GPU并不是AI專用芯片，為了實(shí)現(xiàn)其他功能，內(nèi)部有大量其他邏輯，而這些邏輯對(duì)于目前的AI算法來(lái)說(shuō)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(jià)比。

谷歌花錢(qián)研發(fā)TPU，而且目前已經(jīng)出了TPU3，用得還挺歡，都開(kāi)始支持谷歌云計(jì)算服務(wù)了，貌似6點(diǎn)幾美元每小時(shí)吧，不記得單位了，懶得查。

可見(jiàn)，谷歌覺(jué)得很有必要自己研發(fā)TPU。

目前在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)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(jī)器學(xué)習(xí)的計(jì)算精度已經(jīng)被超越，目前應(yīng)用最廣的算法，估計(jì)非深度學(xué)習(xí)莫屬，而且，傳統(tǒng)機(jī)器學(xué)習(xí)的計(jì)算量與 深度學(xué)習(xí)比起來(lái)少很多，所以，我討論AI芯片時(shí)就針對(duì)計(jì)算量特別大的深度學(xué)習(xí)而言。畢竟，計(jì)算量小的算法，說(shuō)實(shí)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(diǎn)是GPU與AI芯片都做不到的，所以他們?nèi)咧皇轻槍?duì)不同的應(yīng)用場(chǎng)景而已，都有各自的主場(chǎng)。

至于為何用了CPU做對(duì)比？

而沒(méi)有具體說(shuō)GPU。是因?yàn)椋艺f(shuō)了，我目前沒(méi)有系統(tǒng)查看過(guò)GPU的論文，不了解GPU的情況，故不做分析。因?yàn)榉e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(méi)啥大問(wèn)題，最多慢一點(diǎn)。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(shuō)CPU是串行，GPU是并行

沒(méi)錯(cuò)，但是不全面。只說(shuō)說(shuō)CPU串行。這位網(wǎng)友估計(jì)對(duì)CPU沒(méi)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(lái)看，性能已經(jīng)是非常頂級(jí)的了，主頻4GHZ。不知是否注意到我說(shuō)了這是SIMD？這個(gè)SIMD，就代表他可以同時(shí)執(zhí)行多條同樣的指令，這就是并行，而不是串行。單個(gè)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(jì)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(méi)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(lái)比較算力？

有評(píng)論很推崇GPU。說(shuō)用CPU來(lái)做比較，不合適。

拜托，GPU本來(lái)是從CPU中分離出來(lái)專門(mén)處理圖像計(jì)算的，也就是說(shuō)，GPU是專門(mén)處理圖像計(jì)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(duì)圖像的渲染等計(jì)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(gè)是專門(mén)針對(duì)CNN等典型深度學(xué)習(xí)算法而開(kāi)發(fā)的。另外，寒武紀(jì)的NPU，也是專門(mén)針對(duì)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(shí)候，就是用CPU/GPU來(lái)對(duì)比的。

看看，谷歌TPU論文的摘要直接對(duì)比了TPU1與CPU/GPU的性能比較結(jié)果，見(jiàn)紅色框：

這就是摘要中介紹的TPU1與CPU/GPU的性能對(duì)比。

再來(lái)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(jiàn)紅色框：

回顧一下歷史

上個(gè)世紀(jì)出現(xiàn)神經(jīng)網(wǎng)絡(luò)的時(shí)候，那一定是用CPU計(jì)算的。

比特幣剛出來(lái)，那也是用CPU在挖。目前已經(jīng)進(jìn)化成ASIC礦機(jī)了。比特大陸了解一下。

從2006年開(kāi)始開(kāi)啟的深度學(xué)習(xí)熱潮，CPU與GPU都能計(jì)算，發(fā)現(xiàn)GPU速度更快，但是貴啊，更多用的是CPU，而且，那時(shí)候GPU的CUDA可還不怎么樣，后來(lái)，隨著NN模型越來(lái)越大，GPU的優(yōu)勢(shì)越來(lái)越明顯，CUDA也越來(lái)越6，目前就成了GPU的專場(chǎng)。

寒武紀(jì)2014年的DianNao（NPU）比CPU快，而且更加節(jié)能。ASIC的優(yōu)勢(shì)很明顯啊。這也是為啥要開(kāi)發(fā)ASIC的理由。

至于說(shuō)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(shuō)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(diǎn)，另外，他們暫時(shí)還沒(méi)有那個(gè)精力與實(shí)力。FPGA非常靈活，成本不高，可以很快實(shí)現(xiàn)架構(gòu)設(shè)計(jì)原型，所以他們自然會(huì)選擇基于FPGA的方案。不過(guò)，最近他們都大力融資，官網(wǎng)也在招聘芯片設(shè)計(jì)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(jià)值，那他們何必砸錢(qián)去做ASIC？

說(shuō)了這么多，我也是半路出家的，因?yàn)楣ぷ餍枰鴮W(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(jì)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(gè)獨(dú)角獸，比如商湯、深鑒科技等，他們每年都會(huì)有論文發(fā)表，沒(méi)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(jì)了。當(dāng)然，最先進(jìn)，別人肯定不會(huì)公開(kāi)，比如谷歌就不曾公開(kāi)關(guān)于TPU2和TPU3的相關(guān)專利，反正我沒(méi)查到。不過(guò)，沒(méi)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。