几种传统架构AI处理器芯片的特点

共计 1081 个字符，预计需要花费 3 分钟才能阅读完成。

几种传统架构 AI 处理器芯片的特点
several classical architecture AI processor chips

工智能芯片，目前有两种发展路径：一种是延续传统计算架构，加速硬件计算能力，主要以 3 种类型的芯片为代表，即 GPU、FPGA 和 ASIC，但 CPU 依旧发挥着不可替代的作用；另一种是颠覆经典的冯诺依曼计算架构，采用人脑神经元的结构来提升计算能力，以 IBMTrueNorth 芯片为代表。

就经典架构而言，按照处理器芯片效率排序，从低到高依次是 CPU、DSP、GPU、FPGA 和 ASIC。沿着 CPU->ASIC 的方向，芯片中晶体管的效率越来越高。因为 FPGA&ASIC 等芯片实现的算法直接用晶体管门电路实现，比起指令系统，算法直接建筑在物理结构之上，没有中间层次，因此晶体管的效率最高。CPU&GPU 需要软件支持，而 FPGA&ASIC 则是软硬件一体的架构，软件就是硬件。

而按照晶体管易用性排序是相反的。从 ASIC 到 CPU，芯片的易用性越来越强。CPU&GPU 的编程需要编译系统的支持，编译系统的作用是把高级软件语言翻译成机器可以识别的指令(也叫机器语言)。高级语言带来了极大的便利性和易用性，因此用 CPU&GPU 实现同等功能的软件开发周期要远低于 FPGA&ASIC 芯片。

CPU 仍然是最好的通用处理器之一：CPU 作为通用处理器，兼顾计算和控制，70% 晶体管用来构建 Cache 还有一部分控制单元，用来处理复杂逻辑和提高指令的执行效。计算通用性强，而计算性能一般。

GPU 具有最强大的并行计算能力：GPU 主要擅长做类似图像处理的并行计算，所谓的“粗粒度并行 (coarse-grainparallelism)”。GPU 提供大量的计算单元(多达几千个计算单元) 和大量的高速内存，可以同时对很多像素进行并行处理。并行计算处理能力强大。

FPGA 是万能芯片：FPGA 即现场可编程门阵列，它不采用指令和软件，是软硬件合一的器件。FPGA 由于算法是定制的，没有 CPU 和 GPU 的取指令和指令译码过程，数据流直接根据定制的算法进行固定操作，计算单元在每个时钟周期上都可以执行，所以可以充分发挥浮点计算能力，计算效率高于 CPU 和 GPU。FPGA 的缺点在于进行编程要使用硬件描述语言。

ASIC 是高性能功耗比的专用芯片：ASIC 是一种专用芯片，是为了某种特定的需求而专门定制的芯片。ASIC 芯片的计算能力和计算效率都可以根据算法需要进行定制，所以 ASIC 与通用芯片相比，具有体积小、功耗低、计算性能高、计算效率高、芯片出货量越大成本越低等优点。其不足是算法固定，算法改变化就可能无法使用。