从 AI 芯片说起，一起来看芯片门类

prtyaa 2023-12-25 15:56:24  65411

分类专栏：资讯

这两年随着人工智能的火热，无论是不是开发人员，大家都对 AI 有着空前的热情。

在开发人员中，可能绝大多数人所关注的都是机器学习算法，软件库的使用，或者是 Python。但是，别忘了，复杂的机器学习算法不光是只靠软件就够了的，它需要配合强大的硬件才能大放异彩。

与 AI 算法相配套的硬件就是所谓的 AI 芯片。

目前世面上，最受人瞩目的 AI 芯片可能就是 Google 的 TPU 了。上个月，Google IO 2017 大会上，Google 发布了第二代 TPU，距离第一代 TPU 发布时隔一年。

发一幅图给大家看下 TPU 的样子。

这是 Google 第二代 TPU，又称 Cloud TPU 或 TPU 2.0。它如今已经被全面部署在了 Google Compute Engine 平台上，用于图像和语音识别，机器翻译和机器人等领域。

当初轰动一时的 AlphaGo 对战李世石，硬件平台其实就用了 TPU。

这里简单说下 TPU。

它全称为 Tensor Processing Unit，翻译成中文为张量处理器，它是 Google 的专用机器学习芯片，内部采用脉动阵列 (systolic array) 架构, 非常适用于深度学习算法中常出现的卷积运算和矩阵运算。

Google 曾刊文表示，TPU 处理速度要比 GPU 和 CPU 快 15-30 倍（和TPU 对比的是英特尔 Haswell CPU 以及 Nvidia Tesla K80 GPU），而在能效上，TPU 更是提升了 30 到 80 倍。

AI 芯片其实远远不止有 Google 的 TPU，Nvidia 的 GPU 几乎主宰了机器学习芯片市场，除此之外，Intel 以及一大批的初创公司也都在研发自己的 AI 芯片，去年的这个时候，中国首款嵌入式神经网络处理器 NPU 面世。

看到这里，我猜你有可能被各种 PU 弄晕了，那接下来，我们来看看芯片分类。

下面这幅图来自 RIT 的 Shaaban 教授的计算机体系结构课程，列出了各种 Computing Engine。

这幅图的本意是说，选择芯片的时候，需要在各个因素之间做出权衡（灵活性，复杂性，成本，功耗，性能，实时性等），我们暂且不去讨论这个话题。

但是，我们可以从他给的这幅图，为常见的芯片做出分类。

GPP

通用处理器芯片。

例如 CPU，ARM。

专用处理器芯片。

例如 GPU，DSP，NP （Network Processor），Media Processors，Vector Processors 。

可配置的硬件芯片。

例如 FPGA。

协处理器芯片。

例如 TPU。

专用集成电路。

例如音视频处理芯片。

最终，回到上幅图，也可以看出各种芯片在灵活性与计算效率之间所处的位置。

为方便理解，我把它们画进了一幅图。

最后说一下我给电类学生的一些建议吧。

人工智能的大背景下，不是人人都需要转计算机，做互联网，做软件。人工智能驱动着半导体行业发展的同时，也是半导体行业未来的发展方向。

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

赞同 0

评论 0 条