Google AI發(fā)展采ASIC芯片途徑 亞馬遜、微軟、百度等是否跟進(jìn)

　　Google日前宣布推出該公司第二代“特殊應用集成電路”(ASIC)芯片，將用于加速該公司機器學(xué)習(ML)演算處理，此即Google第二代機器學(xué)習專(zhuān)用芯片“TPU”，隨著(zhù)Google在發(fā)展人工智能(AI)上似乎是要以開(kāi)發(fā)ASIC芯片途徑為主，其他同樣正在發(fā)展自有AI技術(shù)的亞馬遜(Amazon)、Facebook、微軟(Microsoft)、阿里巴巴、騰訊及百度是否也會(huì )跟進(jìn)Google腳步，以及對當前全球AI芯片發(fā)展處領(lǐng)導地位的NVIDIA、超微(AMD)、英特爾(Intel)及許多希望進(jìn)軍這塊領(lǐng)域的新創(chuàng )企業(yè)又會(huì )因此產(chǎn)生哪些影響，也成為外界關(guān)注焦點(diǎn)。

　　根據富比士(Forbes)報導，當前可用于加速機器學(xué)習訓練及深度神經(jīng)網(wǎng)路的主要芯片技術(shù)，包括ASIC芯片、繪圖芯片(GPU)、現場(chǎng)可程式化邏輯閘陣列(FPGA)芯片以及中央處理器(CPU)等4種，這4類(lèi)芯片技術(shù)在支援AI及機器學(xué)習上各有擅場(chǎng)及優(yōu)劣勢，其中GPU在技術(shù)上即為ASIC技術(shù)運用在處理繪圖演算法上，差異在于A(yíng)SIC芯片可提供指令集及資源庫可讓GPU進(jìn)行程式化，借此可用在處理本地儲存的資料，好比是許多平行演算法的加速器般。

　　基本上GPU速度非?？烨蚁鄬邚椥?，ASIC技術(shù)雖同樣具備處理速度很快的優(yōu)勢，不過(guò)使用彈性相對較缺乏。在開(kāi)發(fā)ASIC芯片上，要設計出一款ASIC芯片所需投入的資源及努力不少，可能必須耗資高達數千萬(wàn)甚或數億美元，且需要組建一支成本不低的工程師團隊，顯示投資甚鉅，且ASIC芯片還將必須不斷升級以跟上新技術(shù)及制程水平，加上ASIC芯片設計者在開(kāi)發(fā)過(guò)程初期便已固定其邏輯，因此若在A(yíng)I這類(lèi)快速演進(jìn)的領(lǐng)域有新想法出現，ASIC芯片將無(wú)法對此快速做出反應，反觀(guān)FPGA技術(shù)還能因此進(jìn)行再程式化以執行一項全新功能。

　　因此，顯示ASIC技術(shù)并非現階段在A(yíng)I及深度神經(jīng)網(wǎng)絡(luò )應用領(lǐng)域最佳的芯片技術(shù)，但為何Google仍持續采ASIC技術(shù)發(fā)展自有AI加速訓練芯片，原因有三，分別是戰略目的、滿(mǎn)足自有龐大運算基礎架構需求以及Google云端發(fā)展的重要性。

　　戰略目的上，Google如今已將發(fā)展AI技術(shù)列為公司發(fā)展首要項目，AI技術(shù)對該公司搜尋本業(yè)、云端業(yè)務(wù)、自駕車(chē)發(fā)展、Google Home以及許多其他全新及既有產(chǎn)品線(xiàn)與服務(wù)來(lái)說(shuō)，都有其提供強化及支援的重要性，因此Google如今希望控制自有硬件TPU加速器以及自有軟件架構TensorFlow，也不令外界感到意外。

　　滿(mǎn)足自有龐大運算基礎架構需求上，Google自有運算基礎架構堪稱(chēng)全球規模最大，在此情況下意謂Google可能需要擁有自有用于A(yíng)I加速的硬件平臺，以及需要一定的規模來(lái)打平所需投入的ASIC芯片龐大設計成本，實(shí)際上Google也宣稱(chēng)TPU芯片可省去該公司投建額外12座資料中心以用于處理AI負載的需要。

　　Google云端發(fā)展重要性上，Google高層對于該公司在全球云端運算市場(chǎng)上，排名仍落后于亞馬遜及微軟、屈居第三感到不滿(mǎn)意，在Google云端運算部門(mén)負責人Diane Greene領(lǐng)導下已大舉投資云端業(yè)務(wù)發(fā)展，未來(lái)Google可能運用Google云端TPU的定價(jià)能力及效能表現，加上TensorFlow的受青睞程度，作為在云端領(lǐng)域機器學(xué)習發(fā)展上囊括市占率的潛在顯著(zhù)優(yōu)勢。

　　至于上述同樣正積極發(fā)展自有AI技術(shù)的業(yè)者方面，即使具備打造自有加速器的實(shí)力，卻沒(méi)有任何一家業(yè)者有如Google般出現上述驅動(dòng)其發(fā)展自有ASIC芯片的三大驅動(dòng)力，反而有部分業(yè)者采取不同發(fā)展途徑，如百度宣布結盟NVIDIA發(fā)展其云端、智能家庭及自駕車(chē)的AI倡議，未來(lái)也不排除設計自有AI芯片。微軟方面，至少目前其云端服務(wù)Azure及Bing基礎架構，已決定采用英特爾Altera FPGA芯片技術(shù)，另微軟也采用NVIDIA GPU來(lái)訓練自有神經(jīng)網(wǎng)路。

　　因此報導預估，除了Google外，上述其余6家科技大廠(chǎng)可能不會(huì )很快就放棄采GPU發(fā)展AI的途徑，改采ASIC芯片途徑，由于這6家業(yè)者似乎都正忙于發(fā)展機器學(xué)習模型，并投入欲發(fā)展成各類(lèi)產(chǎn)品與服務(wù)的商品化努力上，因此若要這6家業(yè)者設計ASIC芯片及相應軟件，基于需要投入大量時(shí)間金錢(qián)，可能會(huì )導致發(fā)展資源遭分散，而無(wú)法集中于當前努力的目標上。

　　若真要說(shuō)，NVIDIA開(kāi)發(fā)的深度學(xué)習加速器(DLA)Open Source ASIC芯片，可說(shuō)是循ASIC發(fā)展途徑走的案例，該ASIC芯片是NVIDIA設計至其下世代自駕車(chē)平臺DrivePX的產(chǎn)品，借此AI硬件開(kāi)發(fā)者將能夠采用NVIDIA最新AI硬件及軟件技術(shù)，以及授權NVIDIA硬件IP作為由NVIDIA貢獻的開(kāi)放源技術(shù)。之后NVIDIA或可將此免費開(kāi)放源硬件IP與軟件服務(wù)商用化。