“芯痛”之下阿里苦心研發(fā)NPU AI芯片究竟哪款PU更厲害？

　　4月19日，有消息稱(chēng)，阿里巴巴達摩院正在研發(fā)一款神經(jīng)網(wǎng)絡(luò )芯片——Ali-NPU，主要運用于圖像視頻分析、機器學(xué)習等AI推理計算。按照設計，這款芯片性能將是目前市面上主流CPU、GPU架構AI芯片的10倍，而制造成本和功耗僅為一半，其性?xún)r(jià)比超過(guò)40倍。

　　應用上，通過(guò)此款芯片的研發(fā)將會(huì )更好的落地在圖像、視頻識別、云計算等商業(yè)場(chǎng)景中。據阿里達摩院研究員驕旸介紹說(shuō)：“CPU、GPU作為通用計算芯片，為處理線(xiàn)程邏輯和圖形而設計，處理AI計算問(wèn)題時(shí)功耗高，性?xún)r(jià)比低，在A(yíng)I計算領(lǐng)域急需專(zhuān)用架構芯片解決上述問(wèn)題。阿里巴巴此款Ali-NPU在A(yíng)I領(lǐng)域積累了大量算法模型優(yōu)勢，以最小成本實(shí)現最大量的AI模型算法運算。”

　　昨日，OFweek人工智能網(wǎng)在《當中興事件揭開(kāi)“缺芯少魂”的遮羞布 AI能否迷途知返?》中簡(jiǎn)單說(shuō)明了英特爾、英偉達、AMD等傳統芯片處理器巨頭在CPU和GPU上存在的優(yōu)勢，而且它們都將人工智能定位為未來(lái)重要戰略。

　　事實(shí)上，隨著(zhù)人工智能產(chǎn)業(yè)的發(fā)展，CPU、GPU、TPU、DPU、NPU、BPU……各種PU也開(kāi)始爆發(fā)式出現。那么，究竟這些PU在性能和使用上有何異同，又有哪些優(yōu)劣呢?

　　CPU：計算力占據部分很小 擅長(cháng)邏輯控制

　　CPU是最為普遍，最為常見(jiàn)的中央處理器。主要包括運算器(ALU)和控制單元(CU)，除此之外還包括若干寄存器、高速緩存器和它們之間通訊的數據、控制及狀態(tài)的總線(xiàn)。依循馮諾依曼架構，CPU需要大量空間放置存儲單元和控制邏輯，計算能力只占據很小的部分，更擅長(cháng)邏輯控制。

　　CPU結構簡(jiǎn)化圖

　　GPU：計算單元數量眾多 但無(wú)法單獨使用

　　GPU的誕生可以解決CPU在計算能力上的天然缺陷。采用數量眾多的計算單元和超長(cháng)的流水線(xiàn)，善于處理圖像領(lǐng)域的運算加速。但GPU的缺陷也很明顯，即無(wú)法單獨工作，必須由CPU進(jìn)行控制調用才能工作。

　　CPU、GPU微架構對比圖

　　TPU：高性能低功耗 然則開(kāi)發(fā)周期長(cháng)、轉換成本高

　　谷歌專(zhuān)門(mén)為 TensorFlow 深度學(xué)習框架定制的TPU，是一款專(zhuān)用于機器學(xué)習的芯片。TPU可以提供高吞吐量的低精度計算，用于模型的前向運算而不是模型訓練，且能效更高。但它的缺陷主要是開(kāi)發(fā)周期長(cháng)、可配置性能有限，缺乏靈活性且轉換成本高。

　　DPU：可實(shí)現快速開(kāi)發(fā)與產(chǎn)品迭代

　　國際上，Wave Computing最早提出DPU。在國內，DPU最早是由深鑒科技提出，是基于Xilinx可重構特性的FPGA芯片，設計專(zhuān)用深度學(xué)習處理單元，且可以抽象出定制化的指令集和編譯器，從而實(shí)現快速的開(kāi)發(fā)與產(chǎn)品迭代。

　　深鑒“雨燕”DPU平臺

　　NPU：運行效率提升 不支持大樣本訓練

　　NPU是神經(jīng)網(wǎng)絡(luò )處理器，在電路層模擬人類(lèi)神經(jīng)元和突觸，并且用深度學(xué)習指令集直接處理大規模的神經(jīng)元和突觸，一條指令完成一組神經(jīng)元的處理。相比于CPU和GPU的馮諾伊曼結構，NPU通過(guò)突觸權重實(shí)現存儲和計算一體化，從而提高運行效率。但NPU也有自身的缺陷，比如不支持對大量樣本的訓練。

　　BPU：比在CPU上用軟件實(shí)現更為高效 不可再編程

　　BPU是由地平線(xiàn)主導的嵌入式處理器架構。第一代是高斯架構，第二代是伯努利架構，第三代是貝葉斯架構。BPU主要是用來(lái)支撐深度神經(jīng)網(wǎng)絡(luò ),比在CPU上用軟件實(shí)現更為高效。然而，BPU一旦生產(chǎn)，不可再編程，且必須在CPU控制下使用。

　　從CPU、GPU的市場(chǎng)來(lái)看，已經(jīng)基本被英特爾、英偉達和AMD三分天下。而在A(yíng)SIC框架下的TPU，只有谷歌的體量和實(shí)力才有開(kāi)發(fā)專(zhuān)用加速的動(dòng)力。

　　推出DPU的深鑒科技有清華和斯坦福雙重學(xué)術(shù)背景，公司目前的兩條發(fā)展路線(xiàn)是：以芯片技術(shù)為主的純技術(shù)路線(xiàn)，以及基于技術(shù)的產(chǎn)品路線(xiàn)。其處理器做深度學(xué)習應用端，不做訓練端。目前，其深度壓縮技術(shù)可以將神經(jīng)網(wǎng)絡(luò )壓縮數十倍而不影響精度，還可以使用芯片存儲深度學(xué)習算法模型，減少內存讀取次數，降低運行功耗。

　　去年10月，深鑒科技推出了六款AI產(chǎn)品，分別是人臉檢測識別模組、人臉?lè )治鼋鉀Q方案、視頻結構化解決方案、ARISTOTLE架構平臺，深度學(xué)習SDK DNNDK，以及雙目深度視覺(jué)套件。

　　寒武紀最初是中科院從2008年開(kāi)始的一研究項目，負責人為陳氏兄弟陳云霽和陳天石，也是寒武紀科技的創(chuàng )始人，與他們合作研究Diannao系列的Olivier Temam是Google TPU的主架構師。2016年11月，寒武紀科技正式成立，同時(shí)推出世界首款商用深度學(xué)習專(zhuān)用處理器 Cambricon-AI，是一款神經(jīng)網(wǎng)絡(luò )處理器，面向手機、無(wú)人機等類(lèi)手機的終端設備。

　　去年，一時(shí)火爆的華為麒麟970一大賣(mài)點(diǎn)就是集成了獨立NPU，被宣傳為世界首款手機AI芯片。確實(shí)屬實(shí)。但據了解，這塊NPU也并非華為的研究成果，而是來(lái)自寒武紀。對于華為來(lái)說(shuō)，之所以如此重視NPU，或許和阿里爆出新聞的心態(tài)一樣，認為集成NPU代表了人工智能未來(lái)的發(fā)展趨勢。

　　去年底，地平線(xiàn)在創(chuàng )辦兩年后終于發(fā)布首款芯片——“征程”與“旭日”。目前，這兩款處理器都屬于嵌入式人工智能視覺(jué)芯片，分別面向智能駕駛和智能攝像頭。2018年CES上，英特爾和地平線(xiàn)還發(fā)布了基于伯努利架構的新一代征程處理器，其發(fā)展路徑圖為：2018年，感知;2019年，建模;2020年，決策。

　　而因為與英特爾的合作，地平線(xiàn)不禁讓市場(chǎng)聯(lián)想到英特爾早前重金收購的Mobileye。在嵌入式人工智能領(lǐng)域，Mobileye是業(yè)界領(lǐng)頭羊。地平線(xiàn)在英特爾的定位版圖是否是中國版Mobileye?但其創(chuàng )始人余凱的抱負是，地平線(xiàn)是要做中國的英特爾。

　　最后，談到人工智能芯片，還是不得不提BAT。在國際四大科技巨頭都造芯片，且ARM、英特爾、英偉達等傳統芯片廠(chǎng)商仍然統治芯片天下的情況下，中國芯能不能發(fā)展起來(lái)，還需要看國內科技巨頭們的表現。相較而言，阿里在三家中最為熱衷芯片布局，上述包括寒武紀、深鑒科技均有阿里參投。