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