主流AI芯片架構的對比分析

　　當前主流的AI芯片主要分為三類(lèi)，GPU、FPGA、ASIC。其中GPU、FPGA均是前期較為成熟的芯片架構，屬于通用型芯片。ASIC屬于為AI特定場(chǎng)景定制的芯片。

　　GPU(圖像處理單元)：GPU最初承擔圖像計算任務(wù)，能夠進(jìn)行并行計算，因此GPU架構本身比較適合深度學(xué)習算法，通過(guò)對GPU的優(yōu)化，進(jìn)一步滿(mǎn)足深度學(xué)習大量計算需求。其主要缺點(diǎn)在于功耗較高。

　　FPGA(FieldProgrammableGateArray，現場(chǎng)可編程門(mén)陣列)：FPGA，具有足夠的計算能力、較低的試錯成本和足夠的靈活性。FPGA的計算速度快是源于它本質(zhì)上是無(wú)指令、無(wú)需共享內存的體系結構。對于保存狀態(tài)的需求，FPGA中的寄存器和片上內存(BRAM)是屬于各自的控制邏輯的，無(wú)需不必要的仲裁和緩存，因此FPGA在運算速度足夠快，優(yōu)于GPU。同時(shí)，相比量產(chǎn)成本高昂的ASIC芯片，因為它是一種半定制的硬件，通過(guò)編程可定義其中的單元配置和鏈接架構進(jìn)行計算，因此在靈活性上優(yōu)于A(yíng)SIC，具備較低試錯成本。

　　ASIC(ApplicationSpecificIntegratedCircuit特定用途集成電路)：根據產(chǎn)品的需求進(jìn)行特定設計和制造的集成電路，能夠在特定功能上進(jìn)行強化，具有更高的處理速度和更低的能耗。缺點(diǎn)是成本高，且由于是定制化，可復制性一般，因此只有用量足夠大時(shí)才能夠分攤前期投入，降低成本。