【技术好文转载】为什么AI芯片是当今热点
AI芯片也被稱為AI加速器或計(jì)算卡，即專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊（其他非計(jì)算任務(wù)仍由CPU負(fù)責(zé)）。當(dāng)前，AI芯片主要分為?GPU?、FPGA?、ASIC。
這里再次推薦李鐵夫老師的一篇優(yōu)秀博文《為什么AI芯片是當(dāng)今熱點(diǎn)》，這里介紹的是現(xiàn)在最熱門、最重要的技術(shù)競(jìng)爭(zhēng)點(diǎn)——專用芯片。
還是非常燒腦的文章，需要有一定的芯片基礎(chǔ)，放出來(lái)跟大家一起分享學(xué)習(xí)，祝大家天天進(jìn)步。
?
1.為什么會(huì)出現(xiàn)專用芯片？
我們最熟悉的芯片，像計(jì)算機(jī)里的CPU，這是一種通用芯片，過去幾十年一直是通用芯片主導(dǎo)著行業(yè)發(fā)展，這也是Intel公司能成為行業(yè)巨頭的原因。
但現(xiàn)在，卻出現(xiàn)了通用芯片的競(jìng)爭(zhēng)者——專用芯片，它們?cè)絹?lái)越重要，尤其是在人工智能的應(yīng)用越來(lái)越重要，成了芯片行業(yè)的最重要競(jìng)爭(zhēng)點(diǎn)之一。這是為什么呢？
要回答這個(gè)問題啊，首先就要搞清楚，通用芯片和專用芯片之間的區(qū)別，我拿兩種最典型的芯片CPU和GPU來(lái)舉例講講。
CPU你一定很熟悉，電腦里的中央處理器，它是一顆通用芯片。像瀏覽網(wǎng)頁(yè)、播放mp3、播放視頻、數(shù)學(xué)運(yùn)算、控制計(jì)算機(jī)里其他的部件等等，這些任務(wù)都靠CPU來(lái)完成。
也就是說(shuō)CPU不光要計(jì)算，還要分析指令、調(diào)取數(shù)據(jù)、控制操作，要干的事非常多，那么CPU上面的晶體管，大部分都用來(lái)做控制模塊和片上緩存了，真正負(fù)責(zé)運(yùn)算的單元其實(shí)特別小，也就是說(shuō)CPU更像是一個(gè)中控指揮中心。
那隨著任務(wù)增多，計(jì)算量加大，我們就發(fā)現(xiàn)CPU的缺陷越來(lái)越明顯，比如用CPU做圖形處理太費(fèi)勁、特別慢。但我們想讓計(jì)算機(jī)顯示更多色彩、更高像素，怎么辦呢？
很幸運(yùn)，我們發(fā)現(xiàn)圖形處理這種問題非常有特點(diǎn)，是一種很規(guī)整的問題，不需要太多的控制，反而需要很強(qiáng)的并行計(jì)算能力。所以就分化出來(lái)一顆專用芯片，這就是GPU。
在GPU芯片里面，控制模塊只占很小的部分，大部分的面積都放滿了運(yùn)算單元。GPU工作時(shí)就是一門心思不停地處理圖像數(shù)據(jù)就可以了，效率比CPU高多了。
打個(gè)比方幫你理解，你可以把這個(gè)場(chǎng)景想象成一群人在機(jī)場(chǎng)排隊(duì)過安檢，這群人就對(duì)應(yīng)了要處理的數(shù)據(jù)，安檢的人員就對(duì)應(yīng)了芯片中的運(yùn)算單元。
CPU就好像有10隊(duì)人在排著，而且大包小包的很混亂，安檢口就只有兩個(gè)，這就需要有好幾個(gè)管理人員站在那，協(xié)調(diào)接下來(lái)輪到哪一隊(duì)、哪個(gè)人去哪個(gè)安檢口。而且每個(gè)人的行李數(shù)目和裝的東西都不一樣，有的人只有一個(gè)小包，一下子就過去了。有的人好幾件行李，還需要從里面把電腦拿出來(lái)。這就需要管理人員根據(jù)進(jìn)度實(shí)時(shí)地進(jìn)行調(diào)配。
換句話說(shuō)，CPU是一顆通用芯片，要具備解決各種各樣問題的能力，所以它的控制模塊非常復(fù)雜，運(yùn)算能力相對(duì)比較弱。
GPU就不一樣了，不是亂糟糟的隊(duì)伍了，而是10隊(duì)解放軍戰(zhàn)士，每個(gè)人的行李都一樣，一個(gè)挎包、一個(gè)行李卷，這就是所謂的數(shù)據(jù)很規(guī)整。
你看，這時(shí)候是不是就不再需要那么多的管理人員來(lái)維持秩序了？剛才這幾位管理人員就都可以去幫著做安檢了，對(duì)吧？于是10隊(duì)人就有了10個(gè)安檢口，而且每個(gè)人的安檢時(shí)間都一樣，是不是效率大大提高了？
對(duì)應(yīng)到芯片里，就是GPU芯片里面控制模塊比較小，省下來(lái)的面積和晶體管都可以當(dāng)作運(yùn)算單元了，所以GPU的圖形運(yùn)算能力比CPU強(qiáng)得多。
到這里咱們小結(jié)一下，為什么會(huì)出現(xiàn)專用芯片呢？其實(shí)就是兩個(gè)原因：
- 第一，要解決的問題足夠重要，值得花費(fèi)寶貴的硬件資源去專門解決。
- 第二，這個(gè)問題的算法要有特點(diǎn)，能夠使用電路的辦法來(lái)高效地處理。
?
2.為什么專用芯片崛起了？
那為什么專用芯片成了最近這些年重要的競(jìng)爭(zhēng)點(diǎn)呢？這就要說(shuō)到人工智能的發(fā)展。
現(xiàn)在我們可以用人工智能來(lái)很多事，像手機(jī)的人臉識(shí)別解鎖，語(yǔ)音控制的智能音箱，甚至是無(wú)人操控自動(dòng)駕駛的汽車等等。這些好像都是近幾年出現(xiàn)的新事物，但人工智能其實(shí)已經(jīng)有幾十年的研究歷史了。
為什么感覺這幾年才有了大爆發(fā)呢？就是因?yàn)檫^去沒有集齊三大要素：大數(shù)據(jù)、算法和算力。
拿人臉識(shí)別來(lái)舉例，1997年基于卷積神經(jīng)網(wǎng)絡(luò)的研究，僅僅有40個(gè)人400張圖片的數(shù)據(jù)規(guī)模。但到了2014年，Facebook采用的深度卷積神經(jīng)網(wǎng)絡(luò)算法，搜集了4000個(gè)人400萬(wàn)張圖片進(jìn)行模型訓(xùn)練，取得了97.35%的準(zhǔn)確率，已經(jīng)接近人類水平。
可千萬(wàn)別以為單有大數(shù)據(jù)就能讓人臉識(shí)別變成更成功，普通的通用芯片根本就處理不了這樣海量的運(yùn)算。
好比說(shuō)，你要做一輛自動(dòng)駕駛汽車，它要自動(dòng)躲避障礙物，這就需要芯片來(lái)根據(jù)實(shí)時(shí)路況，計(jì)算躲避路線。
如果這輛車正行駛在路上，前方20米有一個(gè)障礙物，用電腦里的CPU來(lái)算要不要躲避的話，恐怕保險(xiǎn)公司定損員都到現(xiàn)場(chǎng)了，結(jié)果還沒算出來(lái)呢。
所以想要實(shí)現(xiàn)AI，光有AI算法還不行，還必須有AI芯片，這才有算力的保障。
我們說(shuō)的AI芯片，其實(shí)全稱叫“人工智能加速芯片”，它是一種專門芯片，作用就是來(lái)加速AI算法的。像剛才說(shuō)人臉識(shí)別能取得成功，就是因?yàn)楦挠昧薌PU來(lái)做計(jì)算，GPU也就成了最早的AI芯片。
為什么GPU就能拿來(lái)做AI芯片呢？因?yàn)槲覀儼l(fā)現(xiàn)AI算法也非常有特點(diǎn)，雖然運(yùn)算量巨大，但也有很強(qiáng)的規(guī)整性。
比如圖像識(shí)別領(lǐng)域常用的卷積神經(jīng)網(wǎng)絡(luò)算法，主要的一個(gè)運(yùn)算就是針對(duì)很大的矩陣進(jìn)行大量的乘法操作，如果能針對(duì)這個(gè)特點(diǎn)來(lái)處理，自然就能提高計(jì)算速度。很巧，GPU在這一點(diǎn)上比CPU要強(qiáng)很多。
慢慢地，人們發(fā)現(xiàn)GPU不只能處理圖像問題的加速，大多數(shù)并行計(jì)算問題都可以用GPU來(lái)解決，包括比特幣挖礦。
雖說(shuō)跟CPU相比，GPU是一種專用芯片，可到了今天，GPU已經(jīng)成了通用的并行計(jì)算芯片了。這下GPU技術(shù)就有了巨大的發(fā)展動(dòng)力，被廣泛地用在并行計(jì)算上，更是帶動(dòng)了各類AI芯片的發(fā)展。
?
3.AI芯片前沿
現(xiàn)在除了GPU，為了更好地實(shí)現(xiàn)人工智能，又出現(xiàn)了新的AI芯片，我給你介紹兩個(gè)最重要的。
第一個(gè)叫FPGA，可編程邏輯陣列。
剛才說(shuō)了，雖然GPU比CPU更能加速AI算法，但現(xiàn)在GPU也算是一種通用的并行計(jì)算芯片了。它的問題是，并沒有針對(duì)每一個(gè)人工智能問題做最佳優(yōu)化，功耗和價(jià)格都比較高，所以我們就想要更專用的芯片來(lái)提高效率，FPGA的出現(xiàn)就是為了解決這個(gè)問題。
這是一個(gè)非常聰明的發(fā)明，你可以把它看做是一顆“萬(wàn)能芯片”。這顆芯片做好之后，你可以根據(jù)需要，修改芯片里的器件連接形式，構(gòu)成各種各樣不同功能的芯片。
這個(gè)過程叫做FPGA的燒錄。針對(duì)不同的人工智能問題，可以把FPGA改成相應(yīng)的專用芯片，更好地適配問題。
打個(gè)比方，你可以把FPGA當(dāng)作是閃送。雖然閃送是一項(xiàng)通用的服務(wù)，誰(shuí)都可以用，但是你一旦下了的訂單，這個(gè)閃送小哥，他就只服務(wù)于你了。他會(huì)在你和你的目標(biāo)之間建立一條最優(yōu)的路徑，最快速度把東西送到。服務(wù)結(jié)束之后他才會(huì)接下一單，又針對(duì)新的用戶建立新的路線。
閃送下單就對(duì)應(yīng)著FPGA的編程燒錄，燒錄好了之后，這塊FPGA就成了你的專用芯片，針對(duì)你的具體問題高效解決。完成任務(wù)之后，你還可以根據(jù)新的問題來(lái)改變電路結(jié)構(gòu)，變成另一顆專用芯片，高效地完成新任務(wù)。
所以，FPGA是現(xiàn)在人工智能里面非常重要的一個(gè)實(shí)現(xiàn)形式。
FPGA在靈活性上有優(yōu)勢(shì)，但也有弱點(diǎn)，一般來(lái)說(shuō)它的價(jià)格比較高，在性能上，速度、功耗還有芯片面積也還有不小的提升空間。
于是人們還想到了一個(gè)終極的方法，也是現(xiàn)在芯片技術(shù)里最熱門、最前沿的領(lǐng)域，叫作ASIC定制化芯片。
也就是說(shuō)根據(jù)要解決的AI問題，專門設(shè)計(jì)一顆芯片，不干其他事。
它的優(yōu)勢(shì)和劣勢(shì)就非常明顯了，優(yōu)勢(shì)就是非常的高效，能耗會(huì)非常的低。劣勢(shì)就是完全喪失了通用性，你一旦設(shè)計(jì)制作好了這個(gè)芯片，它就干不了別的事了。如果過兩天想解決其他問題，沒有辦法，必須再去做另外一顆芯片才行。
可是現(xiàn)在先進(jìn)工藝的芯片設(shè)計(jì)和加工的成本是非常高的，所以定制AI芯片可不是什么公司都能做的，也就是像谷歌、阿里這種大公司，具有明確的應(yīng)用場(chǎng)景和算法才會(huì)做這種事。
現(xiàn)在最著名的定制AI芯片就是Google的TPU，叫做張量處理器。根據(jù)谷歌的公開的數(shù)據(jù)，TPU比起最好的GPU來(lái)說(shuō)，能有幾十倍將近上百倍的性能提升，能耗也有很大的降低。
最后再補(bǔ)充一點(diǎn)，其實(shí)還有一個(gè)重要的發(fā)展趨勢(shì)，就是通用AI芯片。這個(gè)通用不是說(shuō)要像CPU一樣解決所有計(jì)算問題，而是說(shuō)希望一顆AI芯片能夠在高效率、低功耗的前提下，滿足低成本和通用性，解決各種AI問題，這會(huì)是未來(lái)非常有前景的方向。
?
完畢。
總結(jié)
以上是生活随笔為你收集整理的【技术好文转载】为什么AI芯片是当今热点的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【随笔】“阴面”和“阳面”
- 下一篇： 【MM】新建移动类型（Movement