人工智慧的興起有三個基本要素:演算法、數據和計算能力。隨著雲計算的廣泛應用和深入學習成為人工智慧研究和應用的主流方式,人工智慧對計算能力的需求迅速增長。AI晶元的不斷深耕是人們對計算能力的不懈追求。
目前,在摩爾定律的驅動下,CPU可以在合理的計算能力、價格、功耗和時間等方面為人工智慧提供所需的計算性能。然而,人工智慧的許多數據處理都涉及矩陣的乘法和加法,CPU的設計和優化是針對數以百計的任務進行的,因此需要用CPU來執行人工智慧演算法。它中的大量其他邏輯完全浪費了現有的AI演算法,不能使CPU達到最優的性價比。面對爆炸性的計算需求,通用晶元將變得更加不可持續。
事實上,AI晶元的研究和開發有兩個不同的方向:第一,在現有的計算體系結構中增加一個特殊的加速器,即「AI加速晶元」,這是一種確定性的方法來加速一種特定的演算法或任務。以滿足目標應用領域在速度、功耗、內存佔用和部署成本等方面的要求。
第二,完全重新開發,創建了一種模擬人腦神經網路的新架構,即「智能晶元」。它使晶元能夠使用不同的人工智慧演算法來學習和推理,處理一系列的任務,包括感知、理解、分析、決策和行動,以及適應場景變化的能力。目前,這種晶元的設計方法主要有兩種:一種是基於類腦計算的神經模擬晶元,另一種是基於可重構計算的軟體定義晶元。
智能晶元仍處於早期開發階段,不適合商業應用。因此,企業採用的主要方法是在現有的計算體系結構中增加人工智慧加速器。AI加速晶元的研究與開發主要分為兩個方面:一是利用現有的GPU、多核處理器、DSP、FPGA晶元進行軟硬體優化;二是設計專用晶元,即ASIC。
GPU、FPGA和ASIC已經成為當前AI晶元產業的主流。其中GPU是目前市場上最成熟、應用最廣泛的人工智慧計算晶元。它是一個由大量核組成的大規模並行計算體系結構,設計用於同時處理多個任務。GPU的台式機和伺服器市場主要被NVIDIA、AMD、移動市場劃分為高通、蘋果、聯發科等多家公司。