文|半導(dǎo)體產(chǎn)業(yè)縱橫
AI運(yùn)算指以“深度學(xué)習(xí)” 為代表的神經(jīng)網(wǎng)絡(luò)算法，需要系統(tǒng)能夠高效處理大量非結(jié)構(gòu)化數(shù)據(jù)（文本、視頻、圖像、語音等）。需要硬件具有高效的線性代數(shù)運(yùn)算能力，計算任務(wù)具有：單位計算任務(wù)簡單，邏輯控制難度要求低，但并行運(yùn)算量大、參數(shù)多的特點(diǎn)。對于芯片的多核并行運(yùn)算、片上存儲、帶寬、低延時的訪存等提出了較高的需求。
AI應(yīng)用場景的豐富帶來眾多碎片化的需求，基于此適配各種功能的處理器不斷衍生。
CPU
CPU即中央處理器（Central Processing Unit），作為計算機(jī)系統(tǒng)的運(yùn)算和控制核心，主要負(fù)責(zé)多任務(wù)管理、調(diào)度，具有很強(qiáng)的通用性，是計算機(jī)的核心領(lǐng)導(dǎo)部件，好比人的大腦。不過其計算能力并不強(qiáng)，更擅長邏輯控制。
正是因?yàn)镃PU的并行運(yùn)算能力不是很強(qiáng)，所以很少有人優(yōu)先考慮在 CPU 上直接訓(xùn)練模型。不過芯片巨頭英特爾就選擇了這么一條路。
像英特爾至強(qiáng)可擴(kuò)展處理器這種 AI build-in 的 CPU 在支持模型訓(xùn)練上已經(jīng)有了極大地提升，去年由萊斯大學(xué)、螞蟻集團(tuán)和英特爾等機(jī)構(gòu)的研究者發(fā)表的一篇論文中表明，在消費(fèi)級 CPU 上運(yùn)行的 AI 軟件，其訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的速度是 GPU 的 15 倍，另外相比顯存 CPU 的內(nèi)存更易擴(kuò)展，很多推薦算法、排序模型、圖片 / 影像識別等應(yīng)用，已經(jīng)在大規(guī)模使用 CPU 作為基礎(chǔ)計算設(shè)備。
相比價格高昂的 GPU，CPU 其實(shí)是一種性價比很高的訓(xùn)練硬件，也非常適合對結(jié)果準(zhǔn)確度要求高兼顧成本考量的制造業(yè)、圖像處理與分析等行業(yè)客戶的深度學(xué)習(xí)模型。
GPU
GPU即圖形處理器（Graphics Processing Unit），采用數(shù)量眾多的計算單元和超長的流水線，擅長進(jìn)行圖像處理、并行計算。
對于復(fù)雜的單個計算任務(wù)來說，CPU 的執(zhí)行效率更高，通用性更強(qiáng)；而對于圖形圖像這種矩陣式多像素點(diǎn)的簡單計算，更適合用 GPU 來處理，也有人稱之為人海戰(zhàn)術(shù)。而AI 領(lǐng)域中用于圖像識別的深度學(xué)習(xí)、用于決策和推理的機(jī)器學(xué)習(xí)以及超級計算都需要大規(guī)模的并行計算，因此更適合采用 GPU 架構(gòu)。
多核 CPU 與 GPU 的計算網(wǎng)格（圖中綠色方格為計算單元）
CPU和GPU還有一個很大的區(qū)別就是：CPU可單獨(dú)作用，處理復(fù)雜的邏輯運(yùn)算和不同的數(shù)據(jù)類型，但當(dāng)需要處理大量類型統(tǒng)一的數(shù)據(jù)時，則可調(diào)用GPU進(jìn)行并行計算。但GPU無法單獨(dú)工作，必須由CPU進(jìn)行控制調(diào)用才能工作。
在AI計算領(lǐng)域英偉達(dá)的GPU幾乎占到市場的絕大部分，但近幾年也有不少國產(chǎn)企業(yè)進(jìn)軍高端GPU，比如沐曦首款采用7nm工藝的異構(gòu)GPU產(chǎn)品已流片、壁仞前不久也發(fā)布了單芯片峰值算力達(dá)到PFLOPS級別的BR100，還有燧原科技、黑芝麻、地平線等公司都在向高端GPU發(fā)力。
DPU
DPU即數(shù)據(jù)處理器（Data Processing Unit），用于優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)，廣泛應(yīng)用于加速深度學(xué)習(xí)推理算法。
當(dāng)CPU算力釋放遇瓶頸，DPU能夠卸載 CPU 的基礎(chǔ)層應(yīng)用（如網(wǎng)絡(luò)協(xié)議處理、加密解密、數(shù)據(jù)壓縮等），從而釋放CPU低效應(yīng)用端的算力，將CPU算力集中在上層應(yīng)用。區(qū)別于GPU，DPU主要用于對數(shù)據(jù)解析與處理，提高數(shù)據(jù)接發(fā)的效率，而GPU則是專注于數(shù)據(jù)的加速計算。因此，DPU將有望成為釋放CPU算力新的關(guān)鍵芯片，并與CPU、GPU形成優(yōu)勢互補(bǔ)，提高算力天花板。
DPU還具有高性能網(wǎng)絡(luò)接口，能以線速或網(wǎng)絡(luò)中的可用速度解析、處理數(shù)據(jù)，并高效地將數(shù)據(jù)傳輸?shù)紾PU和CPU。
英偉達(dá)收購Mellanox后，憑借原有的ConnectX系列高速網(wǎng)卡技術(shù)，推出其 BlueField系列DPU，成為DPU賽道的標(biāo)桿。英偉達(dá)首席執(zhí)行官黃仁勛也曾表示：“ DPU 將成為未來計算的三大支柱之一，未來的數(shù)據(jù)中心標(biāo)配是‘ CPU + DPU + GPU ’。CPU 用于通用計算， GPU 用于加速計算， DPU 則進(jìn)行數(shù)據(jù)處理?！?/p>
當(dāng)下的DPU的市場，已經(jīng)成為各個巨頭和初創(chuàng)公司的必爭之地，除英偉達(dá)等企業(yè)開始布局DPU產(chǎn)業(yè)外，阿里巴巴、華為在內(nèi)的各大云服務(wù)商也逐漸躋身DPU行業(yè)。其他還有芯啟源、大禹智芯、星云智聯(lián)、中科馭數(shù)、云豹智能等公司。
TPU
TPU即張量處理器（Tensor Processing Unit）是谷歌專門為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的ASIC 芯片，專用機(jī)器學(xué)習(xí)的人工智能加速處理器。
AI 系統(tǒng)通常涉及訓(xùn)練和推斷過程。簡單來說，訓(xùn)練過程是指在已有數(shù)據(jù)中學(xué)習(xí)，獲得某些能力的過程；而推理過程則是指對新的數(shù)據(jù)，使用這些能力完成特定任務(wù)（比如分類、識別等）；推理是將深度學(xué)習(xí)訓(xùn)練成果投入使用的過程。
有老話言，萬能工具的效率永遠(yuǎn)比不上專用工具。TPU與同期的CPU和GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率（性能/瓦特）提升。此外，在 TPU 中采用 GPU 常用的 GDDR5 存儲器能使性能TPOS指標(biāo)再高 3 倍，并將能效比指標(biāo) TOPS/Watt 提高到 GPU 的 70 倍，CPU 的 200 倍。
2016年 TPU 消息剛剛公布時，谷歌資深硬件工程師Norman Jouppi 在谷歌Research 博客中特別提到，TPU 從測試到量產(chǎn)只用了 22 天，其性能把人工智能技術(shù)往前推進(jìn)了差不多 7 年，相當(dāng)于摩爾定律 3 代的時間。
IPU
IPU即圖像處理單元（Intelligent Processing Unit），可以從圖像傳感器到顯示設(shè)備的數(shù)據(jù)流提供全面支持，連接到相關(guān)設(shè)備，比如：攝像機(jī)、顯示器、圖形加速器、電視編碼器和解碼器。相關(guān)圖像處理與操作包括傳感器圖像信號處理、顯示處理、圖像轉(zhuǎn)換等，以及同步和控制功能。 采用的是大規(guī)模并行同構(gòu)眾核架構(gòu)，同時將訓(xùn)練和推理合二為一，為AI計算提供了全新的技術(shù)架構(gòu)，兼具處理二者工作的能力。
IPU是英國AI芯片創(chuàng)業(yè)公司Graphcore率先提出的概念，Graphcore的第一代IPU如今已在微軟Azure云以及Dell-EMC服務(wù)器中使用，為AI算法帶來了飛躍性的性能提升，也為開發(fā)者帶來更廣闊的創(chuàng)新空間及更多創(chuàng)新機(jī)會。
目前，IPU正在成為僅次于GPU和谷歌TPU的第三大部署平臺，基于IPU的應(yīng)用已經(jīng)覆蓋包括自然語言處理、圖像/視頻處理、時序分析、推薦/排名及概率模型等機(jī)器學(xué)習(xí)的各個應(yīng)用場景。
2021年，英特爾推出了IPU技術(shù)，近日又和谷歌共同設(shè)計了新型定制基礎(chǔ)設(shè)施處理單元（IPU）芯片 E2000 ，代號為“Mount Evans”，以降低數(shù)據(jù)中心主 CPU 負(fù)載，并更有效和安全地處理數(shù)據(jù)密集型云工作負(fù)載。
NPU
CPU和GPU的制造成本較高，功耗也比較大，加之AI場景下需要運(yùn)算的數(shù)據(jù)量與日俱增，一種針對神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的高效智能處理器應(yīng)運(yùn)而生，也就是NPU。
NPU即神經(jīng)網(wǎng)絡(luò)處理器（Neural network Processing Unit），它是用電路模擬人類的神經(jīng)元和突觸結(jié)構(gòu)。用于加速神經(jīng)網(wǎng)絡(luò)的運(yùn)算，解決傳統(tǒng)芯片在神經(jīng)網(wǎng)絡(luò)運(yùn)算時效率低下的問題，特別擅長處理視頻、圖像類的海量多媒體數(shù)據(jù)。
與CPU、GPU處理器運(yùn)行需要的數(shù)千條指令相比，NPU只要一條或幾條就能完成，且在同等功耗下NPU 的性能可以達(dá)到 GPU 的 118 倍，因此在深度學(xué)習(xí)的處理效率方面優(yōu)勢明顯。NPU 目前較多地在端側(cè)應(yīng)用于 AI 推理計算，在云端也有大量運(yùn)用于視頻編解碼運(yùn)算、自然語言處理、數(shù)據(jù)分析，部分NPU還能運(yùn)用于 AI 的訓(xùn)練。
比如在手機(jī)SoC中，CPU是負(fù)責(zé)計算和整體協(xié)調(diào)的，而GPU是負(fù)責(zé)和圖像有關(guān)的部分，NPU負(fù)責(zé)和AI有關(guān)的部分，其工作流程則是，任何工作都要先通過CPU，CPU再根據(jù)這一塊工作的性質(zhì)來決定分配給誰。如果是圖形方面的計算，就會分配給GPU，如果是AI方面的計算需求，就分配給NPU。
NPU具體的應(yīng)用有：基于人臉識別的考勤機(jī)、基于 DHN（深度哈希網(wǎng)絡(luò)）的掌紋識別、基于圖像分類的自動垃圾分類、自動駕駛汽車、自動跟焦攝像機(jī)、監(jiān)視系統(tǒng)等。
2014年中科院的陳天石科研團(tuán)隊發(fā)表了 DianNao 系列論文，隨即席卷了體系結(jié)構(gòu)界，開啟了專用人工智能芯片設(shè)計的先河，后來中科院旗下的寒武紀(jì)科技推出了其第一代 NPU 寒武紀(jì) 1A，并用在了華為麒麟 970 芯片中，華為也推出了自研的基于 DaVince 架構(gòu)的 NPU ，阿里則推出了“含光”架構(gòu)的 NPU 。
隨著芯片構(gòu)造方式的變化，大量異構(gòu)處理器方案也不斷衍生，每個芯片都對處理器性能、優(yōu)化目標(biāo)、所需的數(shù)據(jù)吞吐量以及數(shù)據(jù)流做出了不同的選擇。在這幾大類處理器芯片中，IPU與DPU發(fā)展速度領(lǐng)先。隨著5G邊緣云、自動駕駛和車路協(xié)同、金融計算等帶來越來越多的數(shù)據(jù)量，各種“X”PU的市場價值都在不斷攀升。