各大企业为何竞逐AI芯片？

 

据华为副董事长、轮值董事长徐直军介绍，昇腾910与MindSpore配合，相比现有主流训练单卡配合TensorFlow的组合显示出接近2倍的性能提升。在去年十月，公布技术参数时，徐直军就曾表示昇腾910是业界算力最高的AI处理器，相同功耗情况下，它的算力是业界最强AI芯片的2倍，最强CPU的50倍。可以看出，Ascend910的实力强劲，傲视业界AI芯片的同时竟然高出同期CPU计算能力数十倍。那么常规印象中被认为是计算机的“大脑”的CPU，性能最强的核心单元，现在只能用来衬托AI芯片的性能了吗？

 

其实不然，就目前情况，通用大规模集成电路的类型主要有CPU、DSP、GPU、FPGA几种：

 

CPU

 

一般来说CPU运算能力弱，虽然主频最高，但是单颗核心数量也有8核、16核，按单核3.5G主频计算，16核即就是56G的主频；再考虑指令周期，每秒最多执行30G次乘法。

 

DSP

 

DSP虽然主频不如CPU, 但是胜在乘法器多，动辄附带16个乘法器，而且是浮点的。再者，不论4核、8核，它还具有特定的算法硬件加速，所以虽然主频只有1-2G，但是运算能力还是比CPU强。当然现在出现了带专用乘法器的CPU，DSP也集成了ARM核，这两者的界限开始变得模糊。DSP所有计算均使用浮点算法，目前还没有位或整数运算指令。

 

GPU

 

GPU专为图像处理设计，主频一般在500MHz左右，但是核芯数量多，比如英伟达Titan, 有380多个流处理单元，主频和单元数相乘起来：500*400就是200G的计算量，这个量级，远大与于前面二者。

 

FPGA

 

FPGA的运算能力的，拿高端的来说：3000多个固定乘法器，用片上资源靠数字逻辑还能再搭建3000个，主频最快能到接近300MHz, 则总计算性能可达(3000+3000)*300M = 1800G这个量级。

 

因此不难理解，这几个类型的芯片适合的应用场合不同：

 

1.CPU虽然运算不强，但是擅长进行管理和调度，比如读取数据、管理文件、处理人机交互等。

 

2.DSP相较CPU而言管理变弱了，运算加强了。这两者都是靠高主频来解决运算量的问题，适合有大量递归操作以及不便拆分的算法。

 

3.GPU管理方面更弱，运算更强，由于是多进程并发，更适合整块数据进行流处理的算法。

 

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!