本文介紹了ASIC和GPU兩種能夠用于AI計算的半導體芯片各自的原理和優勢。

ASIC和GPU是什么

ASIC和GPU，都是用于計算功能的半導體芯片。因為都可以用于AI計算，所以也被稱為“AI芯片”。

準確來說，除了它倆，計算芯片還包括大家更熟悉的CPU，以及FPGA。

行業里，通常會把半導體芯片分為數字芯片和模擬芯片。其中，數字芯片的市場規模占比較大，達到70%左右。

數字芯片，還可以進一步細分，分為：邏輯芯片、存儲芯片以及微控制單元（MCU）。CPU、GPU、FPGA、ASIC，全部都屬于邏輯芯片。

芯片的分類

邏輯芯片，就是計算芯片。它包含了各種邏輯門電路，可以實現運算與邏輯判斷功能。

四個芯片里，CPU和GPU是通用芯片，可以完成多種任務。尤其是CPU，是全能型選手，單核主頻高，啥都能干，所以經常被拿來做主處理器。

而GPU，本來是用來做圖形處理（顯卡）的。它的內核數量特別多（大幾千個），適合做并行計算，也就是擅長同時做大量的簡單計算任務（圖形處理，就是同時處理大量的像素計算）。

AI計算和圖形計算一樣，也是典型的并行計算型任務。 AI計算中包括大量并行的矩陣相乘、卷積、循環層、梯度運算等任務，所以，特別適合GPU去完成，而CPU不適合AI計算。 2023年以來，AI浪潮爆發。如果進行合理優化，一塊GPU卡，可以提供相當于數十其至上百臺CPU服務器的算力。 再來看看ASIC和FPGA。 ASIC（Application Specific Integrated Circuit，專用集成電路），是一種專用于特定任務的芯片。ASIC的官方定義，是指：應特定用戶的要求，或特定電子系統的需要，專門設計、制造的集成電路。

這幾年非常火的DPU（Data Processing Unit，數據處理單元）和NPU（Neural Processing Unit，神經網絡處理單元），也是ASIC芯片。

FPGA（Field Programmable Gate Array，現場可編程門陣列），是半定制芯片，也被人稱為“萬能芯片”。FPGA可以根據用戶的需要，在制造后，進行無限次數的重復編程，以實現想要的數字邏輯功能。

ASIC和FPGA的區別在于，AISC是全定制芯片，功能寫死，沒辦法改。而FPGA是半定制芯片，功能靈活，可玩性強。FPGA不需要流片（很燒錢的一個工序），但因為可編輯，冗余功能比較多，一旦用于單一目的，就會存在浪費。大規模生產的情況下，FPGA的成本比ASIC高，且極致能效不如ASIC。

所以，FPGA現在多用于產品原型的開發、設計迭代，以及一些低產量的特定應用，或者用于培訓和教學。它適合那些開發周期必須短的產品，也經常用于ASIC的驗證。

反正，大家記住，大規模出貨用于AI計算，一般不考慮FPGA。

所以，AI芯片，也就是GPU和ASIC之爭。

GPU和ASIC，到底誰厲害？

ASIC作為專用定制芯片，基于芯片所面向的專項任務。它的計算能力和計算效率都是嚴格匹配于任務算法的。芯片的核心數量，邏輯計算單元和控制單元比例，以及緩存等，整個芯片架構，也是精確定制的。

所以，ASIC可以實現極致的體積、功耗。這類芯片的可靠性、保密性、算力、能效，都會比通用芯片（GPU）更強。

但是相比之下，FPGA和ASIC的開發還是太過復雜，不適合普及。

ASIC之所以在AI上干不過GPU，和它的高昂成本、超長開發周期、巨大開發風險有很大關系。現在AI算法變化很快，ASIC這種開發周期，很要命。

綜合上述原因，GPU才有了現在的大好局面。

值得一提的是，AI計算分為訓練和推理兩種。訓練任務，需要更強大的算力，所以在AI訓練上，廠商們主要以GPU為主。

推理任務的話，算力要求要低一點，也不需要什么并行，所以GPU的算力優勢沒那么明顯。很多企業，就會開始采用更便宜、更省電的FPGA或ASIC，進行計算。

這個情況，一直持續到了現在。AI芯片，GPU的占比能達到70%以上。

如今，大家非常希望算力多元化。再有，大模型現在從“訓練熱”走向了“推理熱”。推理類的AI計算需求增加，給了ASIC機會。所以，扶持ASIC產業鏈，提升ASIC芯片在AI領域的占有率，成為了大家的共識。

那么，取代就真的那么容易嗎？ASIC會很快淘汰掉GPU嗎？

顯然不是的。

憑借性能、生態、集成能力等方面的優勢，GPU仍然會是中短期內的AI芯片首選。有關GPU的軟硬件網絡整套方案都很成熟，技術和資金實力太強，GPU的存量和出貨量依然很大。

ASIC的崛起速度雖然很快，但仍需要一定的時間走向成熟。AI ASIC芯片的研發，也具有很高的風險。即使研發成功，也需要時間被用戶所接受。

這就意味著，在很長的一段時間內，GPU和ASIC都將處于共存狀態。基于不同的場景，用戶會選擇最適合自己的芯片。未來的情況還是比較難預測的。量子計算是不是會對計算領域造成顛覆式影響，現在也是討論的熱點。