（文章來源：電子信息產(chǎn)業(yè)網(wǎng)）

有學(xué)者指出，英偉達(dá)在芯片領(lǐng)域的強勢表現(xiàn)源于其對AI技術(shù)需要高并行浮點計算的預(yù)判。英偉達(dá)創(chuàng)始人黃仁勛認(rèn)為，大腦在想象物體時會浮現(xiàn)相應(yīng)的圖像，與GPU運行模式類似。相比串行運算的CPU，用大量小核心進(jìn)行大規(guī)模并行計算的GPU能提升運算速度，更加適應(yīng)深層神經(jīng)網(wǎng)絡(luò)對矩陣乘法運算和卷積運算的需求。

“不考慮RGB信息，圖像就是一個二維陣列，GPU對每一個陣列、每一個單元采用相似的處理方法， 實現(xiàn)規(guī)模并行計算，而通用的人工智能算法也有著處理單元（神經(jīng)元）多、處理方式相似的特點。在用AI升級計算能力方面，GPU是一個很好的方案?！辟惖现菐燔浖a(chǎn)業(yè)所研究員蒲松濤告訴《中國電子報》記者。

據(jù)悉，英偉達(dá)發(fā)布的Volta架構(gòu)Tesla V100 GPU在混合精度矩陣乘法和累加的峰值運算已達(dá)120 TFLOP/s，目前英偉達(dá)Drive PX芯片應(yīng)用于自動駕駛，Jetson芯片應(yīng)用于無人機和機器人，Tesla系列用于加速超算和云計算，從深度學(xué)習(xí)框架到產(chǎn)品終端皆有布局。

在今年的CVPR（IEEE國際計算機視覺與模式識別會議），英偉達(dá)將Volta架構(gòu)的GPU免費贈送給100位AI研究者，其中包括15枚Tesla V100，可見英偉達(dá)對AI的進(jìn)取心。據(jù)Jon Peddie Research數(shù)據(jù)，英偉達(dá)2017年在GPU市場占有率達(dá)72.5%，AI成為英偉達(dá)主導(dǎo)市場的抓手。

微軟宣布英特爾Stratix10 FPGA芯片成為其深度學(xué)習(xí)平臺Project Brainwave的關(guān)鍵加速器。英特爾可程式化解決方案事業(yè)群總經(jīng)理Dan Mcnamara稱，英特爾FGPA根據(jù)微軟對AI算法最優(yōu)化與AI實時處理的需求定制硬件加速器，F(xiàn)GPA的可編程集成電路能廣泛適應(yīng)結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)。英特爾FPGA將加速器集成在處理器硬件層能降低延遲、提升效能，增強平臺在深度學(xué)習(xí)、機器學(xué)習(xí)、網(wǎng)絡(luò)、存儲方面的表現(xiàn)。

支持定制、功耗更低、效率更高的FGPA能狙擊GPU的主流地位嗎？從架構(gòu)來看，F(xiàn)GPA的算法直接構(gòu)建在物理層，比依靠指令系統(tǒng)的CPU、GPU更有效率，可編程的開源屬性也讓FGPA更加靈活。

“FGPA性價比更低，功耗小，擴展性好，可編程可開發(fā)，非常適合深度學(xué)習(xí)在云端的算法訓(xùn)練。但FGPA的部署量還與GPU有相當(dāng)?shù)牟罹?，尚處于各自開發(fā)的階段，沒有統(tǒng)一的開源框架，” ?賽迪顧問電子信息行業(yè)分析師向陽在接受《中國電子報》專訪時說。向陽認(rèn)為FGPA是一種趨勢，未來BAT或許會更多采用FGPA集成AI算法。

英特爾研發(fā)團隊也注意到現(xiàn)階段FGPA與GPU的差距。他們指出，深度學(xué)習(xí)對浮點運算和矩陣運算的需求讓GPU脫穎而出，但Stratix10 FPGA芯片有幾千個硬浮點單元、靈活的內(nèi)嵌RAM、高帶寬內(nèi)存，在效能上并沒有被GPU甩開。而深度神經(jīng)網(wǎng)絡(luò)正在引入越來越多的不適合GPU處理的不規(guī)則并行數(shù)據(jù)，他們預(yù)測FGPA會成為下一代深度神經(jīng)網(wǎng)絡(luò)的加速硬件。

談到AI芯片，就不得不提被視為Tesla V100最強對手的谷歌TPU 2.0。與英偉達(dá)不同，谷歌不打算出售TPU 2.0，而是將它集成到谷歌數(shù)據(jù)中心，預(yù)計開發(fā)者可在今年年底之前通過云平臺訓(xùn)練、執(zhí)行T神經(jīng)網(wǎng)絡(luò)訓(xùn)練。與競爭對手相比，谷歌對AI生態(tài)的主導(dǎo)意識更強，TPU 2.0需配合谷歌Tensorflow深度學(xué)習(xí)框架，使用Caffe、Torch的開發(fā)者則要基于TPU 2.0進(jìn)行調(diào)整。