編者按：GPU主要擅長做類似圖像處理的并行計算，GPU中一個邏輯控制單元對應多個計算單元，同時要想計算單元充分并行起來，邏輯控制必然不會太復雜，太復雜的邏輯控制無法發揮計算單元的并行度，ASIC是一種專用芯片，是為了某種特定的需求而專門定制的芯片。ASIC芯片的計算能力和計算效率都可以根據算法需要進行定制，具有以下幾個方面的優越性：體積小、功耗低、計算性能高、計算效率高、芯片出貨量越大成本越低。但是缺點也很明顯：算法是固定的，一旦算法變化就可能無法使用。像Facebook這樣體量的廠商，開發專用人工智能芯片，顯然是降低成本的需求，更重要的也是開發自身的定制芯片，以支持它的AI程序。

在認識到需要大大加快計算速度以實現人工智能的下一個突破之后，Facebook緊跟亞馬遜和谷歌的腳步，正在加緊開發自己的人工智能芯片。

該公司的首席人工智能科學家，現代先驅之一Yann LeCun表示，該公司的目標包括充滿“常識”（common sense）的數字助理，能與人進行任何主題的交談，這將會是是當今語音控制設備的重要一步。

他還希望使AI成為控制其社交網絡的一個更實用的工具，例如實時監控視頻并幫助其人類主持人的軍隊決定，那些服務內容是被允許的。

LeCun先生最近在接受英國“金融時報”采訪時表示，Facebook希望與多家芯片公司合作開發新設計 ，他們最近也宣布與英特爾合作開展項目。但他也表示，Facebook也在開發自己的定制“ASIC”芯片，以支持它的AI程序。

“眾所周知，Facebook會在需要時構建其硬件，包括構建自己的ASIC。如果有任何不解之處，我們將繼續努力”，Lecun說，這也是Facebook官方第一次公開其在芯片領域的野心。

談到公司有可能在芯片哪些方面取得突破的時候，LeCun強調，在底層會有很大的空間。

Facebook決定打造自己的芯片，對Nvidia來說，又將是另一個長期挑戰。后者是目前用于數據中心AI的圖形處理器的主要生產商，在各大廠商進入芯片領域之后，Nvidia面臨著大型數據中心客戶退出的短期擠壓。

隨著對以閃電般的速度和更低的功耗執行單一任務需求的提升，過去的通用處理器的瓶頸凸顯，專用AI芯片開始爆發。這個趨勢不僅吸引了谷歌，亞馬遜和蘋果等公司的投身其中，還有幾十家初創企業大舉進入。

對新芯片設計和硬件架構的關注表明，我們需要在基本計算方面取得根本性突破，以防止今天的AI成為死胡同。

LeCun先生說，在人工智能的整個歷史中，在研究人員在該領域提出突破性見解之前，硬件方面通常已經取得了很大的進步。

“在相當長的一段時間里，人們沒有太多想法”，他說。

以反向傳播（back propagation）為例，這是當今深度學習系統中的一項核心技術，它將算法在其計算之上進行重新計算，以最大限度地減少錯誤。LeCun先生表示，這是早期研究的一個明顯延伸，但在計算硬件發展之后，才在20世紀90年代得到廣泛應用。

本文來自金融時報，半導體行業觀察翻譯，本文作為轉載分享。