CPU,、GPU,、FPGA,、英特爾,、英偉達,、賽靈思……隨著深度學習帶來的AI的興起,，芯片領域最近可謂是風起云涌，一個個科技名詞走進公眾視野,，成為網(wǎng)紅,。AI創(chuàng)企也在不斷吸金,，用芯片燃燒著一個又一個神話；與此同時,，老牌芯片廠商,，英偉達、賽靈思也在不斷被挑戰(zhàn)的同時,，續(xù)寫自己的輝煌,。
芯片，作為高端制造業(yè)的“皇冠明珠”,，在不斷變小,、改變架構的同時，不斷凝縮著新的科技結晶,，逐漸構建出更龐大,、更精致的科技帝國。
億歐推出“芯片帝國”系列分析稿件,，從芯片的核心架構,、應用場景、國內外主要玩家和下游晶圓代工廠等方面呈現(xiàn)芯片業(yè)的產業(yè)圖景,。當前AI芯片主要分為GPU,、FPGA、ASIC及類腦芯片等,。以下為第一篇架構篇,，從通用芯片CPU及它的創(chuàng)始者英特爾說起，梳理AI浪潮下不同的芯片架構,，及它們所構筑的科技帝國,。
英特爾和CPU：開山鼻祖，集成通用芯片,、PC界老大
芯片中,，最令人熟悉的恐怕是中央處理器CPU了。作為一種超大規(guī)模的集成通用芯片,，CPU可完成多種不同種類的任務,，在PC世界里起著大腦的作用。而CPU的誕生也開始了PC時代的巨頭——英特爾的輝煌歷史,。
英特爾是主要以研制CPU處理器的巨頭,，全球最大的個人計算機零件和CPU制造商,，1971年,，英特爾推出了全球第一個微處理器，它引發(fā)的微處理器所帶來的計算機和互聯(lián)網(wǎng)革命,，可以說改變了整個世界。
但CPU雖統(tǒng)治了PC時代,，隨著人工智能興起,，傳統(tǒng)的CPU算力不足這一問題便越來越突出，尤其基于CPU的傳統(tǒng)計算架構無法滿足人工智能并行計算的需求,。AI所需的深度學習需要很高的內在并行度,、大量浮點計算能力以及矩陣運算，因此在通用芯片之下,，需發(fā)展適合人工智能架構的專屬芯片,。這也帶來了英特爾地位的下降。
不過在更早時候,，即移動互聯(lián)網(wǎng)大潮襲來時,，CPU巨頭英特爾的劣勢就已開始顯現(xiàn)了。英特爾在移動端不敵來自生產ARM芯片（與英特爾X86平級的CPU架構,，但采用精簡指令集計算機,，主打低成本、低功耗和高效率）的ARM公司,，目前世界超過95％的智能手機和平板電腦都采用ARM架構,。
再加上英偉達GPU在數(shù)據(jù)中心業(yè)務的競爭，2010年還占據(jù)整個半導體芯片市場80％多份額（據(jù)IHS的報告數(shù)據(jù)）的英特爾,，到2016年第二季度，僅占14．7％,。
為了在人工智能時代不落后其他科技公司,，英特爾近年來通過收購一批在FPGA、ASIC等芯片領域的頭部企業(yè),。在云端,，2015年，英特爾收購全球第二大FPGA廠商Altera,；在終端,，2016年收購了研發(fā)高性能視覺處理芯片的Movidius；另外,，英特爾2017年還收購了汽車領域的Mobileye,，以此對抗英特爾在汽車領域的地位。
不過,，今年7月,，英特爾交出的財報顯示，其Q2營收為169．62億美元,，凈利潤50．06億美元,，同比增長78％。雖然營收、凈利潤增速不錯,，但基于CPU,、FPGA的數(shù)據(jù)業(yè)務并未達到之前的預期，英特爾股價還是跌了,。
當然,，英偉達雖然目前已有頹勢，但CPU卻也沒有到馬上要被替代的地步,。
CPU雖然計算能力稍差,，但它是通用計算機的處理核心，處理各式各樣的指令要求,，所有部件也都要通過它互聯(lián)互通,，其有著復雜的邏輯控制單元和獨特的指令翻譯結構，這是其他芯片目前難以替代的,。
并且,，ARM架構的CPU芯片在手機和智能音箱等領域也是不可或缺的。所以唱衰CPU,，還是為時過早的,。
英偉達和GPU：先發(fā)制人的“十項全能”選手，目前應用最廣泛AI芯片
CPU的計算能力漸漸落后,，也催生了崛起的圖像處理器GPU及新的巨頭英偉達,。1999年，英偉達發(fā)明了GPU,，這極大地推動了PC游戲市場的發(fā)展,，重新定義了現(xiàn)代計算機圖形技術，并徹底改變了并行計算,。
相比CPU,，GPU由于更適合執(zhí)行復雜的數(shù)學和幾何計算（尤其是并行運算），剛好與包含大量的并行運算的人工智能深度學習算法相匹配,，因此在人工智能時代剛好被賦予了新的使命,，成為AI硬件首選，在云端作為AI“訓練”的主力芯片,，在終端的安防,、汽車等領域，GPU也率先落地,，是目前應用范圍最廣,、靈活度最高的AI硬件。
而英偉達也因此幾乎成為AI浪潮中的最大受益者,，在加速深度學習算法芯片市場幾乎占壟斷地位,。英偉達2016年第一個推出專為深度學習優(yōu)化的Pascal GPU,，2017年推出了性能更優(yōu)的新GPU架構Volta，及神經網(wǎng)絡推理加速器TensorRT 3,。目前占據(jù)全球GPU行業(yè)的市場份額超過70％,，GPU作為其核心產品占據(jù)84％的收入份額。
另外,，由于英偉達發(fā)布的針對開發(fā)者提供的并行計算平臺CUDA,，被廣泛認可和普及，積累了良好的編程環(huán)境,，目前應用在人工智能領域,，可進行通用計算的GPU市場基本被英偉達壟斷。
不過英偉達在PC端和數(shù)據(jù)中心業(yè)務上,，也面臨著老二AMD的挑戰(zhàn),。
在PC處理器市場，AMD正在英特爾主導的市場“搶食”,。從2017年3月至今年4月,，AMD推出了銳龍7、銳龍5,、銳龍3,、銳龍Threadripper、銳龍2000等處理器,。數(shù)據(jù)顯示,，在銳龍?zhí)幚砥魍瞥龊螅珹MD的桌面處理器市場份額已從8％增至12％,；而英特爾的份額則下跌1．9％,，至87．8％。
雖然,，英特爾在數(shù)據(jù)中心處理器市場也占有絕對的領先地位，擁有99％的市場份額,，不過野村證券稱英特爾正在試圖阻止將15－20％的數(shù)據(jù)中心處理器份額讓給AMD,。
目前GPU和英偉達，在人工智能浪潮下,，可以說是風頭正勁,，不過在頂著“應用最廣泛AI芯片”的光環(huán)，英偉達也還面臨FPGA和ASIC等專用化程度更高,、計算力更強的芯片的挑戰(zhàn),。
賽靈思和FPGA：“變形金剛”，算法未定型前的階段性最佳選擇
同樣能滿足更高的計算需求,，并可進行編程,，1984年，賽靈思（Xilinx）發(fā)明了現(xiàn)場可編程門陣列FPGA，F(xiàn)PGA作為半定制化的ASIC（專用集成電路）,，順應了計算機需求更專業(yè)的趨勢,，成為神經網(wǎng)絡算法中的主流芯片。
FPGA可算是芯片界的“變形金剛”,，在寫入軟件前它有勝于CPU的通用性,，寫入軟件后它有類似于ASIC的表現(xiàn)，是算法未定型前的階段性最佳選擇,。FPGA相比GPU具有低功耗優(yōu)勢,，同時相比ASIC具有開發(fā)周期快，更加靈活編程等特點,。
在現(xiàn)階段云端數(shù)據(jù)中心業(yè)務中,，F(xiàn)PGA以其靈活性和可深度優(yōu)化的特點，有望繼GPU之后在該市場爆發(fā),；在目前的終端智能安防領域,，也有廠商采用FPGA方案實現(xiàn)AI硬件加速。
FPGA市場的最大玩家是其創(chuàng)始者賽靈思,，除了“通過系統(tǒng)集成和先進的‘軟件定義’開發(fā)環(huán)境所擴展的新用戶群體的服務”外,，賽靈思在金融、制造業(yè),、娛樂,、公共安全以及電信等傳統(tǒng)行業(yè)，以及在自動駕駛汽車,、無人機,、智能監(jiān)控等新興行業(yè)都有布局。
在數(shù)據(jù)中心方面,，全球七大超大規(guī)模云服務公司,，已有3家采用了賽靈思FPGA，其中的百度于今年10月宣布,，其已設計出賽靈思UltraScale?FPGA池,。另外，賽靈思在車用電腦視覺處理市場占有率排名第二,，僅次于Mobileye（2017年被英特爾收購）,，不過其與Mobileye間還存在著巨大差距。
賽靈思今年還收購了我國的人工智能創(chuàng)企深鑒科技,，深鑒基于賽靈思的FPGA開發(fā)AI芯片,，此前已和大華股份、東方網(wǎng)力等安防廠商展開合作,，推出基于Xilinx FPGA的DPU產品,。
除賽靈思以53％的份額（咨詢公司Gartner2016年數(shù)據(jù)）占據(jù)FPGA市場頭把交椅外,，阿爾特拉（Altera）以36％的份額位居其后。2015年6月,，阿爾特拉被英特爾以167億美元的價格收購后,，英特爾在其基礎上成立了可編程事業(yè)部。今年4月,，英特爾的FGPA被正式應用于主流的數(shù)據(jù)中心OEM廠商中,，主要客戶包括戴爾、富士通等,。
不過老大賽靈思在回復如何看待阿爾特拉被英特爾收購時,，傲嬌的表示：“我們依舊是第一，只是尾巴丟了”,。
但由于FPGA要保證編程的靈活性,，電路上會有大量冗余，因此成本上不能像ASIC做到最優(yōu),，工作頻率也不能太高,。因而，在ASIC還并不成熟,，同時GPU功耗和成本較高的現(xiàn)階段發(fā)展較好,。
谷歌和ASIC：“專精職業(yè)選手”，專一決定效率,，AI芯片未來
隨著專用化需求的進一步發(fā)展,，芯片界又誕生了ASIC。ASIC（Application Specific Integrated Circuit）即專用集成電路,，本文中特指專門為AI應用設計,、專屬架構的處理器芯片。
近年來涌現(xiàn)的類似TPU,、NPU,、VPU、BPU等,，本質上都屬于ASIC,。無論是從性能、面積,、功耗等各方面，AISC都優(yōu)于GPU和FPGA,，長期來看,，ASIC代表AI芯片的未來。
ASIC架構典型的代表,，是谷歌的張量處理器TPU,，其采用了脈動陣列的組織方式,。2016年，谷歌TPU在AlphaGo與李世石一役中橫空出世,，使AlphaGo“思考”棋招和預判局勢,，處理速度比GPU和CPU快上幾十倍。令人驚艷的的TPU,，也一度被認為是AI芯片業(yè)內新的攪局者,。不過TPU的資歷也沒比以上幾位年輕，哈佛大學孔祥重教授在1970 s就提出了TPU的脈動陣列組織方式,。
今年2月,，谷歌也以Beta測試的形式開放了一直只是自用的TPU，服務的名稱為Cloud TPUs（云端TPUs）,，用于云端服務器,。今年5月Google云端芯還發(fā)布了TPU 3．0，8月谷歌又推出一款為邊緣計算定制的Edge TPU,。
不過TPU目前并不對外發(fā)售,，并且要想進入更多市場，它的通用性仍需檢驗,。但谷歌TPU的推出,，以及測試版對中小企業(yè)的開放，還是會對英偉達帶來一定威脅,。
而ASIC芯片領域,，也有一大批追趕者。以我國的初創(chuàng)企業(yè)而言,，2017年9月,，華為發(fā)售的AI芯片麒麟970上的NPU（屬ASIC架構）集成了初創(chuàng)芯片企業(yè)寒武紀的1A處理器作為其核心人工智能處理單元。
2017年1月,，地平線攜手英特爾發(fā)布基于BPU（屬ASIC架構）架構的最新高級輔助駕駛系統(tǒng),，12月，地平線機器人發(fā)布“旭日”和“征程”兩款嵌入式AI芯片,，面向智能駕駛和智能攝像頭,。
2016年，英特爾收購的視覺處理芯片企業(yè)Movidius,，其研發(fā)的VPU也是ASIC芯片,。
在AI算法尚處于蓬勃發(fā)展、快速迭代的今天,，ASIC存在開發(fā)周期較長,、需要底層硬件編程、靈活性較低等劣勢,，因此目前發(fā)展速度還不及GPU和FPGA,。但長期來看,，ASIC是AI芯片的未來。
IBM和類腦芯片：另辟蹊徑,，顛覆傳統(tǒng)計算架構,，仍在研發(fā)
另外，在傳統(tǒng)架構之外,，還有一類“不走尋常路”的芯片,，這就是“類腦芯片”?！邦惸X芯片”顛覆傳統(tǒng)計算架構,，將數(shù)字處理器當作神經元，把內存作為突觸,，內存,、CPU和通信部件完全集成在一起，采用模擬人腦神經元結構來提升計算能力,。
“類腦芯片”以IBM TrueNorth芯片為代表,，但由于技術和底層硬件的限制，其尚處于前期研發(fā)階段,，目前不具備大規(guī)模商業(yè)應用的可能性,。從技術成熟度和商業(yè)可行性兩個角度，使用AI專屬硬件進行加速運算是今后五年及以上的市場主流,。
我國初創(chuàng)企業(yè)西井科技也在研發(fā)類腦芯片,，其宣稱“芯片用電路模擬神經，成品有100億規(guī)模的仿真神經元,，可用于基因測序,、模擬大腦放電等領域”。
不過,，類腦芯片的商用并不樂觀,，西井目前也從研究類腦芯片轉向自動駕駛領域。
總結：諸侯混戰(zhàn),，同賽道糾纏,，不同架構競爭
從CPU、GPU,、FPGA,，到ASIC及類腦芯片，從英特爾,、英偉達,、賽靈思、谷歌再到IBM，可以看出芯片業(yè)最近50年可謂風起云涌,，而人工智能芯片的興起只是最近的一次浪潮。
GPU,、FPGA,、ASIC及類腦芯片等可用于AI的芯片，也只是目前登場的芯片中的一小部分,，其商用場景還未完全展開,。而當前的AI芯片中，應用還是以GPU領先,，F(xiàn)PGA可能成為下一個爆點,，ASIC目前是被看好、但不成熟的新星,。
再看芯片巨頭的斗爭,，英特爾與ARM在CPU市場、英偉達和AMD在GPU市場,、賽靈思和阿爾特拉在FPGA市場上,，及谷歌和一些創(chuàng)企在ASIC市場的競爭……而在AI浪潮下引導的芯片革新上，英特爾與英偉達,，賽靈思以及谷歌又在不同芯片架構及應用場景間進行斗爭,。
可以說這確實是一場“諸侯混戰(zhàn)”，而身處變革中的每一個巨頭,，都不想在戰(zhàn)爭中先倒下,。