如今,，有一個詞聽到耳根生繭卻有些觸不可及,，這個詞就是“人工智能”,，曾經(jīng)它活在科幻小說中,，如今它活在新聞標題中,，然而降臨在我們身邊,，還是一個未知的時間,、未知的地點,、未知的場景。
自2016年3月AlphaGo戰(zhàn)勝李世石,，全世界掀起了一場對人工智能的熱戀,，一個仍在實驗室里的襁褓瞬間就成了國民對象。一場AI軍備競賽也逐漸浮出水面,，無論是科技大佬還是初創(chuàng)公司,，誰都不愿錯過這場即將爆發(fā)的AI風暴。
前幾天,，谷歌又掀起一場AI風波,，TPU來襲、劍指GPU,，本來就難分勝負的AI芯片之戰(zhàn),，更撲朔迷離。
那么本期《趣科技》我們就來講講誰是AI時代真正的“硬”角色,。
最近我們總聽到一種論調“中國人工智能直追美國”,，而麥肯錫最新研究報告顯示，盡管中國在人工智能的論文數(shù)量方面超過美國,，但是中國AI研究的影響力尚不及美國或者英國,。這究竟是為什么,？為何一個很鼓舞人心的消息后面總有一個殘酷的現(xiàn)實。
在人工智能的賽道上,，有三大軍團,，即算法、計算能力,、芯片,，而核心陣地顯然是在硬件方面。我國與美國的差距也主要是在此方面,。
目前,，在AI芯片領域，有幾大競爭主力：
- GPU,，視覺處理器,，只有英偉達、AMD兩大玩家,；
- FPGA,，現(xiàn)場可編程門陣列，玩家有賽靈思,、Altera（已被英特爾收購）,、Lattice、Microsemi,；
- ASIC,，專用集成電路，美國英特爾,、高通,、微軟，英國Graphcore,，中國中科院計算所,、地平線機器人等均有布局；
- 類腦芯片,，美國IBM,、高通，中國中科院計算所,、北京大學,、中星微等已有不俗的成績。
顯然,，在GPU和FPGA上我國缺席,，在ASIC與類腦芯片上也只是一個追隨者，這就是與美國的差距所在,。而說我們緊追美國也不為過,，在AI應用層面,，在語音識別和定向廣告等方面，百度已經(jīng)走在全球前列,。
隨著人工智能的大量涌現(xiàn)，AI芯片市場群雄爭霸,，廠商紛紛推出新的產(chǎn)品,，都想領跑智能時代——但問題是，誰會擔當這個角色呢,？
目前來看,，GPU是厚積薄發(fā)正當時，在深度學習領域發(fā)揮著巨大作用,；FPGA被視為AI時代的萬能芯片,，架構靈活獨具特色；ASIC這個后起之秀,被企業(yè)視作引發(fā)一輪全面的顛覆的杰作,。其推動代表之一就是谷歌,，2016年宣布將獨立開發(fā)一種名為TPU的全新的處理系統(tǒng)，而在前幾日,，這個神秘的TPU現(xiàn)真容,。谷歌表示TPU 已經(jīng)在谷歌數(shù)據(jù)中心內部使用大約兩年，并且TPU 在推理方面的性能要遠超過 GPU,。
TPU,，為深度學習而生的ASIC
TPU 是谷歌專門為加速深層神經(jīng)網(wǎng)絡運算能力而研發(fā)的一款芯片，可用來加速神經(jīng)網(wǎng)絡（NN）的推理階段,，其實是一款 ASIC,。
我們先來看一下什么是ASIC，ASIC指依照產(chǎn)品需求不同而定制化的特殊規(guī)格集成電路,，由特定使用者要求和特定電子系統(tǒng)的需要而設計,、制造。一般來說,，ASIC 在特定功能上進行了專項強化,，可以根據(jù)需要進行復雜的設計，但相對來說,，實現(xiàn)更高處理速度和更低能耗,。相對應的，ASIC 的生產(chǎn)成本也非常高,。
谷歌為什么要做TPU呢,？一方面是有錢任性，畢竟一般公司很難承擔為深度學習開發(fā)專門處理器 ASIC 芯片的成本和風險,；另一方面是自身需求大,，龐大的體量比如谷歌圖像搜索,、谷歌照片、谷歌云視覺 API,、谷歌翻譯等產(chǎn)品和服務都需要用到深度神經(jīng)網(wǎng)絡,，開發(fā)一款ASIC可得到廣泛的應用。
早在2011年谷歌就意識到他們遇到的問題,，開始思考使用深度學習網(wǎng)絡了,，這些網(wǎng)絡運算需求高，令他們的計算資源變得緊張,。
CPU能夠非常高效地處理各種計算任務,，但 CPU 的局限是一次只能處理相對來說很少量的任務；GPU 在執(zhí)行單個任務時效率較低,，而且所能處理的任務范圍更小,，GPU 是理想的深度學習芯片，但是能耗的問題又非常嚴重,。于是TPU應用而生,。
顯然，在GPU和FPGA上我國缺席,，在ASIC與類腦芯片上也只是一個追隨者,，這就是與美國的差距所在。而說我們緊追美國也不為過,，在AI應用層面,，在語音識別和定向廣告等方面，百度已經(jīng)走在全球前列,。
隨著人工智能的大量涌現(xiàn),，AI芯片市場群雄爭霸，廠商紛紛推出新的產(chǎn)品,，都想領跑智能時代——但問題是,，誰會擔當這個角色呢？
目前來看,，GPU是厚積薄發(fā)正當時,，在深度學習領域發(fā)揮著巨大作用；FPGA被視為AI時代的萬能芯片,，架構靈活獨具特色,；ASIC這個后起之秀,被企業(yè)視作引發(fā)一輪全面的顛覆的杰作。其推動代表之一就是谷歌,，2016年宣布將獨立開發(fā)一種名為TPU的全新的處理系統(tǒng),，而在前幾日，這個神秘的TPU現(xiàn)真容,。谷歌表示TPU 已經(jīng)在谷歌數(shù)據(jù)中心內部使用大約兩年,，并且TPU 在推理方面的性能要遠超過 GPU,。
TPU，為深度學習而生的ASIC
TPU 是谷歌專門為加速深層神經(jīng)網(wǎng)絡運算能力而研發(fā)的一款芯片,，可用來加速神經(jīng)網(wǎng)絡（NN）的推理階段,，其實是一款 ASIC。
我們先來看一下什么是ASIC,，ASIC指依照產(chǎn)品需求不同而定制化的特殊規(guī)格集成電路,，由特定使用者要求和特定電子系統(tǒng)的需要而設計、制造,。一般來說，ASIC 在特定功能上進行了專項強化,，可以根據(jù)需要進行復雜的設計,，但相對來說，實現(xiàn)更高處理速度和更低能耗,。相對應的,，ASIC 的生產(chǎn)成本也非常高。
谷歌為什么要做TPU呢,？一方面是有錢任性,，畢竟一般公司很難承擔為深度學習開發(fā)專門處理器 ASIC 芯片的成本和風險；另一方面是自身需求大,，龐大的體量比如谷歌圖像搜索,、谷歌照片、谷歌云視覺 API,、谷歌翻譯等產(chǎn)品和服務都需要用到深度神經(jīng)網(wǎng)絡,，開發(fā)一款ASIC可得到廣泛的應用。
早在2011年谷歌就意識到他們遇到的問題,，開始思考使用深度學習網(wǎng)絡了,，這些網(wǎng)絡運算需求高，令他們的計算資源變得緊張,。
CPU能夠非常高效地處理各種計算任務,，但 CPU 的局限是一次只能處理相對來說很少量的任務；GPU 在執(zhí)行單個任務時效率較低,，而且所能處理的任務范圍更小,，GPU 是理想的深度學習芯片，但是能耗的問題又非常嚴重,。于是TPU應用而生,。