ASIC：崭露头角、值得期待

您当前位置：首页 > 中为资讯 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-11-30 21:45:23】【打印】【关闭】

相关报告

ASIC的特点是面向特定用户的需求，ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。用于深度学习加速器的ASIC

谷歌TPU（张量处理单元ASIC处理器）

ASIC可以做到更高集成度，达到更高的工作频率，更小的能源消耗；对于大规模且标准化的应用，费用可以平摊到忽略不计，因此ASIC具备更低的成本。

ASIC的缺点是设计周期长，一次性开发成本高。FPGA只要写完Verilog代码就可以用FPGA厂商提供的工具实现硬件加速器了，而要设计ASIC则还需要做很多验证和物理设计（ESD，Package等等），需要更多的时间。如果要针对特殊场合（如军事和工业等对于可靠性要求很高的应用），ASIC则需要更多时间进行特别设计以满足需求。

在人工智能发展的初期，普遍认为FPGA比ASIC更有优势，原因是FPGA的可编程和一次性成本优势。但是，在人工智能成熟期，由于大量标准化产品的出现，ASIC将显示出优势，主要体现在功耗低、性能高、保密性与可靠性强、量产成本低等。

2016年5月，谷歌公布了自家的TPU（张量处理单元，TensorProcessingUnit），使得机器学习类深度神经网络模型在每瓦特性能支撑上优于传统硬件。实际上谷歌TPU就是一种定制ASIC，据谷歌介绍，已经秘密开发三年，设计之初部署为人工智能、深度神经等技术，目前机器学习的常用处理器（CPU、GPU）7年以上，速度快10倍。人工智能领域不同芯片对比

整体来看，从加速性能角度来看，GPU（最佳）>定制ASIC>FPGA>通用CPU；从功耗角度来看，GPU>通用CPU>FPGA>定制ASIC（最佳）；从可编程性角度来看，GPU/通用CPU（最佳）>FPGA>定制ASIC；从设计周期角度来看，GPU/通用CPU>定制ASIC>FPGA（最佳）；从产品成本角度来看，GPU>一次性定制ASIC>通用CPU>FPGA>量产定制ASIC（最佳）。（我们这里比较的是单个芯片的性能）

这里我们可以把人工智能的深度学习训练与比特币挖矿进行比较，两者都是对大规模的数据进行并行计算，所以都是依赖于硬件底层的计算芯片的性能，有一定的相似性。挖矿就是用计算的方法，把已有的10分钟内的所有交易作为一个输入，加上一个随机数，计算出一个SHA256的hash。对于比特币的Hash计算而言，它几乎都是独立并发的整数计算。比特币挖矿发展历史

2009年1月，比特币的创始人中本聪用电脑CPU挖出了第一个创世区块，一个典型的IntelCPU挖掘速度为20u-20MHash/s。由于CPU只有2-8线程和长度惊人的控制判断和调度分支，因此并不适合挖矿；GPU可以轻易的进行数百个线程的整数计算并发，因此2009年9月18日，第一个GPU挖矿软件发布，一个常用的AMDGPU挖矿速度约为300u-400MHash/s；由于GPU极高的功耗，产出功耗比其实并不高，于是在2011年末基于FPGA挖矿机开始出现，一颗FPGA芯片的挖矿速度约为200-2500MHash/s；FPGA一次性开发成本不高，但是大规模采用，尤其是方案成熟之后，在性价比方面不如ASIC，所以从2013年定制化的ASIC开始大规模普及，并大获成功。目前比特币挖矿进入大规模ASIC集群时代。比特币挖矿不同芯片对比

需要指出的是，人工智能与比特币挖矿存在一定的区别，比特币挖矿算法简单，方案成熟，所以ASIC盛行，而人工智能深度学习训练算法复杂，还处于不断进步的阶段，所以ASIC方案少，采用GPU和FPGA方案的多。

综上所述，在人工智能加速运算方面，GPU、FPGA和ASIC各有优势，各有不同的巨头厂商在推动。GPU性能最高，但是功耗大、成本高，FPGA比较适合现阶段方案不成熟的情况，性价比高，设计周期短，大规模用量情况下ASIC要优于FPGA，但是设计周期长，目前小规模用量情况下性价比低。

前文我们已经详细阐述高性能的计算芯片对于人工智能的重要性，而国内厂商已经开始踏足上述领域，尽管还无法与海外巨头相比，但是值得期待。

国内公司方面，在GPU领域，景嘉微发布自主研发的GPU芯片JM5400，性能基本接近国外芯片的水平，有望在未来形成对进口芯片的替代；在FPGA领域，紫光国芯旗下的子公司同创国芯，在高端市场开始发力，以Titan高性能系列FPGA为主，定位于通信、信息安全、数据中心和医疗等市场；在机器视觉与智能视频分析领域，全志科技是领先的智能应用处理器SoC和智能模拟芯片设计厂商，在超高清视频编解码、高性能CPU/GPU多核整合、超低功耗等方面处于业界领先水平，已经开始在人工智能、VR/AR领域布局；北京君正的智能视频分析芯片T10芯片已于今年小规模对外供货。君正T10芯片应用于视频监控与智能视频分析

同方国芯FPGA产品时间表

此外，国内创业型公司也在人工智能芯片领域有所突破，中国科学院计算技术研究所旗下的寒武纪公司发布神经网络处理器DianNao，平均性能与主流GPGPU相当，但面积和功耗仅为主流GPGPU百分之一量级；地平线机器人公司打造基于深度神经网络的人工智能平台，产品―雨果‖是基于人工智能算法的芯片、系统和软硬件平台。寒武纪DianNao处理器