AI運(yùn)算指以“深度學(xué)習(xí)” 為代表的神經(jīng)網(wǎng)絡(luò)算法，需要系統(tǒng)能夠高效處理大量非結(jié)構(gòu)化數(shù)據(jù)（文本、視頻、圖像、語(yǔ)音等） 。需要硬件具有高效的線性代數(shù)運(yùn)算能力，計(jì)算任務(wù)具有：?jiǎn)挝挥?jì)算任務(wù)簡(jiǎn)單，邏輯控制難度要求低，但并行運(yùn)算量大、參數(shù)多的特點(diǎn)。對(duì)于芯片的多核并行運(yùn)算、片上存儲(chǔ)、帶寬、低延時(shí)的訪存等提出了較高的需求。

AI應(yīng)用場(chǎng)景的豐富帶來(lái)眾多碎片化的需求，基于此適配各種功能的處理器不斷衍生。

CPU

CPU即中央處理器（Central Processing Unit），作為計(jì)算機(jī)系統(tǒng)的運(yùn)算和控制核心，主要負(fù)責(zé)多任務(wù)管理、調(diào)度，具有很強(qiáng)的通用性，是計(jì)算機(jī)的核心領(lǐng)導(dǎo)部件，好比人的大腦。不過(guò)其計(jì)算能力并不強(qiáng)，更擅長(zhǎng)邏輯控制。

正是因?yàn)镃PU的并行運(yùn)算能力不是很強(qiáng)，所以很少有人優(yōu)先考慮在 CPU 上直接訓(xùn)練模型。不過(guò)芯片巨頭英特爾就選擇了這么一條路。

像英特爾? 至強(qiáng)? 可擴(kuò)展處理器這種 AI build－in 的 CPU 在支持模型訓(xùn)練上已經(jīng)有了極大地提升，去年由萊斯大學(xué)、螞蟻集團(tuán)和英特爾等機(jī)構(gòu)的研究者發(fā)表的一篇論文中表明，在消費(fèi)級(jí) CPU 上運(yùn)行的 AI 軟件，其訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的速度是 GPU 的 15 倍，另外相比顯存 CPU 的內(nèi)存更易擴(kuò)展，很多推薦算法、排序模型、圖片 ／ 影像識(shí)別等應(yīng)用，已經(jīng)在大規(guī)模使用 CPU 作為基礎(chǔ)計(jì)算設(shè)備。

相比價(jià)格高昂的 GPU，CPU 其實(shí)是一種性價(jià)比很高的訓(xùn)練硬件，也非常適合對(duì)結(jié)果準(zhǔn)確度要求高兼顧成本考量的制造業(yè)、圖像處理與分析等行業(yè)客戶的深度學(xué)習(xí)模型。

GPU

GPU即圖形處理器（Graphics Processing Unit），采用數(shù)量眾多的計(jì)算單元和超長(zhǎng)的流水線，擅長(zhǎng)進(jìn)行圖像處理、并行計(jì)算。

對(duì)于復(fù)雜的單個(gè)計(jì)算任務(wù)來(lái)說(shuō)，CPU 的執(zhí)行效率更高，通用性更強(qiáng)；而對(duì)于圖形圖像這種矩陣式多像素點(diǎn)的簡(jiǎn)單計(jì)算，更適合用 GPU 來(lái)處理，也有人稱之為人海戰(zhàn)術(shù)。而AI 領(lǐng)域中用于圖像識(shí)別的深度學(xué)習(xí)、用于決策和推理的機(jī)器學(xué)習(xí)以及超級(jí)計(jì)算都需要大規(guī)模的并行計(jì)算，因此更適合采用 GPU 架構(gòu)。

CPU和GPU還有一個(gè)很大的區(qū)別就是：CPU可單獨(dú)作用，處理復(fù)雜的邏輯運(yùn)算和不同的數(shù)據(jù)類型，但當(dāng)需要處理大量類型統(tǒng)一的數(shù)據(jù)時(shí)，則可調(diào)用GPU進(jìn)行并行計(jì)算。但GPU無(wú)法單獨(dú)工作，必須由CPU進(jìn)行控制調(diào)用才能工作。

在AI計(jì)算領(lǐng)域英偉達(dá)的GPU幾乎占到市場(chǎng)的絕大部分，但近幾年也有不少國(guó)產(chǎn)企業(yè)進(jìn)軍高端GPU，比如沐曦首款采用7nm工藝的異構(gòu)GPU產(chǎn)品已流片、壁仞前不久也發(fā)布了單芯片峰值算力達(dá)到PFLOPS級(jí)別的BR100，還有燧原科技、黑芝麻、地平線等公司都在向高端GPU發(fā)力。

DPU

DPU即數(shù)據(jù)處理器（Data Processing Unit），用于優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)，廣泛應(yīng)用于加速深度學(xué)習(xí)推理算法。

當(dāng)CPU算力釋放遇瓶頸，DPU能夠卸載 CPU 的基礎(chǔ)層應(yīng)用（如網(wǎng)絡(luò)協(xié)議處理、加密解密、數(shù)據(jù)壓縮等），從而釋放CPU低效應(yīng)用端的算力，將CPU算力集中在上層應(yīng)用。區(qū)別于GPU，DPU主要用于對(duì)數(shù)據(jù)解析與處理，提高數(shù)據(jù)接發(fā)的效率，而GPU則是專注于數(shù)據(jù)的加速計(jì)算。因此，DPU將有望成為釋放CPU算力新的關(guān)鍵芯片，并與CPU、GPU形成優(yōu)勢(shì)互補(bǔ)，提高算力天花板。

DPU還具有高性能網(wǎng)絡(luò)接口，能以線速或網(wǎng)絡(luò)中的可用速度解析、處理數(shù)據(jù)，并高效地將數(shù)據(jù)傳輸?shù)紾PU和CPU。

英偉達(dá)收購(gòu)Mellanox后，憑借原有的ConnectX系列高速網(wǎng)卡技術(shù)，推出其 BlueField系列DPU，成為DPU賽道的標(biāo)桿。英偉達(dá)首席執(zhí)行官黃仁勛也曾表示：“ DPU 將成為未來(lái)計(jì)算的三大支柱之一，未來(lái)的數(shù)據(jù)中心標(biāo)配是‘ CPU ＋ DPU ＋ GPU ’。CPU 用于通用計(jì)算， GPU 用于加速計(jì)算， DPU 則進(jìn)行數(shù)據(jù)處理。”

當(dāng)下的DPU的市場(chǎng)，已經(jīng)成為各個(gè)巨頭和初創(chuàng)公司的必爭(zhēng)之地，除英偉達(dá)等企業(yè)開始布局DPU產(chǎn)業(yè)外，阿里巴巴、華為在內(nèi)的各大云服務(wù)商也逐漸躋身DPU行業(yè)。其他還有芯啟源、大禹智芯、星云智聯(lián)、中科馭數(shù)、云豹智能等公司。

TPU

TPU：張量處理器（Tensor Processing Unit）是谷歌專門為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的ASIC 芯片，專用機(jī)器學(xué)習(xí)的人工智能加速處理器。

AI 系統(tǒng)通常涉及訓(xùn)練和推斷過(guò)程。簡(jiǎn)單來(lái)說(shuō)，訓(xùn)練過(guò)程是指在已有數(shù)據(jù)中學(xué)習(xí)，獲得某些能力的過(guò)程；而推理過(guò)程則是指對(duì)新的數(shù)據(jù)，使用這些能力完成特定任務(wù)（比如分類、識(shí)別等）；推理是將深度學(xué)習(xí)訓(xùn)練成果投入使用的過(guò)程。

有老話言：萬(wàn)能工具的效率永遠(yuǎn)比不上專用工具。TPU與同期的CPU和GPU相比，可以提供15－30倍的性能提升，以及30－80倍的效率（性能／瓦特）提升。此外，在 TPU 中采用 GPU 常用的 GDDR5 存儲(chǔ)器能使性能TPOS指標(biāo)再高 3 倍，并將能效比指標(biāo) TOPS／Watt 提高到 GPU 的 70 倍，CPU 的 200 倍。

2016年 TPU 消息剛剛公布時(shí)，谷歌資深硬件工程師Norman  Jouppi 在谷歌Research 博客中特別提到，TPU 從測(cè)試到量產(chǎn)只用了 22 天，其性能把人工智能技術(shù)往前推進(jìn)了差不多 7 年，相當(dāng)于摩爾定律 3 代的時(shí)間。

IPU

IPU：圖像處理單元（Intelligent Processing Unit），可以從圖像傳感器到顯示設(shè)備的數(shù)據(jù)流提供全面支持，連接到相關(guān)設(shè)備，比如：攝像機(jī)、顯示器、圖形加速器、電視編碼器和解碼器。相關(guān)圖像處理與操作包括傳感器圖像信號(hào)處理、顯示處理、圖像轉(zhuǎn)換等，以及同步和控制功能。 采用的是大規(guī)模并行同構(gòu)眾核架構(gòu)，同時(shí)將訓(xùn)練和推理合二為一，為AI計(jì)算提供了全新的技術(shù)架構(gòu)，兼具處理二者工作的能力。

IPU是英國(guó)AI芯片創(chuàng)業(yè)公司Graphcore率先提出的概念，Graphcore的第一代IPU如今已在微軟Azure云以及Dell－EMC服務(wù)器中使用，為AI算法帶來(lái)了飛躍性的性能提升，也為開發(fā)者帶來(lái)更廣闊的創(chuàng)新空間及更多創(chuàng)新機(jī)會(huì)。

目前，IPU正在成為僅次于GPU和谷歌TPU的第三大部署平臺(tái)，基于IPU的應(yīng)用已經(jīng)覆蓋包括自然語(yǔ)言處理、圖像／視頻處理、時(shí)序分析、推薦／排名及概率模型等機(jī)器學(xué)習(xí)的各個(gè)應(yīng)用場(chǎng)景。

2021年，英特爾推出了IPU技術(shù)，近日又和谷歌共同設(shè)計(jì)了新型定制基礎(chǔ)設(shè)施處理單元（IPU）芯片 E2000 ，代號(hào)為“Mount Evans”，以降低數(shù)據(jù)中心主 CPU 負(fù)載，并更有效和安全地處理數(shù)據(jù)密集型云工作負(fù)載。

NPU

CPU和GPU的制造成本較高，功耗也比較大，加之AI場(chǎng)景下需要運(yùn)算的數(shù)據(jù)量與日俱增，一種針對(duì)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的高效智能處理器應(yīng)運(yùn)而生，也就是NPU。

NPU即神經(jīng)網(wǎng)絡(luò)處理器（Neural network Processing Unit），它是用電路模擬人類的神經(jīng)元和突觸結(jié)構(gòu)。用于加速神經(jīng)網(wǎng)絡(luò)的運(yùn)算，解決傳統(tǒng)芯片在神經(jīng)網(wǎng)絡(luò)運(yùn)算時(shí)效率低下的問(wèn)題，特別擅長(zhǎng)處理視頻、圖像類的海量多媒體數(shù)據(jù)。

與CPU、GPU處理器運(yùn)行需要的數(shù)千條指令相比，NPU只要一條或幾條就能完成，且在同等功耗下NPU 的性能可以達(dá)到 GPU 的 118 倍，因此在深度學(xué)習(xí)的處理效率方面優(yōu)勢(shì)明顯。NPU 目前較多地在端側(cè)應(yīng)用于 AI 推理計(jì)算，在云端也有大量運(yùn)用于視頻編解碼運(yùn)算、自然語(yǔ)言處理、數(shù)據(jù)分析，部分NPU還能運(yùn)用于 AI 的訓(xùn)練。

比如在手機(jī)SoC中，CPU是負(fù)責(zé)計(jì)算和整體協(xié)調(diào)的，而GPU是負(fù)責(zé)和圖像有關(guān)的部分，NPU負(fù)責(zé)和AI有關(guān)的部分，其工作流程則是，任何工作都要先通過(guò)CPU，CPU再根據(jù)這一塊工作的性質(zhì)來(lái)決定分配給誰(shuí)。如果是圖形方面的計(jì)算，就會(huì)分配給GPU，如果是AI方面的計(jì)算需求，就分配給NPU。

NPU具體的應(yīng)用有：基于人臉識(shí)別的考勤機(jī)、基于 DHN（深度哈希網(wǎng)絡(luò)）的掌紋識(shí)別、基于圖像分類的自動(dòng)垃圾分類、自動(dòng)駕駛汽車、自動(dòng)跟焦攝像機(jī)、監(jiān)視系統(tǒng)等。

2014年中科院的陳天石科研團(tuán)隊(duì)發(fā)表了 DianNao 系列論文，隨即席卷了體系結(jié)構(gòu)界，開啟了專用人工智能芯片設(shè)計(jì)的先河，后來(lái)中科院旗下的寒武紀(jì)科技推出了其第一代 NPU 寒武紀(jì) 1A，并用在了華為麒麟 970 芯片中，華為也推出了自研的基于 DaVince 架構(gòu)的 NPU ，阿里則推出了“含光”架構(gòu)的 NPU 。

隨著芯片構(gòu)造方式的變化，大量異構(gòu)處理器方案也不斷衍生，每個(gè)芯片都對(duì)處理器性能、優(yōu)化目標(biāo)、所需的數(shù)據(jù)吞吐量以及數(shù)據(jù)流做出了不同的選擇。在這幾大類處理器芯片中，IPU與DPU發(fā)展速度領(lǐng)先。隨著5G邊緣云、自動(dòng)駕駛和車路協(xié)同、金融計(jì)算等帶來(lái)越來(lái)越多的數(shù)據(jù)量，各種“X”PU的市場(chǎng)價(jià)值都在不斷攀升。

更多信息可以來(lái)這里獲取==>>電子技術(shù)應(yīng)用-AET<<