詳解人工智能芯片 CPU/GPU/FPGA有何差異？

　　1.FPGA是什么?

　　場效可編程邏輯閘陣列FPGA運(yùn)用硬件語言描述電路，根據(jù)所需要的邏輯功能對電路進(jìn)行快速燒錄。一個(gè)出廠后的成品FPGA的邏輯塊和連接可以按照設(shè)計(jì)者的需要而改變，這就好像一個(gè)電路試驗(yàn)板被放在了一個(gè)芯片里，所以FPGA可以完成所需要的邏輯功能。

　　FPGA和GPU內(nèi)都有大量的計(jì)算單元，因此它們的計(jì)算能力都很強(qiáng)。在進(jìn)行神經(jīng)網(wǎng)絡(luò)運(yùn)算的時(shí)候，兩者的速度會比CPU快很多。但是GPU由于架構(gòu)固定，硬件原生支持的指令也就固定了，而FPGA則是可編程的。其可編程性是關(guān)鍵，因?yàn)樗屲浖c終端應(yīng)用公司能夠提供與其競爭對手不同的解決方案，并且能夠靈活地針對自己所用的算法修改電路。

　　2.FPGA和GPU的性能差異

　　同樣是擅長并行計(jì)算的FPGA和GPU，誰能夠占領(lǐng)人工智能的高地，并不在于誰的應(yīng)用更廣泛，而是取決于誰的性能更好。在服務(wù)器端，有三個(gè)指標(biāo)可供對比：峰值性能、平均性能與功耗能效比。當(dāng)然，這三個(gè)指標(biāo)是相互影響的，不過還是可以分開說。

　　峰值性能：GPU遠(yuǎn)遠(yuǎn)高于FPGA

　　GPU上面成千上萬個(gè)核心同時(shí)跑在GHz的頻率上是非常壯觀的，最新的GPU峰值性能甚至可以達(dá)到10TFlops 以上。GPU的架構(gòu)經(jīng)過仔細(xì)設(shè)計(jì)，在電路實(shí)現(xiàn)上是基于標(biāo)準(zhǔn)單元庫而在關(guān)鍵路徑上可以用手工定制電路，甚至在必要的情形下可以讓半導(dǎo)體fab依據(jù)設(shè)計(jì)需求微調(diào)工藝制程，因此可以讓許多core同時(shí)跑在非常高的頻率上。

　　相對而言，F(xiàn)PGA首先設(shè)計(jì)資源受到很大的限制，例如GPU如果想多加幾個(gè)核心只要增加芯片面積就行，但FPGA一旦型號選定了邏輯資源上限就確定了。而且，F(xiàn)PGA里面的邏輯單元是基于SRAM查找表，其性能會比GPU里面的標(biāo)準(zhǔn)邏輯單元差很多。最后，F(xiàn)PGA的布線資源也受限制，因?yàn)橛行┚€必須要繞很遠(yuǎn)，不像GPU這樣走ASIC flow可以隨意布線，這也會限制性能。

　　平均性能：GPU遜于FPGA

　　FPGA可以根據(jù)特定的應(yīng)用去編程硬件，例如如果應(yīng)用里面的加法運(yùn)算非常多就可以把大量的邏輯資源去實(shí)現(xiàn)加法器，而GPU一旦設(shè)計(jì)完就不能改動了，所以不能根據(jù)應(yīng)用去調(diào)整硬件資源。

　　目前機(jī)器學(xué)習(xí)大多使用SIMD架構(gòu)，即只需一條指令可以平行處理大量數(shù)據(jù)，因此用GPU很適合。但是有些應(yīng)用是MISD，即單一數(shù)據(jù)需要用許多條指令平行處理，這種情況下用FPGA做一個(gè)MISD的架構(gòu)就會比GPU有優(yōu)勢。

　　所以，對于平均性能，看的就是FPGA加速器架構(gòu)上的優(yōu)勢是否能彌補(bǔ)運(yùn)行速度上的劣勢。如果FPGA上的架構(gòu)優(yōu)化可以帶來相比GPU架構(gòu)兩到三個(gè)數(shù)量級的優(yōu)勢，那么FPGA在平均性能上會好于GPU。

　　功耗能效比：

　　功耗方面，雖然GPU的功耗遠(yuǎn)大于FPGA的功耗，但是如果要比較功耗應(yīng)該比較在執(zhí)行效率相同時(shí)需要的功耗。如果FPGA的架構(gòu)優(yōu)化能做到很好以致于一塊FPGA的平均性能能夠接近一塊GPU，那么FPGA方案的總功耗遠(yuǎn)小于GPU，散熱問題可以大大減輕。反之，如果需要二十塊FPGA才能實(shí)現(xiàn)一塊GPU的平均性能，那么FPGA在功耗方面并沒有優(yōu)勢。

　　能效比的比較也是類似，能效指的是完成程序執(zhí)行消耗的能量，而能量消耗等于功耗乘以程序執(zhí)行的時(shí)間。雖然GPU的功耗遠(yuǎn)大于FPGA的功耗，但是如果FPGA執(zhí)行相同程序需要的時(shí)間比GPU長幾十倍，那FPGA在能效比上就沒有優(yōu)勢了;反之如果FPGA上實(shí)現(xiàn)的硬件架構(gòu)優(yōu)化得很適合特定的機(jī)器學(xué)習(xí)應(yīng)用，執(zhí)行算法所需的時(shí)間僅僅是GPU的幾倍或甚至于接近GPU，那么FPGA的能效比就會比GPU強(qiáng)。

　　3.FPGA市場前景

　　隨著科技的進(jìn)展，制造業(yè)走向更高度的自動化與智能化，對工業(yè)控制技術(shù)等領(lǐng)域不斷產(chǎn)生新的需求，在未來的工業(yè)制造領(lǐng)域，F(xiàn)PGA將有更大的發(fā)展空間。目前來看，有兩個(gè)領(lǐng)域的應(yīng)用前景十分巨大：

　　工業(yè)互聯(lián)網(wǎng)領(lǐng)域

　　作為未來制造業(yè)發(fā)展的方向，工業(yè)大數(shù)據(jù)、云計(jì)算平臺、MES系統(tǒng)等都是支持工業(yè)智能化的重要平臺，它們需要完成大數(shù)據(jù)量的復(fù)雜處理，F(xiàn)PGA在其中可以發(fā)揮重要作用。

　　工業(yè)機(jī)器人設(shè)備領(lǐng)域

　　在多軸向運(yùn)作的精密控制、實(shí)時(shí)同步的連接以及設(shè)備多功能整合等方面，兼具彈性和整合性的FPGA，更能展現(xiàn)設(shè)計(jì)優(yōu)勢。如汽車ADAS需要對實(shí)時(shí)高清圖像進(jìn)行及時(shí)的分析識別與處理;在人工智能方面，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)也需要進(jìn)行大量并行運(yùn)算。

　　4.FPGA現(xiàn)有市場

　　FPGA市場前景誘人，但是門檻之高在芯片行業(yè)里無出其右。全球有60多家公司先后斥資數(shù)十億美元，前赴后繼地嘗試登頂FPGA高地，其中不乏英特爾、IBM、德州儀器、摩托羅拉、飛利浦、東芝、三星這樣的行業(yè)巨鱷，但是最終登頂成功的只有位于美國硅谷的兩家公司：Xilinx與Altera。這兩家公司共占有近90%的市場份額，專利達(dá)到6000余項(xiàng)之多，如此之多的技術(shù)專利構(gòu)成的技術(shù)壁壘當(dāng)然高不可攀。

　　2015年6月，英特爾用史無前例的167億美元巨款收購了Altera，當(dāng)時(shí)業(yè)內(nèi)對于英特爾此舉的解讀主要集中在服務(wù)器市場、物聯(lián)網(wǎng)市場的布局上，英特爾自己對收購的解釋也沒有明確提到機(jī)器學(xué)習(xí)。但現(xiàn)在看來，或許這筆收購在人工智能領(lǐng)域同樣具有相當(dāng)大的潛力。

　　5.FPGA行業(yè)的開拓者：

　　英特爾能不能通過FPGA切入AI硬件市場?要講清楚這個(gè)問題，我們必須要把視角從人工智能身上拉遠(yuǎn)，看看英特爾的整體戰(zhàn)略布局。最近幾年，英特爾的核心盈利業(yè)務(wù)CPU同時(shí)遭到了三個(gè)因素的狙擊：PC市場增長放緩、進(jìn)軍移動市場的嘗試失敗以及摩爾定律逐漸逼近極限。單純的賣CPU固然也能賺到錢，但只有研發(fā)更高端的芯片，形成自己領(lǐng)導(dǎo)者的形象，才能賺更多的錢，支撐公司的發(fā)展。

　　上述三個(gè)因素的同時(shí)出現(xiàn)，已經(jīng)讓英特爾發(fā)現(xiàn)，如果自己仍然只是安心的守著自己的CPU業(yè)務(wù)，很快就會面臨巨大的危機(jī)，事實(shí)上在過去的一年里，利潤下降、裁員的新聞也一直圍繞在英特爾的身邊，揮之不去。

　　因而英特爾十分渴望不要錯過下一個(gè)深度學(xué)習(xí)的潮流，不過它缺乏自己最先進(jìn)的人工智能研究，所以在過去的兩年中瘋狂地收購。2015年，英特爾用史無前例的167億美元拍下了FPGA制造商Altera，2016年又相繼兼并了人工智能芯片初創(chuàng)公司Nervana與Movidius。目前的英特爾正在試圖將他們整合在一起。

　　6.Intel的產(chǎn)品布局

　　英特爾斥巨資收購Altera不是來為FPGA技術(shù)發(fā)展做貢獻(xiàn)的，相反，它要讓FPGA技術(shù)為英特爾的發(fā)展做貢獻(xiàn)。表現(xiàn)在技術(shù)路線圖上，那就是從現(xiàn)在分立的CPU芯片+分立的FPGA加速芯片，過渡到同一封裝內(nèi)的CPU晶片+FPGA晶片，到最終的集成CPU+FPGA芯片。預(yù)計(jì)這幾種產(chǎn)品形式將會長期共存，因?yàn)榉至⑵骷m然性能稍差，但靈活性更高。

　　如果簡單的將英特爾對于人工智能的產(chǎn)品布局，可以分以下幾層：

　　·Xeon Phi+ Nervana：用于云端最頂層的高性能計(jì)算。

　　·Xeon+FPGA：用于云端中間層/前端設(shè)備的低功耗性能計(jì)算。

　　英特爾下一代的FPGA和SoC FPGA將支持Intel架構(gòu)集成，大致如下：代號為Harrisville的產(chǎn)品采用Intel 22nm工藝技術(shù)，用于工業(yè)IoT、汽車和小區(qū)射頻等領(lǐng)域;代號為Falcon Messa的中端產(chǎn)品采用Intel 10nm工藝技術(shù)，用于4G/5G無線通信、UHD/8K廣播視頻、工業(yè)IoT和汽車等領(lǐng)域;代號為Falcon Mesa的高端產(chǎn)品采用Intel 10nm工藝技術(shù)，用于云和加速、太比特系統(tǒng)和高速信號處理等領(lǐng)域。

　　·Core(GT)：用于消費(fèi)級前端設(shè)備的性能計(jì)算、圖形加速。

　　·Euclid：提供給開發(fā)者/創(chuàng)客的開發(fā)板，集成Atom低功耗處理器、RealSense攝像頭模塊、接口，可用做無人機(jī)、小型機(jī)器人的核心開發(fā)部件。

　　·Curie：提供給開發(fā)者/創(chuàng)客的模塊，其內(nèi)置Quark SE系統(tǒng)芯片、藍(lán)牙低功耗無線電、以及加速計(jì)、陀螺儀等傳感器，可用做低功耗可穿戴設(shè)備的核心部件。

　　從產(chǎn)品線來看，包含了CPU與FPGA的異構(gòu)計(jì)算處理器將是Intel盈利的重點(diǎn)。預(yù)計(jì)到2020年Intel將有1/3的云數(shù)據(jù)中心節(jié)點(diǎn)采用FPGA技術(shù)，CPU+FPGA擁有更高的單位功耗性能、更低時(shí)延和更快加速性能，在大數(shù)據(jù)和云計(jì)算領(lǐng)域有望沖擊CPU+GPU的主導(dǎo)地位，而Intel的至強(qiáng)處理器Xeon +FPGA也將在2017年下半年量產(chǎn)。

　　7.Intel的痛點(diǎn)：生態(tài)不完善

　　FPGA對GPU的潛力在于其計(jì)算速度與GPU不相上下，卻在成本和功耗上對GPU有著顯著優(yōu)勢。當(dāng)然，劣勢也有，但是FPGA的潛力是非常明顯的。作為一個(gè)想要推向市場的商品來說，F(xiàn)PGA最需要克服，也是最容易克服的問題是普及程度。

　　大部分PC都配有或高端或低端的獨(dú)立GPU，對于個(gè)人進(jìn)行的中小規(guī)模神經(jīng)網(wǎng)絡(luò)開發(fā)和訓(xùn)練來說，其實(shí)它們的性能已經(jīng)基本足夠。而FPGA卻不是在電腦里能找得到的東西，而多見于各種冰箱、電視等電器設(shè)備及實(shí)驗(yàn)室中，因此想要搞到一塊能用來開發(fā)深度學(xué)習(xí)的FPGA其實(shí)還挺麻煩的。不僅如此，F(xiàn)PGA的不普及還體現(xiàn)在以下三個(gè)方面：

　　OpenCL編程平臺應(yīng)用不廣泛

　　即使GPU有著種種不足，它也不是能夠輕易被取代的。從深度學(xué)習(xí)應(yīng)用的開發(fā)工具角度，具備CUDA支持的GPU為用戶學(xué)習(xí)Caffe、Theano等研究工具提供了很好的入門平臺。自2006年推出CUDA以來，已有超過5億的筆記本電腦、工作站、計(jì)算集群和超級計(jì)算機(jī)安裝了支持CUDA的GPU。

　　如果FPGA想要攻占深度學(xué)習(xí)的市場，那么產(chǎn)業(yè)鏈下游的編程平臺必不可少。目前較為流行的異構(gòu)硬件編程的替代性工具是OpenCL。不同于CUDA單一供應(yīng)商的做法，OpenCL對開發(fā)者開源、免費(fèi)，這是一大重要競爭力。但目前來看，其獲得的支持相較CUDA還略遜一籌。

　　實(shí)現(xiàn)硬件編程困難

　　除了軟件編程的不普及之外，吸引偏好上層編程語言的研究人員和應(yīng)用科學(xué)家來開發(fā)FPGA尤為艱難。雖然能流利使用一種軟件語言常常意味著可以輕松地學(xué)習(xí)另一種軟件語言，但對于硬件語言翻譯技能來說卻非如此。針對FPGA最常用的語言是Verilog和VHDL，兩者均為硬件描述語言(HDL)。這些語言和傳統(tǒng)的軟件語言之間的主要區(qū)別是，HDL只是單純描述硬件，而例如C語言等軟件語言則描述順序指令，并無需了解硬件層面的執(zhí)行細(xì)節(jié)。

　　有效地描述硬件需要對數(shù)字化設(shè)計(jì)和電路的專業(yè)知識，盡管一些下層的實(shí)現(xiàn)決定可以留給自動合成工具去實(shí)現(xiàn)，但往往無法達(dá)到高效的設(shè)計(jì)。因此，研究人員和應(yīng)用科學(xué)家傾向于選擇軟件設(shè)計(jì)，因其已經(jīng)非常成熟，擁有大量抽象和便利的分類來提高程序員的效率。

　　部署環(huán)節(jié)需要定制復(fù)雜套件

　　FPGA需要有一個(gè)完善的復(fù)雜生態(tài)系統(tǒng)才能保證其使用，不只體現(xiàn)在軟件與硬件編程平臺上，更體現(xiàn)在部署環(huán)節(jié)中。FPGA在安裝過程中需要針對不同的IP核定制一系列復(fù)雜的工具套件，相比之下，GPU通過PCI-e接口可以直接部署在服務(wù)器中，方便而快速。因此，嵌入式FPGA概念雖好，想要發(fā)展起來仍將面臨十分嚴(yán)峻的挑戰(zhàn)。

　　8.Intel的優(yōu)勢

　　目前在深度學(xué)習(xí)市場FPGA尚未成氣候，谷歌這樣的超級大廠又喜歡自己研發(fā)專用芯片，因此可以說對于深度學(xué)習(xí)芯片來說，個(gè)人開發(fā)者及中小型企業(yè)內(nèi)還有相當(dāng)大的市場。這個(gè)市場目前幾乎只有英偉達(dá)一家獨(dú)大，英特爾想要強(qiáng)勢進(jìn)入未必沒有機(jī)會。而相比于英偉達(dá)來說，英特爾有兩個(gè)明顯的優(yōu)勢：

　　更熟悉CPU

　　盡管目前的人工智能市場幾乎只有英偉達(dá)一家獨(dú)大，但英偉達(dá)的芯片也不是能夠自己完成深度學(xué)習(xí)訓(xùn)練的?；蛘哒f，英偉達(dá)的GPU芯片還不足以取代那些英特爾的CPU，大多數(shù)環(huán)境下它們暫時(shí)只能加速這些處理器。所以，GPGPU暫時(shí)只是概念上的，GPU還不足以在大多數(shù)復(fù)雜運(yùn)算環(huán)境下代替CPU，而隨著人工智能技術(shù)的進(jìn)步，對硬件的邏輯運(yùn)算能力只會更高不會降低，所以搭載強(qiáng)大CPU核心的多核異構(gòu)處理器才是更長期的發(fā)展方向。而論對CPU的熟悉，沒有一家芯片廠商能過勝過英特爾，英特爾是最有可能讓搭載了FPGA與CPU的異構(gòu)處理器真正實(shí)現(xiàn)多核心相輔相成的芯片公司。

　　曾涉足云計(jì)算

　　算法的訓(xùn)練應(yīng)該是貫穿整個(gè)應(yīng)用過程的，這樣可以隨時(shí)為消費(fèi)者提供最好體驗(yàn)的服務(wù)。但是如果要將所有算法都集中于本地訓(xùn)練，不僅會面臨計(jì)算瓶頸的問題，也容易面臨從單個(gè)用戶處收集到的數(shù)據(jù)量太少的尷尬。我們暫時(shí)不考慮很久以后可能出現(xiàn)的基于小樣本的無監(jiān)督學(xué)習(xí)的AI，畢竟那其實(shí)已經(jīng)跟人差不多了，在目前AI的發(fā)展?fàn)顩r下，將所有數(shù)據(jù)集中于云端進(jìn)行計(jì)算顯然是更理性且有效的做法。這就對通信提出了極高的要求，而英特爾恰巧在這個(gè)領(lǐng)域有著相當(dāng)多的積累。雖然英特爾的通信部門連年虧損，但在現(xiàn)在的形勢下，它卻意外地有了新的價(jià)值與潛力。