Google AI發(fā)展采ASIC芯片途徑 亞馬遜、微軟、百度等是否跟進

　　Google日前宣布推出該公司第二代“特殊應用集成電路”(ASIC)芯片，將用于加速該公司機器學習(ML)演算處理，此即Google第二代機器學習專用芯片“TPU”，隨著Google在發(fā)展人工智能(AI)上似乎是要以開發(fā)ASIC芯片途徑為主，其他同樣正在發(fā)展自有AI技術的亞馬遜(Amazon)、Facebook、微軟(Microsoft)、阿里巴巴、騰訊及百度是否也會跟進Google腳步，以及對當前全球AI芯片發(fā)展處領導地位的NVIDIA、超微(AMD)、英特爾(Intel)及許多希望進軍這塊領域的新創(chuàng)企業(yè)又會因此產(chǎn)生哪些影響，也成為外界關注焦點。

　　根據(jù)富比士(Forbes)報導，當前可用于加速機器學習訓練及深度神經(jīng)網(wǎng)路的主要芯片技術，包括ASIC芯片、繪圖芯片(GPU)、現(xiàn)場可程式化邏輯閘陣列(FPGA)芯片以及中央處理器(CPU)等4種，這4類芯片技術在支援AI及機器學習上各有擅場及優(yōu)劣勢，其中GPU在技術上即為ASIC技術運用在處理繪圖演算法上，差異在于ASIC芯片可提供指令集及資源庫可讓GPU進行程式化，借此可用在處理本地儲存的資料，好比是許多平行演算法的加速器般。

　　基本上GPU速度非常快且相對具彈性，ASIC技術雖同樣具備處理速度很快的優(yōu)勢，不過使用彈性相對較缺乏。在開發(fā)ASIC芯片上，要設計出一款ASIC芯片所需投入的資源及努力不少，可能必須耗資高達數(shù)千萬甚或數(shù)億美元，且需要組建一支成本不低的工程師團隊，顯示投資甚鉅，且ASIC芯片還將必須不斷升級以跟上新技術及制程水平，加上ASIC芯片設計者在開發(fā)過程初期便已固定其邏輯，因此若在AI這類快速演進的領域有新想法出現(xiàn)，ASIC芯片將無法對此快速做出反應，反觀FPGA技術還能因此進行再程式化以執(zhí)行一項全新功能。

　　因此，顯示ASIC技術并非現(xiàn)階段在AI及深度神經(jīng)網(wǎng)絡應用領域最佳的芯片技術，但為何Google仍持續(xù)采ASIC技術發(fā)展自有AI加速訓練芯片，原因有三，分別是戰(zhàn)略目的、滿足自有龐大運算基礎架構需求以及Google云端發(fā)展的重要性。

　　戰(zhàn)略目的上，Google如今已將發(fā)展AI技術列為公司發(fā)展首要項目，AI技術對該公司搜尋本業(yè)、云端業(yè)務、自駕車發(fā)展、Google Home以及許多其他全新及既有產(chǎn)品線與服務來說，都有其提供強化及支援的重要性，因此Google如今希望控制自有硬件TPU加速器以及自有軟件架構TensorFlow，也不令外界感到意外。

　　滿足自有龐大運算基礎架構需求上，Google自有運算基礎架構堪稱全球規(guī)模最大，在此情況下意謂Google可能需要擁有自有用于AI加速的硬件平臺，以及需要一定的規(guī)模來打平所需投入的ASIC芯片龐大設計成本，實際上Google也宣稱TPU芯片可省去該公司投建額外12座資料中心以用于處理AI負載的需要。

　　Google云端發(fā)展重要性上，Google高層對于該公司在全球云端運算市場上，排名仍落后于亞馬遜及微軟、屈居第三感到不滿意，在Google云端運算部門負責人Diane Greene領導下已大舉投資云端業(yè)務發(fā)展，未來Google可能運用Google云端TPU的定價能力及效能表現(xiàn)，加上TensorFlow的受青睞程度，作為在云端領域機器學習發(fā)展上囊括市占率的潛在顯著優(yōu)勢。

　　至于上述同樣正積極發(fā)展自有AI技術的業(yè)者方面，即使具備打造自有加速器的實力，卻沒有任何一家業(yè)者有如Google般出現(xiàn)上述驅動其發(fā)展自有ASIC芯片的三大驅動力，反而有部分業(yè)者采取不同發(fā)展途徑，如百度宣布結盟NVIDIA發(fā)展其云端、智能家庭及自駕車的AI倡議，未來也不排除設計自有AI芯片。微軟方面，至少目前其云端服務Azure及Bing基礎架構，已決定采用英特爾Altera FPGA芯片技術，另微軟也采用NVIDIA GPU來訓練自有神經(jīng)網(wǎng)路。

　　因此報導預估，除了Google外，上述其余6家科技大廠可能不會很快就放棄采GPU發(fā)展AI的途徑，改采ASIC芯片途徑，由于這6家業(yè)者似乎都正忙于發(fā)展機器學習模型，并投入欲發(fā)展成各類產(chǎn)品與服務的商品化努力上，因此若要這6家業(yè)者設計ASIC芯片及相應軟件，基于需要投入大量時間金錢，可能會導致發(fā)展資源遭分散，而無法集中于當前努力的目標上。

　　若真要說，NVIDIA開發(fā)的深度學習加速器(DLA)Open Source ASIC芯片，可說是循ASIC發(fā)展途徑走的案例，該ASIC芯片是NVIDIA設計至其下世代自駕車平臺DrivePX的產(chǎn)品，借此AI硬件開發(fā)者將能夠采用NVIDIA最新AI硬件及軟件技術，以及授權NVIDIA硬件IP作為由NVIDIA貢獻的開放源技術。之后NVIDIA或可將此免費開放源硬件IP與軟件服務商用化。