AI芯片三大架构谁与争锋？

在AI技术的浪潮中，2018年被公认为是AI的元年。这一年，谷歌引领技术前沿，推出了第三代人工智能芯片TPU，这款专为TensorFlow优化的芯片，性能惊艳。与传统的CPU相比，它的运算速度提升了30倍，能效比更是高达200倍。这一突破激发了大量AI公司开始规划自家的芯片研发，使得AI技术的芯片化成为世界级的现象。

不只是谷歌这样的科技巨头，AWS、微软、苹果、百度等IT界领军者，以及本土的AI独角兽如依图、地平线、寒武纪等，都在积极布局AI芯片领域。新创的AI公司则多选择从算法的芯片化切入市场，标志着AI产业正从算法输出向芯片研发转型。

在芯片架构的舞台上，GPU、FPGA和ASIC是主流的技术流派。其中GPU，即图形处理单元，是AI运算中的明星。每块显卡中的GPU都能与CPU协同工作，进行图形加速运算。GPU拥有众多的算数逻辑单元ALU，能轻松应对AI的零散型任务。其并行处理能力让运算效率大幅提升。

提到GPU，不得不提英伟达这个计算机图形领域的巨擘。英伟达在AI领域的布局很早，当通用计算需求下降，CPU市场稳定时，GPU的性能和带宽不断提升，恰好满足了AI市场的需求。英伟达的GPU算力强大，开发环境领先，其基于C语言的CUDA编程环境深受开发者喜爱。与AWS的合作更是让开发者能在云端进行深度学习运算，无需额外购买GPU设备。

英伟达的生态扩张迅速，市场占有率持续上升。尽管其GPU在推理类运算上相对较弱，且成本高、功耗大，但客户最关心的仍是算力。毕竟在AI训练中，节约时间至关重要。英伟达也意识到了这一点，于是推出了专为ADAS设计的ASIC产品Xaier。这是一款车规级产品，已实现量产，但规模较小，价格偏高，主要面向高端L5级自动驾驶市场。

ASIC，全称专用集成电路，是专为特定算法定制的芯片。其优点在于能突出特定算法的性能，硬件成本低，功耗自然也低。但缺点在于一旦算法迭代，优化的效果可能会失效。谷歌的TPU就是ASIC类型芯片的代表。谷歌不仅在软件算法上发力，也定制了自家的AI芯片TPU作为Alpha Go的大脑。虽然谷歌最初也采用英伟达的GPU，但后期开始转向自家芯片的研发。这种转变体现了谷歌对于长远商业模式的规划。谷歌选择只租不卖其芯片，试图开发一套通用平台直接服务最终用户。这种商业模式虽然有待市场验证，但开发ASIC本身具有极大的战略意义。谷歌的TPU拥有部分可重构能力，但随着算法的升级和完善，可能会逐步转变为完全独立的ASIC芯片。依图等也借鉴了谷歌的商业模式，开发自研芯片并仅供自家服务器使用。亚马逊AWS则可能出于对功耗的考虑，也在转向自家ASIC的研究。这些科技巨头在AI芯片领域的布局与竞争正推动着AI产业的飞速发展。FPGA，一种被称为半成品的ASIC的神奇硬件，拥有强大的可重构能力，在硬件加速性能上，它比DSP更为优秀。想象一下，它就像拥有众多小单元的GPU，能够并行处理任务流水线，在推理运算方面展现出了无与伦比的优势。

在这片领域里，赛灵思无疑是市场的主要领导者。众多AI初创公司纷纷选择赛灵思平台作为市场切入工具，如深鉴科技。这种趋势不仅扩大了FPGA的市场占有率，更让赛灵思有了与英伟达分庭抗礼的实力。其老对手Altera被英特尔收购后，在AIOT领域的表现并不突出，基本可以忽略其在AI市场的竞争。

FPGA为AI开发者提供了一个节约的选择，特别是在大多数初创公司仍在寻找应用场景的阶段。利用FPGA的可重构能力，开发者可以灵活改变项目的特征，实现芯片的复用。虽然使用FPGA可以省去流片成本，但相对于其他芯片来说，它的价格仍然较高。为了追求可重构能力，其设计并未达到极致优化，功耗比ASIC高出不少。尽管如此，技术难度较高、高级开发人员较少和项目成本较高等因素也在一定程度上限制了FPGA的应用。在训练型计算中，FPGA的表现略逊于GPU。

尽管如此，FPGA的趋势仍然如火如荼。就像GPU一样，尽管它有许多缺点，但仍然挡不住其火爆的趋势。大量AI公司选择FPGA来进行算法的开发验证以及芯片的前期定制。甚至像苹果这样的大公司也将FPGA嵌入到自家A12芯片中，提供AI能力。

与此类脑芯片的设计完全打破了传统的冯诺依曼结构，将内存、CPU和通讯元件集成在一起。IBM的TrueNorth和Intel的Loihi是这类芯片的杰出代表。这些芯片集成了大量的内核、DSP和内存突触，能够在惊人的运算能力下实现极低的功耗。

作为CPU时代的芯片巨头，Intel一直在布局AI市场。他们先后收购了多家与AI相关的公司，但在AI市场的影响力似乎不如谷歌和英伟达。一方面，英伟达在AI训练市场占有绝对领导地位；另一方面，由于自动驾驶技术尚未成熟，市场反哺还需时日。英伟达面临的挑战是在未来保持GPU对FPGA和ASIC算力上的优势。摩尔定律的失效使得未来芯片的提升面临巨大挑战。国内许多创业公司初期平台都会选择FPGA，这种芯片是公司业务从初创到成型的过渡中非常理想的一种选择。但当业务发展到一定程度后，这些公司也会逐步转向ASIC。

未来AI芯片将更加定制化，这也是提高AI运行效率、降低成本的最有效途径。云端市场的高门槛和大厂把持使得创业公司的机会集中在边缘端。这时，低功耗、面向场景开发的AI芯片将成为主流发展方向。全行业正面临一场AI升级的挑战，许多传统企业会借助多年在行业积累的优势切入进AI市场。在这样的背景下，ASIC有望在未来拥有更多大展拳脚的机会。然而从场景开发到业务的成型是一个漫长过程，在这个过程中英赛两大厂的产品仍然是不可或缺的。因此它们在很长一段时间里都不会缺乏生意。