訂閱
糾錯
加入自媒體

“芯痛”之下阿里苦心研發(fā)NPU AI芯片究竟哪款PU更厲害?

4月19日,有消息稱,阿里巴巴達(dá)摩院正在研發(fā)一款神經(jīng)網(wǎng)絡(luò)芯片——Ali-NPU,主要運(yùn)用于圖像視頻分析、機(jī)器學(xué)習(xí)等AI推理計算。按照設(shè)計,這款芯片性能將是目前市面上主流CPU、GPU架構(gòu)AI芯片的10倍,而制造成本和功耗僅為一半,其性價比超過40倍。

應(yīng)用上,通過此款芯片的研發(fā)將會更好的落地在圖像、視頻識別、云計算等商業(yè)場景中。據(jù)阿里達(dá)摩院研究員驕旸介紹說:“CPU、GPU作為通用計算芯片,為處理線程邏輯和圖形而設(shè)計,處理AI計算問題時功耗高,性價比低,在AI計算領(lǐng)域急需專用架構(gòu)芯片解決上述問題。阿里巴巴此款A(yù)li-NPU在AI領(lǐng)域積累了大量算法模型優(yōu)勢,以最小成本實現(xiàn)最大量的AI模型算法運(yùn)算。”

昨日,OFweek人工智能網(wǎng)在《當(dāng)中興事件揭開“缺芯少魂”的遮羞布 AI能否迷途知返?》中簡單說明了英特爾、英偉達(dá)、AMD等傳統(tǒng)芯片處理器巨頭在CPU和GPU上存在的優(yōu)勢,而且它們都將人工智能定位為未來重要戰(zhàn)略。

事實上,隨著人工智能產(chǎn)業(yè)的發(fā)展,CPU、GPU、TPU、DPU、NPU、BPU……各種PU也開始爆發(fā)式出現(xiàn)。那么,究竟這些PU在性能和使用上有何異同,又有哪些優(yōu)劣呢?

CPU:計算力占據(jù)部分很小 擅長邏輯控制

CPU是最為普遍,最為常見的中央處理器。主要包括運(yùn)算器(ALU)和控制單元(CU),除此之外還包括若干寄存器、高速緩存器和它們之間通訊的數(shù)據(jù)、控制及狀態(tài)的總線。依循馮諾依曼架構(gòu),CPU需要大量空間放置存儲單元和控制邏輯,計算能力只占據(jù)很小的部分,更擅長邏輯控制。

CPU結(jié)構(gòu)簡化圖

GPU:計算單元數(shù)量眾多 但無法單獨使用

GPU的誕生可以解決CPU在計算能力上的天然缺陷。采用數(shù)量眾多的計算單元和超長的流水線,善于處理圖像領(lǐng)域的運(yùn)算加速。但GPU的缺陷也很明顯,即無法單獨工作,必須由CPU進(jìn)行控制調(diào)用才能工作。

CPU、GPU微架構(gòu)對比圖

TPU:高性能低功耗 然則開發(fā)周期長、轉(zhuǎn)換成本高

谷歌專門為 TensorFlow 深度學(xué)習(xí)框架定制的TPU,是一款專用于機(jī)器學(xué)習(xí)的芯片。TPU可以提供高吞吐量的低精度計算,用于模型的前向運(yùn)算而不是模型訓(xùn)練,且能效更高。但它的缺陷主要是開發(fā)周期長、可配置性能有限,缺乏靈活性且轉(zhuǎn)換成本高。

DPU:可實現(xiàn)快速開發(fā)與產(chǎn)品迭代

國際上,Wave Computing最早提出DPU。在國內(nèi),DPU最早是由深鑒科技提出,是基于Xilinx可重構(gòu)特性的FPGA芯片,設(shè)計專用深度學(xué)習(xí)處理單元,且可以抽象出定制化的指令集和編譯器,從而實現(xiàn)快速的開發(fā)與產(chǎn)品迭代。

深鑒“雨燕”DPU平臺

1  2  下一頁>  
內(nèi)容導(dǎo)航
聲明: 本網(wǎng)站所刊載信息,不代表OFweek觀點?帽菊靖寮瑒(wù)經(jīng)書面授權(quán)。未經(jīng)授權(quán)禁止轉(zhuǎn)載、摘編、復(fù)制、翻譯及建立鏡像,違者將依法追究法律責(zé)任。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號