江苏龙网

  1. 首页 > 人文 > >

科技怪人CPU、GPU、NPU、FPGA等芯片架构特点分析( 二 )


在智能驾驶这样的领域 ， 环境感知、物体识别等深度学习应用要求计算响应方面必须快！时间就是生命 ， 慢一步就有可能造成无法挽回的情况 ， 但是保证性能快效率高的同时 ， 功耗不能过高 ， 不能对智能汽车的续航里程造成较大影响 ， 也就是AI芯片必须功耗低 ， 所以GPU不是适合智能驾驶的最佳AI芯片选择 。 因此开发ASIC就成了必然 。
04.AI芯片的种类
当前主流的AI芯片主要分为三类 ， GPU、FPGA、ASIC 。 GPU、FPGA均是前期较为成熟的芯片架构 ， 属于通用型芯片 。 ASIC属于为AI特定场景定制的芯片 。 行业内已经确认CPU不适用于AI计算 ， 但是在AI应用领域也是必不可少 ， 另外一种说法是还有一种类脑芯片 ， 算是ASIC的一种 。
科技怪人CPU、GPU、NPU、FPGA等芯片架构特点分析
本文插图
FPGA（Field Programmable Gate Array ， 现场可编程门阵列）具有足够的计算能力和足够的灵活性 。 FPGA的计算速度快是源于它本质上是无指令、无需共享内存的体系结构 。 对于保存状态的需求 ， FPGA中的寄存器和片上内存（BRAM）是属于各自的控制逻辑的 ， 无需不必要的仲裁和缓存 ， 因此FPGA在运算速度足够快 ， 优于GPU 。 同时FPGA也是一种半定制的硬件 ， 通过编程可定义其中的单元配置和链接架构进行计算 ， 因此具有较强的灵活性 。 相对于GPU ， FPGA能管理能运算 ， 但是相对开发周期长 ， 复杂算法开发难度大 。
ASIC（Application Specific Integrated Circuit特定用途集成电路）根据产品的需求进行特定设计和制造的集成电路 ， 能够在特定功能上进行强化 ， 具有更高的处理速度和更低的能耗 。 缺点是研发成本高 ， 前期研发投入周期长 ， 且由于是定制化 ， 可复制性一般 ， 因此只有用量足够大时才能够分摊前期投入 ， 降低成本 。
4.1 CPU (CentralProcessing Unit)
中央处理器作为计算机系统的运算和控制核心 ， 是信息处理、程序运行的最终执行单元 ， CPU 是对计算机的所有硬件资源（如存储器、输入输出单元） 进行控制调配、执行通用运算的核心硬件单元 。
优点：CPU有大量的缓存和复杂的逻辑控制单元 ， 非常擅长逻辑控制、串行的运算
缺点：不擅长复杂算法运算和处理并行重复的操作 。
对于AI芯片来说 ， 算力最弱的是cpu 。 虽然cpu主频最高 ， 但是单颗也就8核,16核的样子 ， 一个核3.5g,16核也就56g ， 再考虑指令周期 ， 每秒最多也就30g次乘法 。 还是定点的 。
生产厂商:intel、AMD
4.2 GPU (GraphicsProcessing Unit)
图形处理器 ， 又称显示核心、视觉处理器、显示芯片 ， 是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器 。
优点：提供了多核并行计算的基础结构 ， 且核心数非常多 ， 可以支撑大量数据的并行计算 ， 拥有更高的浮点运算能力 。
缺点：管理控制能力（最弱） ， 功耗（最高） 。
生产厂商：AMD、NVIDIA
科技怪人CPU、GPU、NPU、FPGA等芯片架构特点分析
本文插图
4.3 FPGA（Field Programmable Gate Array）
FPGA是在PAL、GAL等可编程器件的基础上进一步发展的产物 。 它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的 ， 既解决了定制电路的不足 ， 又克服了原有可编程器件门电路数有限的缺点 。
优点：可以无限次编程 ， 延时性比较低 ， 同时拥有流水线并行和数据并行（GPU只有数据并行）、实时性最强、灵活性最高 。
缺点：开发难度大、只适合定点运算、价格比较昂贵
生产厂商：Altera（Intel收购）、Xilinx
【科技怪人CPU、GPU、NPU、FPGA等芯片架构特点分析】


推荐阅读


上一篇：红梅千雪|王祖蓝宣布二胎好消息，我却只注意邓超的评论，瞬间看出家庭地位

下一篇：艾利聊职场穿搭|长裙如何穿出显瘦效果？掌握4个法则，优雅浪漫还显苗条