ASIC和GPU的原理和優(yōu)勢(shì)

本文介紹了ASIC和GPU兩種能夠用于AI計(jì)算的半導(dǎo)體芯片各自的原理和優(yōu)勢(shì)。

ASIC和GPU是什么

ASIC和GPU，都是用于計(jì)算功能的半導(dǎo)體芯片。因?yàn)槎伎梢杂糜贏I計(jì)算，所以也被稱為“AI芯片”。

準(zhǔn)確來(lái)說(shuō)，除了它倆，計(jì)算芯片還包括大家更熟悉的CPU，以及FPGA。

行業(yè)里，通常會(huì)把半導(dǎo)體芯片分為數(shù)字芯片和模擬芯片。其中，數(shù)字芯片的市場(chǎng)規(guī)模占比較大，達(dá)到70%左右。

數(shù)字芯片，還可以進(jìn)一步細(xì)分，分為：邏輯芯片、存儲(chǔ)芯片以及微控制單元（MCU）。CPU、GPU、FPGA、ASIC，全部都屬于邏輯芯片。

芯片的分類

邏輯芯片，就是計(jì)算芯片。它包含了各種邏輯門電路，可以實(shí)現(xiàn)運(yùn)算與邏輯判斷功能。

四個(gè)芯片里，CPU和GPU是通用芯片，可以完成多種任務(wù)。尤其是CPU，是全能型選手，單核主頻高，啥都能干，所以經(jīng)常被拿來(lái)做主處理器。

而GPU，本來(lái)是用來(lái)做圖形處理（顯卡）的。它的內(nèi)核數(shù)量特別多（大幾千個(gè)），適合做并行計(jì)算，也就是擅長(zhǎng)同時(shí)做大量的簡(jiǎn)單計(jì)算任務(wù)（圖形處理，就是同時(shí)處理大量的像素計(jì)算）。

AI計(jì)算和圖形計(jì)算一樣，也是典型的并行計(jì)算型任務(wù)。 AI計(jì)算中包括大量并行的矩陣相乘、卷積、循環(huán)層、梯度運(yùn)算等任務(wù)，所以，特別適合GPU去完成，而CPU不適合AI計(jì)算。 2023年以來(lái)，AI浪潮爆發(fā)。如果進(jìn)行合理優(yōu)化，一塊GPU卡，可以提供相當(dāng)于數(shù)十其至上百臺(tái)CPU服務(wù)器的算力。 再來(lái)看看ASIC和FPGA。 ASIC（Application Specific Integrated Circuit，專用集成電路），是一種專用于特定任務(wù)的芯片。ASIC的官方定義，是指：應(yīng)特定用戶的要求，或特定電子系統(tǒng)的需要，專門設(shè)計(jì)、制造的集成電路。

這幾年非?；鸬腄PU（Data Processing Unit，數(shù)據(jù)處理單元）和NPU（Neural Processing Unit，神經(jīng)網(wǎng)絡(luò)處理單元），也是ASIC芯片。

FPGA（Field Programmable Gate Array，現(xiàn)場(chǎng)可編程門陣列），是半定制芯片，也被人稱為“萬(wàn)能芯片”。FPGA可以根據(jù)用戶的需要，在制造后，進(jìn)行無(wú)限次數(shù)的重復(fù)編程，以實(shí)現(xiàn)想要的數(shù)字邏輯功能。

ASIC和FPGA的區(qū)別在于，AISC是全定制芯片，功能寫(xiě)死，沒(méi)辦法改。而FPGA是半定制芯片，功能靈活，可玩性強(qiáng)。FPGA不需要流片（很燒錢的一個(gè)工序），但因?yàn)榭删庉嫞哂喙δ鼙容^多，一旦用于單一目的，就會(huì)存在浪費(fèi)。大規(guī)模生產(chǎn)的情況下，F(xiàn)PGA的成本比ASIC高，且極致能效不如ASIC。

所以，F(xiàn)PGA現(xiàn)在多用于產(chǎn)品原型的開(kāi)發(fā)、設(shè)計(jì)迭代，以及一些低產(chǎn)量的特定應(yīng)用，或者用于培訓(xùn)和教學(xué)。它適合那些開(kāi)發(fā)周期必須短的產(chǎn)品，也經(jīng)常用于ASIC的驗(yàn)證。

反正，大家記住，大規(guī)模出貨用于AI計(jì)算，一般不考慮FPGA。

所以，AI芯片，也就是GPU和ASIC之爭(zhēng)。

GPU和ASIC，到底誰(shuí)厲害？

ASIC作為專用定制芯片，基于芯片所面向的專項(xiàng)任務(wù)。它的計(jì)算能力和計(jì)算效率都是嚴(yán)格匹配于任務(wù)算法的。芯片的核心數(shù)量，邏輯計(jì)算單元和控制單元比例，以及緩存等，整個(gè)芯片架構(gòu)，也是精確定制的。

所以，ASIC可以實(shí)現(xiàn)極致的體積、功耗。這類芯片的可靠性、保密性、算力、能效，都會(huì)比通用芯片（GPU）更強(qiáng)。

但是相比之下，F(xiàn)PGA和ASIC的開(kāi)發(fā)還是太過(guò)復(fù)雜，不適合普及。

ASIC之所以在AI上干不過(guò)GPU，和它的高昂成本、超長(zhǎng)開(kāi)發(fā)周期、巨大開(kāi)發(fā)風(fēng)險(xiǎn)有很大關(guān)系?，F(xiàn)在AI算法變化很快，ASIC這種開(kāi)發(fā)周期，很要命。

綜合上述原因，GPU才有了現(xiàn)在的大好局面。

值得一提的是，AI計(jì)算分為訓(xùn)練和推理兩種。訓(xùn)練任務(wù)，需要更強(qiáng)大的算力，所以在AI訓(xùn)練上，廠商們主要以GPU為主。

推理任務(wù)的話，算力要求要低一點(diǎn)，也不需要什么并行，所以GPU的算力優(yōu)勢(shì)沒(méi)那么明顯。很多企業(yè)，就會(huì)開(kāi)始采用更便宜、更省電的FPGA或ASIC，進(jìn)行計(jì)算。

這個(gè)情況，一直持續(xù)到了現(xiàn)在。AI芯片，GPU的占比能達(dá)到70%以上。

如今，大家非常希望算力多元化。再有，大模型現(xiàn)在從“訓(xùn)練熱”走向了“推理熱”。推理類的AI計(jì)算需求增加，給了ASIC機(jī)會(huì)。所以，扶持ASIC產(chǎn)業(yè)鏈，提升ASIC芯片在AI領(lǐng)域的占有率，成為了大家的共識(shí)。

那么，取代就真的那么容易嗎？ASIC會(huì)很快淘汰掉GPU嗎？

顯然不是的。

憑借性能、生態(tài)、集成能力等方面的優(yōu)勢(shì)，GPU仍然會(huì)是中短期內(nèi)的AI芯片首選。有關(guān)GPU的軟硬件網(wǎng)絡(luò)整套方案都很成熟，技術(shù)和資金實(shí)力太強(qiáng)，GPU的存量和出貨量依然很大。

ASIC的崛起速度雖然很快，但仍需要一定的時(shí)間走向成熟。AI ASIC芯片的研發(fā)，也具有很高的風(fēng)險(xiǎn)。即使研發(fā)成功，也需要時(shí)間被用戶所接受。

這就意味著，在很長(zhǎng)的一段時(shí)間內(nèi)，GPU和ASIC都將處于共存狀態(tài)?；诓煌膱?chǎng)景，用戶會(huì)選擇最適合自己的芯片。未來(lái)的情況還是比較難預(yù)測(cè)的。量子計(jì)算是不是會(huì)對(duì)計(jì)算領(lǐng)域造成顛覆式影響，現(xiàn)在也是討論的熱點(diǎn)。