GPU/FPGA/ASIC/类脑芯片,他们各自的优势是什么

(文章来源:千家网)
为了进行大数据处理,当前的方案一般采用高性能的处理器辅助mcu进行计算,但是随着摩尔定律时间周期拉长,处理器上可集成的器件数量会达到极限,而数据量还在不断增加,因此我们需要通过架构的变化来满足数据量的增长,这就是人工智能芯片推出的背景。
目前来看,人工智能芯片有四类架构:gpu、fpga、asic和类脑芯片。
gpu:是单指令、多数据处理,采用数量众多的计算单元和超长的流水线,如名字一样,图形处理器,gpu善于处理图像领域的运算加速。但gpu无法单独工作,必须由cpu进行控制调用才能工作。cpu可单独作用,处理复杂的逻辑运算和不同的数据类型,但当需要大量的处理类型统一的数据时,则可调用gpu进行并行计算。
fpga:和gpu相反,fpga适用于多指令,单数据流的分析,因此常用于预测阶段,如云端。fpga是用硬件实现软件算法,因此在实现复杂算法方面有一定的难度,缺点是价格比较高。将fpga和gpu对比发现,一是缺少内存和控制所带来的存储和读取部分,速度更快。二是因为缺少读取的作用,所以功耗低,劣势是运算量并不是很大。结合cpu和gpu各自的优势,有一种解决方案就是异构。
asic芯片:是专用定制芯片,为实现特定要求而定制的芯片。除了不能扩展以外,在功耗、可靠性、体积方面都有优势,尤其在高性能、低功耗的移动端。谷歌的tpu、寒武纪的gpu,地平线的bpu都属于asic芯片。谷歌的tpu比cpu和gpu的方案快30-80倍,与cpu和gpu相比,tpu把控制缩小了,因此减少了芯片的面积,降低了功耗。
很多人认为asic是人工智能芯片的一个主要发展方向,其实在asic芯片里还有一个特殊的群体—类脑计算,林雨认为,“这才是真正的人工智能芯片未来发展的方向。类脑计算是真正模拟人脑进行设计,人脑的特点就是神经元进行传输数据。当我们用硬件去模拟人脑时,在硬件环节里还有许多多余的元素,而类脑芯片就拟合人脑的作用。要做类脑芯片非常难,ibm、高通、英特尔等公司的芯片策略都是用硬件来模仿人脑的神经突触。”


贴片压敏电阻的性能有哪些
中国联通董事长王晓初提出了实现四化推动5G终端普及
城市景观灯选择工业连接器的原因:防水耐蚀高可靠
土壤呼吸监测系统的详细介绍
时序逻辑电路设计之同步计数器
GPU/FPGA/ASIC/类脑芯片,他们各自的优势是什么
喜欢玩手游的可以尝试用iPhone7、华为Mate9等手机值得入手
一文读懂负温度系数热敏电阻
可监测心脏的微型可穿戴传感器
华为Mate30Lite贴膜曝光 采用水滴屏方案
蒸汽涡街流量计选型及安装
OPPO再联合浙江卫视_通过电视直播发布R15_4月1日起售
MAX9132/MAX9134/MAX9135多输入/输出LVDS交叉开关
DC-DC升压变换器的基本原理
如何在有限空间里实现高性能?结合最低特定RDS(On)与表面贴装技术是个好方法!
德州仪器推出业界首款实时JPEG 2000高清解决方案
扩展现实(XR)技术的潜在应用领域——中篇
爆料称iPhone 12S Pro将新增粉色
如何使用频谱分析仪分析射频信号的调制特性?
浅谈云灾难恢复与备份之Azure Site Recovery服务