В последнее время на отношения между чипом AI (ASIC) и FPGA, состояние отрасли находится под вопросом. Таким образом, мы будем приглашать промышленность эту тему инвесторов, обсуждались предприниматели.
Ссылаясь на истории развития чипа, является история эволюции процесса ведомого законом Мура, но и история эволюции определенного приложения архитектуры, ASIC не так говорила о будет заменена на FPGA, сама проблема является мирянином.
В соответствии с Законом замедления Мура фоне, архитектуры чипа и аппаратного и программного обеспечения системы определенных сценариев приложений будет еще более важное изменение, как волна за волной новых приложений GPU, DSP, чипы обработки видео принести особую архитектуру чипа, AI в этом с эволюцией волны и течения, которая будет сходимость алгоритма, постепенно выпадать некоторые из более эффективной архитектуры, и эти сцены чип архитектуры и прикладного программного обеспечения, высокой степенью интеграции, сбалансированного питания, производительность и стоимость проекта.
Вычислительная архитектура Есть три основных элементов, в том числе вычислений, хранения и сети, тип чипа может быть в основном разделены на три категории в зависимости, этой простоты понимания.
Прежде всего, давайте поговорим об вычислительной микросхеме, процессоре Intel и ARM, графическом процессоре NVIDIA, CEVA DSP, принадлежащем к этому типу чипа или IP, основная задача - завершить логические и математические операции, поддержать ИТ-мир облачных вычислений, мобильный терминал Применение и обработка сигналов, даже AI и т. Д. FPGA - одна из небольших категорий, составляющая менее 5% от всей прибыли Intel, обычно FPGA может выполнять некоторые ускоренные операции, в которых процессор не очень хорош, например обработка сигналов, рассуждение ИИ и т. Д. Тем не менее, недостатки FPGA также очень ясны. FPGA подчеркивает универсальность логики, поддерживает переписывание и настройку программного обеспечения, что приводит к узким местам вычислительной плотности, а общая логика приносит много избыточности, что означает затраты и энергопотребление. В эпоху мобильного Интернета и Интернета Things количество пользователей и сложность приложений резко возросли, а вычислительная плотность (вычислительная мощность, поддерживаемая потреблением единицы мощности) является основной конкуренцией. ПЛИС явно не компетентны, хотя FPGA можно сравнивать в ускоренных сценариях. Процессор на порядок выше, но по крайней мере на порядок ниже, чем выделенный движок AI.
Некоторые люди будут сомневаться в том, что ASIC не универсален. На самом деле ответ очень прост: универсальная и вычислительная плотность - это своего рода компромисс. Например, теоретически, процессор может выполнять любую операцию, но общая архитектура приводит к потере вычислительной плотности. Например, лучший серверный процессор может обеспечить только 1Tflops силы аргумента AI, посмотреть на графический процессор, он может легко сделать 10Tflops, но GPU не может выполнять сложные логические операции, поэтому он никогда не сможет заменить CPU; Вид между процессором и ASIC с некоторой гибкостью, но с низкой стоимостью, не может удовлетворить основные потребности, такие как индустрия мобильных телефонов, чтобы сэкономить несколько центов на постоянную оптимизацию дизайна, столкнувшись с такой огромной отраслью, Экономия затрат поэтапно огромна, поэтому судьба FPGA всегда была переходным продуктом на ранней стадии рынка или сегментом, который обслуживает небольшие партии.
Недавно мы заметили интересную вещь: Intel приобрела компанию, которая занимается структурированным дизайном ASIC, и может вырезать часть избыточной логики, чтобы ускорить процесс разработки от логики FPGA до ASIC на основе дизайна FPGA. С этого момента вы также можете увидеть Из ASIC - окончательный ответ на основной рынок.
Aurora Borealis инвестировала в четыре чип-компании AI:
▪ Отдельно для облачных вычислений,
▪ Самонаводящие черные семена кунжута,
▪ Потребительская электроника и миллиарды ценных бумаг,
▪ Наша технология с термоядерным датчиком ультранизкой мощности,
Эти компании оптимизировали механизм ИИ для разных сценариев приложений. Будущая чип-компания не может просто быть компанией, производящей оборудование. Она должна понимать потребности пользователя и определять границы гибкости для определения лучших продуктов. Например, Рынок облачных вычислений должен поддерживать больше моделей сети ИИ, поэтому его архитектура более универсальна и ближе к архитектуре GPGPU, в то время как Black Sesame и Yizhi глубоко понимают требования к производительности прикладного сценария, нужно лишь поддерживать несколько пользователей Несколько алгоритмов и многое другое для обеспечения баланса между потреблением энергии и производительностью. Клиент действительно заботится о не универсальности, иначе процессор будет в порядке, но стоимость под вычислительной плотностью соответствует требованиям сцены.
Другие спрашивают, что новые компании не могут захватить потенциал. Цель ASIC - использовать самые обычные и относительно недорогие процессы для достижения того, что FPGA могут делать с самыми передовыми процессами. Проблема с пропускной способностью отсутствует. Например, Yizhi требуется только 40 нм и 28 нм. Этот процесс может обеспечить более 1 TOPS вычислительной мощности, стоимость составляет всего 1/10 или менее от FPGA, самый передовой процесс подходит для универсального дизайна чипов, но в контексте замедления закона Мура это станет огромным бременем. Я также хочу поговорить о личных взглядах на приобретение Shen Jian. Разработчиков FPGA очень мало и сложно использовать. Поэтому инструменты автоматизации ценны для ПЛИС. Глубокие программные инструменты могут ускорить разработку FPGA AI, но Xilinx все еще будет Ожидается, что дальнейшие инвестиции в разработку чипов, специфичных для AI, будут видны. Intel, лидер отрасли, имеет специальную компоновку AI-чипа для автономных вождения, потребления, безопасности и облачных вычислений, включая собственную разработку чипов AI для BAT. Это направление все еще имеет значительный консенсус.
Давайте суммируем точку зрения, определение сцены. ИИ, выделенный чипом и гетерогенными вычислениями, является основной темой следующего цикла изменения вычислительной архитектуры.
На самом деле, инвестиции Китая в компании-чипы AI - это не слишком много, но слишком мало. Зрелая команда с реальным опытом в отрасли является целью, которую инвестиционное сообщество должно поддерживать и поддерживать, а также является стратегическим ресурсом для будущего страны.