毫無(wú)疑問(wèn)，2019年是國(guó)產(chǎn)AI芯片爆發(fā)的一年。大小籌碼大會(huì)可謂是您的首次亮相?；仡櫧衲臧l(fā)布的AI芯片，它們都有自己的特點(diǎn)和優(yōu)勢(shì)。特別是在他們擅長(zhǎng)的特定任務(wù)上，它們的性能和計(jì)算能力甚至可以顯著領(lǐng)先于某些GPU，谷歌的Tensor計(jì)算單元（TPU），特斯拉的自動(dòng)駕駛計(jì)算單元（FSD）以及國(guó)內(nèi)外各種類型的AI。新芯片產(chǎn)品，這就是為什么在新聞發(fā)布會(huì)上他們自己的產(chǎn)品聲稱具有性能和能效比可以成為NVIDIA GPU明星產(chǎn)品的原因。

通用有多重要？對(duì)于數(shù)據(jù)中心和云應(yīng)用程序，可以。

首先是成本。當(dāng)芯片具有足夠的通用性和廣泛的可用性時(shí)，其銷量可以滿足對(duì)研發(fā)設(shè)計(jì)和最新工藝技術(shù)成本不斷增長(zhǎng)的需求。在“數(shù)量”方面，幾乎沒(méi)有針對(duì)AI專用芯片的驚人市場(chǎng)。

第二是靈活性問(wèn)題。當(dāng)前AI算法的迭代速度非?？?，可能會(huì)從幾個(gè)月到幾周不等。該芯片基于18個(gè)月的開(kāi)發(fā)周期。當(dāng)芯片發(fā)布時(shí)，AI芯片可能已經(jīng)落后了。

“將軍”之王-GPGPU的興起

特別是自NVIDIA在2006年左右發(fā)布CUDA以來(lái)。CUDA是Nvidia在高性能異構(gòu)計(jì)算領(lǐng)域中GPU應(yīng)用中的一項(xiàng)重大創(chuàng)新。無(wú)疑，這是非常正確的舉動(dòng)。 CUDA可以直接基于C，C ++，F(xiàn)ortran，Python和其他語(yǔ)言開(kāi)發(fā)應(yīng)用程序。并建立了龐大的開(kāi)發(fā)用戶群，奠定了GPU可以廣泛使用的技術(shù)基礎(chǔ)和生態(tài)力量。

當(dāng)然，這也是由于大數(shù)據(jù)時(shí)代的到來(lái)，所有行業(yè)都需要更強(qiáng)大的計(jì)算能力。 CUDA的推出啟動(dòng)了Nvidia的GPGPU（通用GPU）戰(zhàn)略-當(dāng)大多數(shù)人對(duì)GPU的理解僅限于游戲圖形的加速時(shí)，GPGPU的時(shí)代就此開(kāi)始了。

從狹義上講，GPGPU基于GPU進(jìn)行了優(yōu)化，使其更適合于高性能并行計(jì)算。它可以使用高級(jí)編程語(yǔ)言，并且在性能，易用性和通用性方面更強(qiáng)大。

在應(yīng)用程序領(lǐng)域，GPGPU將應(yīng)用程序擴(kuò)展到圖形之外。 GPGPU在科學(xué)計(jì)算，區(qū)塊鏈，大數(shù)據(jù)處理，工程計(jì)算，金融，基因等領(lǐng)域得到了廣泛的應(yīng)用，其科研成果和新的應(yīng)用模式正在興起。

從上圖可以看出，GPU用于AI計(jì)算。無(wú)論是云訓(xùn)練還是終端推理，其本質(zhì)都是GPU一般屬性的一個(gè)方向。換句話說(shuō)，人工智能計(jì)算只是GPGPU世界中的組件之一。只有AI計(jì)算在此方向上具有巨大潛力，因此GPU制造商已將AI計(jì)算作為開(kāi)發(fā)和推廣的方向。
如果將CPU與數(shù)學(xué)家進(jìn)行比較，將GPU與藝術(shù)家進(jìn)行比較，則GPGPU可能應(yīng)該是... Leonardo Da Vinci。

  “戰(zhàn)場(chǎng)”

從那時(shí)起，AMD在GPGPU方面做的還很少，甚至后來(lái)出現(xiàn)的開(kāi)放計(jì)算語(yǔ)言（OpenCL）也由Apple開(kāi)發(fā)。這也使AMD失去了在GPGPU中與Nvidia競(jìng)爭(zhēng)的機(jī)會(huì)，因此它處于追趕者的象限。

但是，英特爾也正在加快通用GPU的部署。英特爾知道，GPU的過(guò)路人知道這是一段痛苦的歷史，從不屑一顧到GPU的發(fā)展，再到基于自己的x86架構(gòu)的獨(dú)立顯卡的開(kāi)發(fā)，英特爾十年來(lái)一直沒(méi)有一款像樣的GPU。據(jù)報(bào)道，在過(guò)去的兩年中，英特爾將在2020年推出首個(gè)獨(dú)立GPU。這可能是由于英特爾沉重的資金籌措-AMD RTG圖形部門前負(fù)責(zé)人，禪宗架構(gòu)的功勛領(lǐng)袖吉姆·凱勒（Jim Keller）–和圖形技術(shù)市場(chǎng)。這些神靈的導(dǎo)演達(dá)米安·特里奧萊特（Damien Triolet）是英特爾于2018年招募的。

可以想象，對(duì)于英特爾來(lái)說(shuō)，這是整個(gè)2020年。顯然，英特爾制造傳統(tǒng)顯卡的意義不大。在異構(gòu)計(jì)算時(shí)代，只有將英特爾瞄準(zhǔn)數(shù)據(jù)中心時(shí)，它才決定觸發(fā)GPU的觸發(fā)。

再說(shuō)一件事，英特爾最強(qiáng)大的生態(tài)系統(tǒng)是x86架構(gòu)CPU。英特爾的策略可能是從CPU生態(tài)學(xué)的角度探索一種更緊密的方法來(lái)組合CPU和GPU。
作者采訪了相關(guān)行業(yè)的技術(shù)人員，并了解到開(kāi)發(fā)GPGPU的困難在于以下幾個(gè)方面。

從硬件的角度來(lái)看，核心是指令集。指令集的覆蓋范圍，粒度和效率決定了芯片是否可以覆蓋足夠廣泛的應(yīng)用市場(chǎng)區(qū)域以及是否對(duì)軟件開(kāi)發(fā)和產(chǎn)品迭代友好。無(wú)論是Nvidia還是AMD的GPGPU，指令集都在上千左右，而大多數(shù)國(guó)產(chǎn)AI芯片指令集都在一百以內(nèi)。類型和數(shù)量之間的差異映射到高效硬件實(shí)現(xiàn)的復(fù)雜性。差距很大。在這方面，國(guó)內(nèi)隊(duì)之間還存在一定差距。另一個(gè)重要方面是基于硬件層的任務(wù)管理和智能調(diào)度。這使芯片可以提高硬件層的計(jì)算能力利用率，這是每個(gè)人都經(jīng)常說(shuō)的實(shí)際計(jì)算能力。大多數(shù)AI芯片的實(shí)踐完全取決于軟件層的調(diào)度實(shí)現(xiàn)，但這種方式首先會(huì)增加軟件開(kāi)發(fā)的復(fù)雜性，其次會(huì)降低硬件計(jì)算能力的利用率，其次會(huì)迭代地更新軟件堆棧。速度。毫無(wú)疑問(wèn)，這在面臨AI模型，開(kāi)發(fā)環(huán)境和應(yīng)用場(chǎng)景加速更新的情況下，極大地增加了在AI環(huán)境下產(chǎn)品著陸和工程設(shè)計(jì)的難度。

在軟件方面，毫無(wú)疑問(wèn)，最重要的是開(kāi)發(fā)生態(tài)。通過(guò)英偉達(dá)（Nvidia）十多年的工作，GPGPU已經(jīng)建立了一個(gè)龐大而成熟的生態(tài)CUDA，擁有超過(guò)160萬(wàn)開(kāi)發(fā)用戶。人工智能芯片需要建立新的生態(tài)。這將在兩個(gè)方面帶來(lái)重大問(wèn)題。第一個(gè)維度是客戶?？蛻粜枰L(zhǎng)的適應(yīng)期才能從原始開(kāi)發(fā)環(huán)境切換到新的軟件生態(tài)系統(tǒng)。它不僅帶來(lái)了資源，延遲了業(yè)務(wù)部署的時(shí)間窗口，增加了業(yè)務(wù)的不確定性，更嚴(yán)重的是不利于保護(hù)現(xiàn)有的軟件投資，而且軟件的許多部分都必須重寫(xiě)和修改。適應(yīng)。企業(yè)用戶非常敏感和謹(jǐn)慎。另一個(gè)方面是產(chǎn)品開(kāi)發(fā)方面。從底層芯片和系統(tǒng)軟件來(lái)看，跳過(guò)CUDA層以直接支持開(kāi)發(fā)框架將不可避免地帶來(lái)巨大的軟件投資，并不斷跟上現(xiàn)有框架的新版本和生態(tài)巨人的新框架。缺乏底層軟件人員。

歸根結(jié)底，以上兩點(diǎn)需要人為解決。恰恰是中國(guó)企業(yè)目前最缺乏該領(lǐng)域的人才。目前，只有Nvidia和AMD擁有豐富的團(tuán)隊(duì)，這也證明了英特爾為何折騰幾年并最終邀請(qǐng)AMD的諸侯神。

實(shí)際上，如果您仔細(xì)考慮一下，就很容易理解通用GPU已成為士兵的戰(zhàn)場(chǎng)，至少有兩個(gè)主要的驅(qū)動(dòng)因素。從好的方面來(lái)說(shuō)，現(xiàn)在是異構(gòu)計(jì)算的世界。近年來(lái)，傳統(tǒng)的基于CPU的服務(wù)器市場(chǎng)增長(zhǎng)相對(duì)較慢，而GPU服務(wù)器卻迅速增長(zhǎng)，據(jù)報(bào)道年增長(zhǎng)率超過(guò)60％。
潛在因素是5G時(shí)代的到來(lái)推動(dòng)了物聯(lián)網(wǎng)的快速發(fā)展，應(yīng)用場(chǎng)景變得更加豐富和多樣化。這需要云計(jì)算資源為各種復(fù)雜場(chǎng)景的需求提供豐富而靈活的計(jì)算支持。工程師更愿意將“全能”芯片焊接到服務(wù)器上。

老虎可以碰的“老虎屁股”

另一種方式是“意味著天龍寺的僧侶們一起練習(xí)六脈沖魔劍”。通用GPU復(fù)雜且難以實(shí)現(xiàn)。華為“簡(jiǎn)化了復(fù)雜性”。今天，我們將做AI-GPU，明天將做“區(qū)塊鏈GPU”，明天將做“超級(jí)計(jì)算GPU”。 ，“六脈沖Excalibur”通用GPU成為了?？雌饋?lái)不錯(cuò)吧？但是這個(gè)想法可能太理想化了。通用GPU并非簡(jiǎn)單的“ 1 + 1”。十個(gè)人將有一個(gè)正手指，而沒(méi)人會(huì)擁有六脈沖魔劍。這說(shuō)得通。

我還聽(tīng)說(shuō)阿里巴巴的芯片部門也希望成為GPGPU，但是阿里巴巴的野心更大，但沒(méi)有足夠的技術(shù)團(tuán)隊(duì)來(lái)支持這一點(diǎn)。
在其他制造商中，包括寒武紀(jì)，Itu，Bitmain和Ebara Technology等，他們目前專注于AI芯片，并利用自己的優(yōu)勢(shì)擺脫了自己的風(fēng)格和水平。
在GPGPU軌道上，一家名為“ Days Knowledge Core”的公司選擇了正面的“ Gang”。目前，該公司已經(jīng)聚集了一支由100多人組成的技術(shù)團(tuán)隊(duì)，圍繞GPGPU系統(tǒng)進(jìn)行研發(fā)。其中，AMD一直是美國(guó)和上海GPU的核心團(tuán)隊(duì)成員，以及擁有20多年行業(yè)經(jīng)驗(yàn)的世界級(jí)技術(shù)專家。今年剛試水并發(fā)布了Edge芯片，并計(jì)劃明年正式發(fā)布GPGPU大型芯片產(chǎn)品。

“牧村波動(dòng)”

2020年臨近。在過(guò)去的幾年中，我們一直在呼吁使用AI芯片和高性能計(jì)算芯片。如果Makimoto的Wave仍然有效，那么下一個(gè)高峰將是具有超高靈活性集成的芯片。

毫無(wú)疑問(wèn)，在計(jì)算能力經(jīng)濟(jì)時(shí)代，全世界正面臨著半導(dǎo)體市場(chǎng)的增長(zhǎng)潮，并且各種半導(dǎo)體公司已經(jīng)出現(xiàn)在市場(chǎng)中。 NVIDIA早就憑借其強(qiáng)大的GPU + CUDA解決方案切入了各個(gè)領(lǐng)域，并積累了投入大量研發(fā)投入和時(shí)間的堅(jiān)不可摧的生態(tài)城墻，這恰恰是國(guó)內(nèi)外其他公司的薄弱環(huán)節(jié)。
國(guó)內(nèi)芯片公司，特別是在創(chuàng)業(yè)初期的芯片公司，“正確的選擇勝于百倍的努力”。我認(rèn)為通用GPU確實(shí)是一個(gè)非常值得的方向。 GPGPU只有十歲了，“護(hù)城河”并非堅(jiān)不可摧。

在此階段，國(guó)內(nèi)替代產(chǎn)品還必須在CUDA生態(tài)學(xué)的基礎(chǔ)上推廣自己的芯片產(chǎn)品，同時(shí)建立與CUDA兼容的新生態(tài)學(xué)。該過(guò)程中的每個(gè)步驟都是至關(guān)重要且具有挑戰(zhàn)性的。

全網(wǎng)數(shù)據(jù)為大家提供專業(yè)的深圳服務(wù)器租用，深圳服務(wù)器托管，深圳主機(jī)租用，云服務(wù)器租用等國(guó)內(nèi)外服務(wù)器資源，詳情歡迎咨詢客服了解。