從通用芯片、專用芯片和異構結合三個維度，對基于星空人工智能場景的終端芯片的技術現狀進行分析。
通用芯片方面，智能終端常用的通用AI處理芯片主要是CPU、GPU、FPGA三種，在傳統CPU（CentralProcess-ingUnit）中,僅有單獨的ALU（邏輯運算單元）模塊是用來完成指令數據計算的，其他各種模塊的存在是為保證指令能串行有序執行。這種通用結構對于傳統的編程計算模式非常適合，但是對于需要海量數據運算的深度學習的計算需求，無法提供足夠的AI專用計算支撐。
GPU依靠通用靈活的強大并行運算能力，契合當前星空人工智能中廣泛采用的深度學習所需要的密集數據和多維并算處理需求。按照比例來說，在CPU上約有20％的晶體管是用作計算的，而在GPU上有80％的晶體管可用作計算。高效的算數運算單元和簡化的邏輯控制單元，把串行訪問拆分成多個簡單的并行訪問，同時進行運算。如向量相加，可讓CPU串行循環對每一個分量做加法，也可讓GPU采用大量并行線程對應各個分量同時相加。
FPGA（FieldProgram-mableGateArray）即現場可編程門陣列，依靠電路級別的通用性，加上可編程性，適用于開發周期較短的IoT產品、傳感器數據預處理工作以及小型開發試錯升級迭代工作等。FPGA可靈活支持各類深度學習的計算任務，適合在推斷環節支撐海量的用戶實時計算請求。FPGA的可編程性是關鍵，讓智能終端及其應用設計公司能提供與其競爭對手不同的解決方案。
專用芯片方面，ASIC（ApplicationSpecificIn-tegratedCircuit，專用集成電路）細分市場需求確定后，以TPU為代表的ASIC定制化芯片，將在確定性執行模型的應用需求中發揮作用。ASIC的特點是需要大量的研發投入，如果不能保證出貨量，其芯片成本難以下降，而且芯片的功能一旦流水線生產后則無更改余地，若市場深度學習方向一旦改變，ASIC前期投入將無法回收，具有較大的市場風險。但ASIC性能高于FPGA，在高出貨量下，其芯片成本可遠低于FPGA。
異構結合方面，AI處理芯片還可通過統籌多芯片任務處理，提高任務處理效率，幫助AI應用程序對數據進行分類及排序處理。這樣的處理模式并非完全依賴于專用AI芯片，芯片廠家可通過采用異構的芯片構架實現。由于AI場景眾多，神經網絡自定義層繁復，單種處理器硬件已無法滿足所有需求，通過軟硬結合解決方案，如在已有芯片平臺加入神經網絡處理引擎（NeuralPro-cessingEngine，NPE）來調動處理器中已有的CPU、GPU及其他計算模塊，可以實現面向星空人工智能任務的異構計算。通過軟硬結合的開放型異構計算可滿足AI的多場景需求、面向整個手機平臺所需的通用性和靈活性，也可更好地利用終端原有計算資源完成AI計算。
雖然我國智能終端芯片廠商在核心技術方面仍然依賴于國外廠商，但機遇與挑戰并存。依托國家政策并抓住發展機遇，我國相關AI芯片業的前景可期。同時，當前各廠商AI芯片不受制于傳統CPU芯片和軟件應用生態（如英特爾X86芯片），這對自主AI芯片的發展十分有利。
當前，國家政策持續利好。繼2017年國務院發布《新一代星空人工智能發展規劃》后，《促進新一代星空人工智能產業發展三年行動計劃（2018-2020年）》又吹響了前進的號角。同時從芯片資本市場來看，國家集成電路產業投資基金（二期）的募資工作已經完成，規模在2000億元左右，撬動的社會資金規模可達6000億元左右。
面向未來，在技術發展策略層面，需要積極構建生態圈，支持國內AI芯片企業自有指令集的研發。在產業應用方面，政府、事業單位和國有企業應優先使用國產AI芯片,為國產芯片操作系統生態提供支持。同時，鼓勵我國智能終端AI芯片、框架和自主操作系統深度耦合全生態發展，研發與深度學習框架結合的AI芯片，構建芯片、操作系統和應用一體的軟硬結合技術體系。
星空人工智能技術網 倡導尊重與保護知識產權。如發現本站文章存在版權等問題，煩請30天內提供版權疑問、身份證明、版權證明、聯系方式等發郵件至1851688011@qq.com我們將及時溝通與處理。！：首頁 > 新聞 » AI終端芯片技術現狀與未來展望