谷歌TPU勢頭正勁 英偉達(dá)GPU突圍AI芯片勝算有幾分

　　2017臺(tái)北國際電腦展COMPUTEX 2017已經(jīng)于5月30日開幕。英偉達(dá)的創(chuàng)始人兼CEO黃仁勛在AI論壇上發(fā)表了演說，談到了英偉達(dá)的人工智能規(guī)劃。

　　今年5月9日，英偉達(dá)公布了第一季度的財(cái)報(bào)，第一季度營收19.4億美元，同比跳漲48.4%，凈收入5.07億美元，比去年同期跳漲126%。其中，游戲顯卡業(yè)務(wù)營收占了總營收的53%，仍然是英偉達(dá)的主力軍。但是數(shù)據(jù)中心業(yè)務(wù)收入翻倍至4.09億美元，汽車業(yè)務(wù)收入也增長了24%至1.4億美元。從去年起，數(shù)據(jù)中心和汽車業(yè)務(wù)加速發(fā)展，為提振股價(jià)起到了重要作用。黃仁勛曾表示，人工智能已經(jīng)到了變革的邊緣，最終將會(huì)有1萬億的設(shè)備擁有人工智能，而英偉達(dá)也正在變?yōu)槿斯ぶ悄芄尽?/p>

　　黃仁勛在5月30日的演講上談到，CPU的性能增長遇到瓶頸，成長空間僅剩10%，而基于GPU的運(yùn)算具有極大的潛力，成為推動(dòng)人工智能的關(guān)鍵技術(shù)。他表示，到2025年，GPU的性能將是現(xiàn)在的1000倍。

　　以GPU為基礎(chǔ)打入人工智能市場，英偉達(dá)一路高歌猛進(jìn)，目前已經(jīng)是人工智能GPU第一大廠。十幾年前，人們開始將計(jì)算任務(wù)從CPU卸載到GPU，英偉達(dá)2006年推出了CUDA技術(shù)，來解放GPU的計(jì)算能力，經(jīng)過多年的積累，目前CUDA+GPU已經(jīng)在深度學(xué)習(xí)方面表現(xiàn)出了極強(qiáng)的適應(yīng)性和強(qiáng)大的計(jì)算能力。

　　5月11日，英偉達(dá)在圣何塞的GPU技術(shù)大會(huì)上發(fā)布了新品Tesla V100，又稱Volta，號(hào)稱是史上最強(qiáng)的GPU加速器，專門針對(duì)服務(wù)器市場，用來處理需要強(qiáng)大計(jì)算能力支持的密集型HPC、AI和圖形處理任務(wù)。其運(yùn)算架構(gòu)采用了臺(tái)積電12nm FFN制程，集成了211億個(gè)晶體管和5120個(gè)計(jì)算機(jī)內(nèi)核，并且配備了40個(gè)Tensor內(nèi)核，具有非常強(qiáng)大的深度學(xué)習(xí)性能。相對(duì)于之前的Pascal架構(gòu)，深度學(xué)習(xí)訓(xùn)練速遞提升了12倍，推理速度也提升了6倍。推理性能要比英特爾的Skylake CPU架構(gòu)快15到25倍。每秒處理浮點(diǎn)運(yùn)算能達(dá)到120萬億次。

　　英偉達(dá)代表了GPU方向，那么另外兩個(gè)通往人工智能的重要方向——英特爾的CPU和谷歌的TPU又有什么樣的優(yōu)勢?

　　作為CPU全球霸主，英特爾在切入人工智能的時(shí)候依然要用CPU做武器。去年英特爾先后收購深度學(xué)習(xí)初創(chuàng)公司Nervana Systems(Nervana開發(fā)的Engine芯片在深度學(xué)習(xí)訓(xùn)練方面具有優(yōu)于傳統(tǒng)GPU的能耗和性能優(yōu)勢)、機(jī)器視覺初創(chuàng)公司Movidius，還曾用167億的價(jià)格收購了FPGA制造商Alera。英特爾表示將在2017年推出深度學(xué)習(xí)專用芯片，速度比GPU快10倍，并且將在2020年之前將深度學(xué)習(xí)訓(xùn)練速度提升100倍。目前英偉達(dá)的GPU炒得火熱，人們都在質(zhì)疑，關(guān)于人工智能，到底是CPU更合適，還是GPU更具有優(yōu)勢。

　　GPU包含多個(gè)流處理單元，更加擅長大規(guī)模的并行計(jì)算，適用于數(shù)據(jù)并行度高的計(jì)算密集型程序，對(duì)于AI這種編程框架，尤其是對(duì)圖形圖像的計(jì)算速度遠(yuǎn)超CPU。因此GPU更適合訓(xùn)練神經(jīng)網(wǎng)絡(luò)，在AlphaGo給了人們更加深刻的關(guān)于人工智能的認(rèn)知之后，GPU的優(yōu)勢也被放大。雖然GPU有著可怕的數(shù)據(jù)運(yùn)算能力，但是CPU是中央處理器，是做通用計(jì)算的，對(duì)于并行程度要求低，對(duì)數(shù)據(jù)的依賴性不高，適合處理多樣的任務(wù)。在前期的數(shù)據(jù)獲取，例如圖像采集、人臉識(shí)別，以及后期的決策環(huán)節(jié)、和傳感器等渠道的信息綜合方面，CPU都具有明顯優(yōu)勢，而中間的過程靠GPU進(jìn)行并行計(jì)算，這樣才能給出完整的人工智能路徑。二者的側(cè)重點(diǎn)不同，優(yōu)勢不同，但都是人工智能發(fā)展所不可或缺的。英偉達(dá)雖然掌握了GPU霸權(quán)，英特爾的速度也慢了些，但是那幾起收購案不可小覷。

　　值得注意的是，最近升級(jí)版的AlphaGo再戰(zhàn)柯潔，谷歌的TPU也逐漸被越來越多的人了解。不像CPU、GPU發(fā)展多年，TPU是谷歌推出TensorFlow框架幾年后才研發(fā)出來的，是專門針對(duì)TensorFlow框架，服務(wù)于AI計(jì)算。由于排除了GPU中的其他部分，留下了專門處理AI的部分，因此TPU以其針對(duì)性和高效性被看好。那么TPU是否能夠碾壓GPU和CPU呢?

　　不久前的I/O大會(huì)上，谷歌的第二代TPU亮相。曾經(jīng)作為英偉達(dá)的客戶的谷歌，如今為了更高效地推進(jìn)人工智能，自己研發(fā)專用芯片。第二代TPU能夠達(dá)到180 TFLOP/s的浮點(diǎn)性能，和傳統(tǒng)GPU相比提升15倍，比CPU提升30倍。另外谷歌還推出一個(gè)TPU pod陣列，能夠包含64顆二代TPU。與一代相比，二代除了提高計(jì)算能力之外，還提高了數(shù)據(jù)推理能力，前幾天AlphaGo的精彩表現(xiàn)就展示出了這一點(diǎn)。

　　但是英偉達(dá)指出，谷歌拿TPU和舊的GPU比是不合適的。另一方面，GPU是通用芯片，TPU則是專門為特定用途設(shè)計(jì)，只用來執(zhí)行單一工作的ASIC，因此二者并不具有太大的可比性。目前第二代TPU已經(jīng)能夠支持浮點(diǎn)運(yùn)算，而且能達(dá)到180萬億次，已經(jīng)超越了英偉達(dá)Tesla V100，在人工智能的研究中，谷歌的TPU具有明顯優(yōu)勢。

　　谷歌這樣的巨頭有充分的資源用自己造的TPU來對(duì)特定的研發(fā)任務(wù)進(jìn)行專用加速，但是未來的市場，物聯(lián)網(wǎng)深入布局，移動(dòng)設(shè)備更加多樣，會(huì)有更廣泛旺盛的需求，也會(huì)有更多變的算法需要實(shí)現(xiàn)。因此未來的市場面臨的是，選擇功能強(qiáng)大的通用型芯片還是更加專業(yè)、有效的ASIC。英偉達(dá)的重心在技術(shù)落地和變現(xiàn)，而谷歌則在全面探索人工智能。能夠高效率地解決更多的問題，就是工具的價(jià)值所在，目前圍繞AI芯片的所謂“三強(qiáng)爭霸”的說法并不準(zhǔn)確，專注GPU的英偉達(dá)能否成為起AI芯片界的高通未可知，但是谷歌不會(huì)成為一個(gè)芯片公司。 不管是CPU、GPU還是TPU，都只是發(fā)展的必經(jīng)階段。二代TPU和Volta很快會(huì)被迭代，芯片本身要服務(wù)于計(jì)算，因此需要通過互相的借鑒和超越來互相推進(jìn)，滿足日益增長的計(jì)算需求。未來也許還會(huì)出現(xiàn)針對(duì)不同計(jì)算需求的ASIC，也許也會(huì)出現(xiàn)一種或多種更加強(qiáng)大的通用型芯片。