盤點(diǎn)2021年全球AI芯片,詳解“xPU”,請收下最新最全的知識點(diǎn)
前言
你一定聽說過CPU、GPU,但是TPU、VPU、NPU、XPU…等等其他字母開頭的“xPU”呢?
本文引用地址:http://www.ex-cimer.com/article/202203/432156.htmAI概念在幾年前火爆全球,科技巨頭們紛紛投入AI芯片的研發(fā),小公司也致力于提出概念靠AI浪潮融資,為了快速在AI市場上立足,也為了讓市場和用戶能記住自家的產(chǎn)品,各家在芯片命名方面都下了點(diǎn)功夫,既要獨(dú)特,又要和公司產(chǎn)品契合,還要朗朗上口,也要容易讓人記住。前文所提到的“xPU”的命名方式就深受各大廠商的喜愛。
本文就從字母A到Z來盤點(diǎn)一下目前各種“xPU”命名AI芯片,以及芯片行業(yè)里的各種“xPU”縮寫,給大家漲漲知識。此外,除了“xPU”命名方式,本文也擴(kuò)展了一些“xxP”方式的以Processor命名的芯片或IP。
1、APU
Accelerated Processing Unit
APU是AMD的一個處理器品牌,它第一次將中央處理器和獨(dú)顯核心做在一個晶片上,它同時具有高性能處理器和最新獨(dú)立顯卡的處理性能。AMD在一顆芯片上集成傳統(tǒng)CPU和圖形處理器GPU,這樣主板上將不再需要北橋,任務(wù)可以靈活地在CPU和GPU間分配。AMD將這種異構(gòu)結(jié)構(gòu)稱為加速處理單元,即APU。
2021年8月,AMD即將發(fā)售新款A(yù)PU:5600G和5700G。
Audio Processing Unit
聲音處理器,顧名思義,處理聲音數(shù)據(jù)的專用處理器。不多說,生產(chǎn)APU的芯片商有好多家。聲卡里都有。
2、BPU
Brain Processing Unit
地平線機(jī)器人(Horizon Robotics)以BPU來命名自家的AI芯片。地平線是一家成立于2015年的start-up,總部在北京,目標(biāo)是“嵌入式人工智能全球領(lǐng)導(dǎo)者”。地平線的芯片未來會直接應(yīng)用于自己的主要產(chǎn)品中,包括:智能駕駛、智能生活和智能城市。地平線機(jī)器人的公司名容易讓人誤解,以為是做“機(jī)器人”的,其實不然。地平線做的不是“機(jī)器”的部分,是在做“人”的部分,是在做人工智能的“大腦”,所以,其處理器命名為BPU。相比于國內(nèi)外其他AI芯片start-up公司,地平線的第一代BPU走的相對保守的TSMC的40nm工藝。BPU已經(jīng)被地平線申請了注冊商標(biāo),其他公司就別打BPU的主意了。
Biological Processing Unit
一個口號“21 世紀(jì)是生物學(xué)的世紀(jì)”忽悠了無數(shù)的有志青年跳入了生物領(lǐng)域的大坑。其實,這句話需要這么理解,生物學(xué)的進(jìn)展會推動21世紀(jì)其他學(xué)科的發(fā)展。比如,對人腦神經(jīng)系統(tǒng)的研究成果就會推動AI領(lǐng)域的發(fā)展,SNN結(jié)構(gòu)就是對人腦神經(jīng)元的模擬。不管怎么說,隨著時間的推移,坑總會被填平的。不知道生物處理器在什么時間會有質(zhì)的發(fā)展。
Bio-Recognition Processing Unit
生物特征識別現(xiàn)在已經(jīng)不是紙上談兵的事情了。指紋識別已經(jīng)是近來智能手機(jī)的標(biāo)配,電影里的黑科技虹膜識別也上了手機(jī),聲紋識別可以支付了…不過,除了指紋識別有專門的ASIC芯片外,其他生物識別還基本都是sensor加通用cpu/dsp的方案。不管怎樣,這些芯片都沒占用BPU或BRPU這個寶貴位置。
3、CPU
Central Processing Unit
CPU就不多說了,中央處理器。不會有AI公司將自己的芯片命名為CPU的。不過,CPU與AI處理器并不沖突。
首先,很多公司的AI處理器中還是會使用CPU做控制調(diào)度。比如,wave computing用的是Andes的CPU core;Mobileye用了好幾個MIPS的CPU core;國內(nèi)的某些AI芯片公司用的ARM的CPU core。
此外,在現(xiàn)有的移動市場的AP中,在CPU之外,再集成一兩個AI加速器IP(例如針對視覺應(yīng)用的DSP,見VPU部分)也是一種趨勢。2017 年,麒麟 970 第一次把 NPU 技術(shù)應(yīng)用在手機(jī)里。今天我們看到的情況是所有的手機(jī)芯片都必須有 AI 處理芯片了,2020年麒麟9000的出現(xiàn)更是把AI移動端處理器的性能再升一大截。
另外一種趨勢,做高性能計算CPU的公司也不甘錯過AI的浪潮。例如,
Adapteva。一家做多核MIMD結(jié)構(gòu)處理器的公司。2016年tapeout的Epiphany V集成有1024個核。相對以前的版本,針對deep learning和加密增加了特定指令。
kalrayinc。一家做多核并行處理器的公司,有針對數(shù)據(jù)中心和自動駕駛的解決方案。最近公布了第三代MPPA處理器“Coolidge”的計劃,并融資$26 Million。計劃采用16nm FinFET工藝,集成80-160個kalray 64-bit core,以及80-160個用于機(jī)器視覺處理和深度學(xué)習(xí)計算的協(xié)處理器。
4、DPU
作為Deep Learning的首字母,以D開頭來命名AI芯片是一種很自然的思路。
Deep-Learning Processing Unit
深度學(xué)習(xí)處理器。DPU并不是哪家公司的專屬術(shù)語。在學(xué)術(shù)圈,Deep Learning Processing Unit(或processor)被經(jīng)常提及。例如ISSCC 2017新增的一個session的主題就是Deep Learning Processor。以DPU為目標(biāo)的公司如下:
Deephi Tech(深鑒)。深鑒是一家位于北京的start-up,初創(chuàng)團(tuán)隊有很深的清華背景。深鑒將其開發(fā)的基于FPGA的神經(jīng)網(wǎng)絡(luò)處理器稱為DPU。到目前為止,深鑒公開發(fā)布了兩款DPU:亞里士多德架構(gòu)和笛卡爾架構(gòu),分別針對CNN以及DNN/RNN。雖然深鑒號稱是做基于FPGA的處理器開發(fā),但是從公開渠道可以看到的招聘信息以及非公開的業(yè)內(nèi)交流來看,其做芯片已成事實。
TensTorrent。一家位于Toronto的start-up,研發(fā)專為深度學(xué)習(xí)和智能硬件而設(shè)計的高性能處理器,技術(shù)人員來自NVDIA和AMD。
Deep Learning Unit
深度學(xué)習(xí)單元。Fujitsu(富士通)最近高調(diào)宣布了自家的AI芯片,命名為DLU。名字雖然沒什么創(chuàng)意,但是可以看到DLU已經(jīng)被富士通標(biāo)了“TM”,雖然TM也沒啥用。在其公布的信息里可以看到,DLU的ISA是重新設(shè)計的,DLU的架構(gòu)中包含眾多小的DPU(Deep Learning Processing Unit)和幾個大的master core(控制多個DPU和memory訪問)。每個DPU中又包含了16個DPE(Deep-Learning Processing Element),共128個執(zhí)行單元來執(zhí)行SIMD指令。富士通預(yù)計2018財年內(nèi)推出DLU。
Deep Learning Accelerator
深度學(xué)習(xí)加速器。2019年,英偉達(dá)在 GitHub 上開源了 NVDLA 編譯器的源代碼,這是世界上首個軟硬件推理平臺的完整開源代碼,給業(yè)界帶來了不小的波瀾。下圖是NVDLA的架構(gòu)示意。
Dataflow Processing Unit
數(shù)據(jù)流處理器。創(chuàng)立于2010年的wave computing公司將其開發(fā)的深度學(xué)習(xí)加速處理器稱為Dataflow Processing Unit(DPU),應(yīng)用于數(shù)據(jù)中心。Wave的DPU內(nèi)集成1024個cluster。每個Cluster對應(yīng)一個獨(dú)立的全定制版圖,每個Cluster內(nèi)包含8個算術(shù)單元和16個PE。其中,PE用異步邏輯設(shè)計實現(xiàn),沒有時鐘信號,由數(shù)據(jù)流驅(qū)動,這就是其稱為Dataflow Processor的緣由。使用TSMC 16nm FinFET工藝,DPU die面積大概400mm^2,內(nèi)部單口sram至少24MB,功耗約為200W,等效頻率可達(dá)10GHz,性能可達(dá)181TOPS。
Data-storage Processing Unit
數(shù)據(jù)存儲處理器。深圳大普微電子開發(fā)固態(tài)硬盤SSD主控芯片。SSD的主控也是一個很大的市場,國內(nèi)在這個方向上奮斗的公司不少。
Digital Signal Processor
數(shù)字信號處理器。芯片行業(yè)的人對DSP都不陌生,設(shè)計DSP的公司也很多,TI,Qualcomm,CEVA,Tensilica,ADI,F(xiàn)reescale等等,都是大公司,此處不多做介紹。相比于CPU,DSP通過增加指令并行度來提高數(shù)字計算的性能,如SIMD、VLIW、SuperScalar等技術(shù)。面對AI領(lǐng)域新的計算方式(例如CNN、DNN等)的挑戰(zhàn),DSP公司也在馬不停蹄地改造自己的DSP,推出支持神經(jīng)網(wǎng)絡(luò)計算的芯片系列。在后面VPU的部分,會介紹一下針對Vision應(yīng)用的DSP。和CPU一樣,DSP的技術(shù)很長時間以來都掌握在外國公司手里,國內(nèi)也不乏兢兢業(yè)業(yè)在這方向努力的科研院所,如清華大學(xué)微電子所的Lily DSP(VLIW架構(gòu),有獨(dú)立的編譯器),以及國防科大的YHFT-QDSP和矩陣2000。但是,也有臭名昭著的“漢芯”。
5、EPU
Emotion Processing Unit
Emoshape 并不是這兩年才推出EPU的,號稱是全球首款情緒合成(emotion synthesis)引擎,可以讓機(jī)器人具有情緒。但是,從官方渠道消息看,EPU本身并不復(fù)雜,也不需要做任務(wù)量巨大的神經(jīng)網(wǎng)絡(luò)計算,是基于MCU的芯片。結(jié)合應(yīng)用API以及云端的增強(qiáng)學(xué)習(xí)算法,EPU可以讓機(jī)器能夠在情緒上了解它們所讀或所看的內(nèi)容。結(jié)合自然語言生成(NLG)及WaveNet技術(shù),可以讓機(jī)器個性化的表達(dá)各種情緒。例如,一部能夠朗讀的Kindle,其語音將根據(jù)所讀的內(nèi)容充滿不同的情緒狀態(tài)。
6、FPU
先說一個最常用的FPU縮寫:Floating Point Unit。浮點(diǎn)單元,不多做解釋了?,F(xiàn)在高性能的CPU、DSP、GPU內(nèi)都集成了FPU做浮點(diǎn)運(yùn)算。
7、GPU
Graphics Processing Unit
圖形處理器。GPU原來最大的需求來自PC市場上各類游戲?qū)D形處理的需求,隨著AI的火熱,在深度學(xué)習(xí)并行訓(xùn)練和推理上應(yīng)用十分廣泛。但是隨著移動設(shè)備的升級,在移動端也逐漸發(fā)展起來。
NVIDIA。說起GPU,毫無疑問現(xiàn)在的老大是NVIDIA。這家成立于1993年的芯片公司一直致力于設(shè)計各種GPU:針對個人和游戲玩家的GeForce系列,針對專業(yè)工作站的Quadro系列,以及針對服務(wù)器和高性能運(yùn)算的Tesla系列。隨著AI的發(fā)展,NVIDIA在AI應(yīng)用方面不斷發(fā)力,推出了針對自動駕駛的DRIVE系列,以及專為AI打造的VOLTA架構(gòu)。特別提一下VOLTA,今年5月份,NVIDIA發(fā)布的Tesla V100采用TSMC 12nm工藝,面積竟然815mm^2,號稱相關(guān)研發(fā)費(fèi)用高達(dá)30億美元。得益于在AI領(lǐng)域的一家獨(dú)大,NVIFIA的股價在過去一年的時間里狂漲了300%。最后,也別忘了NVIDIA家還有集成了GeForce GPU的Tegra系列移動處理器。
AMD。這幾年NVIDIA的火爆,都快讓大家忘了AMD的存在了。AMD是芯片行業(yè)中非常古老的一家芯片公司,成立于1969年,比NVIDIA要早很多年。AMD最出名的GPU品牌Radeon來自于其2006年以54億美元收購的ATI公司。AMD新出的MI系列GPU將目標(biāo)對準(zhǔn)AI。
在移動端市場,GPU被三家公司瓜分,但是也阻止不了新的競爭者殺入。
ARM家的Mali。Mali不是ARM的自創(chuàng)GPU品牌,來自于ARM于2006年收購的Falanx公司。Falanx最初的GPU是面向PC市場的,但是根本就無法參與到NVIDIA和ATI的競爭中去,于是轉(zhuǎn)向移動市場;并且Falanx最初的GPU的名字也不是Mali,而是Maliak,為了好記,改為Mali,來自羅馬尼亞文,意思是small,而不是我們熟悉的吃蘑菇救公主的超級瑪麗(SuperMALI)。
Imagination的PowerVR。主要客戶是蘋果,所以主要精力都在支持蘋果,對其他客戶的支持不足。但是,蘋果突然宣布放棄PVR轉(zhuǎn)為自研,對Imagination打擊不小,股價大跌六成。Imagination現(xiàn)在正在尋求整體出售,土財快追,但是,美國未必批。
Qualcomm的Adreno。技術(shù)來自于AMD收購ATI后出售的移動GPU品牌Imageon。有意思的是,名字改自于ATI的知名GPU品牌Radeon;
VeriSilicon的Vivante。Vivante(圖芯)是一家成立于2004年的以做嵌入式GPU為主的芯片公司,于2015年被VSI收購。Vivante的市場占有率較低。這里多加一段小八卦,Vivante的創(chuàng)始人叫戴偉進(jìn),VSI的創(chuàng)始人叫戴偉民,一句話對這次收購進(jìn)行總結(jié)就是,戴家老大收購了戴家老二。哦,對了,戴家還有一個三妹戴偉立,創(chuàng)立的公司名號更響亮:Marvell。
Samsung的。。。哦,三星沒有自己的GPU。2021年中旬,三星表示即將推出的三星Exynos旗艦處理器中的GPU將基于AMD最新的RDNA2架構(gòu)打造,這標(biāo)志著新GPU首次登陸移動平臺。
再簡單補(bǔ)充國內(nèi)的兩家開發(fā)GPU的公司:
上海兆芯。兆芯是VIA(威盛)分離出來的。兆芯于2016年針對移動端出了一款GPU芯片ZX-2000,名字有點(diǎn)簡單直接。主要技術(shù)來源于威盛授權(quán),GPU核心技術(shù)來自收購的美國S3 Graphics。
長沙景嘉微電子。于2014年推出一款GPU芯片JM5400。這是一家有國防科大背景的公司,與龍芯為合作伙伴,芯片主要應(yīng)用在軍用飛機(jī)和神舟飛船上。
Graph Streaming Processor
圖形流處理器。這是ThinCI(取意think-eye)提出的縮寫。ThinCI是一家致力于打造deep learning和computer vision芯片的start-up,由4名Intel前員工創(chuàng)立于2010年,總部在Sacramento,在印度也有研發(fā)人員。ThinCI的視覺芯片瞄準(zhǔn)了自動駕駛應(yīng)用,投資方有世界頂級汽車零部件供應(yīng)商公司日本電裝DENSO。在剛結(jié)束的hotchip會議上,ThinCI介紹了他們的GSP,使用了多種結(jié)構(gòu)性技術(shù)來實現(xiàn)任務(wù)級、線程級、數(shù)據(jù)級和指令級的并行。GSP使用TSMC 28nm HPC+工藝,功耗預(yù)計2.5W。
8、HPU
Holographic Processing Unit
全息處理器。Microsoft專為自家Hololens應(yīng)用開發(fā)的。第一代HPU采用28nm HPC工藝,使用了24個Tensilica DSP并進(jìn)行了定制化擴(kuò)展。HPU支持5路cameras、1路深度傳感器(Depth sensor)和1路動作傳感器(Motion Sensor)。Microsoft 在最近的CVPR 2017上宣布了HPU2的一些信息。HPU2將搭載一顆支持DNN的協(xié)處理器,專門用于在本地運(yùn)行各種深度學(xué)習(xí)。指的一提的是,HPU是一款為特定應(yīng)用所打造的芯片,這個做產(chǎn)品的思路可以學(xué)習(xí)。據(jù)說Microsoft評測過Movidius(見VPU部分)的芯片,但是覺得無法滿足算法對性能、功耗和延遲的要求,所有才有了HPU。
9、IPU
Intelligence Processing Unit
智能處理器。以IPU命名芯片的有兩家公司。
Graphcore。Graphcore公司的IPU是專門針對graph的計算而打造的。稍微說說Graph,Graphcore認(rèn)為Graph是知識模型及相應(yīng)算法的非常自然的表示,所以將Graph作為機(jī)器智能的基礎(chǔ)表示方法,既適用于神經(jīng)網(wǎng)絡(luò),也適用于貝葉斯網(wǎng)絡(luò)和馬爾科夫場,以及未來可能出現(xiàn)的新的模型和算法。Graphcore的IPU一直比較神秘,直到近期才有一些細(xì)節(jié)的信息發(fā)布。比如:16nm,同構(gòu)多核(>1000)架構(gòu),同時支持training和inference,使用大量片上sram,性能優(yōu)于Volta GPU和TPU2,預(yù)計2017年底會有產(chǎn)品發(fā)布,等等。多八卦一點(diǎn),Graphcore的CEO和CTO以前創(chuàng)立的做無線通信芯片的公司Icera于2011年被Nvidia收購并于2015年關(guān)閉。關(guān)于IPU更細(xì)節(jié)的描述,可以看唐博士的微信公號的一篇文章,傳輸門:解密又一個xPU:Graphcore的IPU。
Mythic。另外一家剛?cè)诹?9.3 million的start-up公司Mythic也提到了IPU:“Mythic’s intelligence processing unit (IPU) adds best-in-class intelligence to any device”。和現(xiàn)在流行的數(shù)字電路平臺方案相比,Mythic號稱可以將功耗降到1/50。之所以這么有信心,是因為他們使用的“processing in memory”結(jié)構(gòu)。
Image Cognition Processor
圖像認(rèn)知處理器ICP,加拿大公司CogniVue開發(fā)的用于視覺處理和圖像認(rèn)知的IP。跑個題,CogniVue一開始是Freescale的IP供應(yīng)商,后來于2015年被Freescale收購以進(jìn)一步加強(qiáng)ADAS芯片的整合開發(fā);隨后,F(xiàn)reescale又被NXP 118億美元拿下;還沒完,高通近400億美元吞并了NXP。 現(xiàn)在NXP家的ADAS SOC芯片S32V系列中,就用到了兩個ICP IP。
Image Processing Unit
圖像處理器。一些SOC芯片中將處理靜態(tài)圖像的模塊稱為IPU。但是,IPU不是一個常用的縮寫,更常見的處理圖像信號的處理器的縮寫為下面的ISP。
Image Signal Processor
圖像信號處理器。這個話題也不是一個小話題。ISP的功能,簡單的來說就是處理camera等攝像設(shè)備的輸出信號,實現(xiàn)降噪、Demosaicing、HDR、色彩管理等功能。以前是各種數(shù)碼相機(jī)、單反相機(jī)中的標(biāo)配。Canon、Nikon、Sony等等,你能想到的出數(shù)碼相機(jī)的公司幾乎都有自己的ISP。進(jìn)入手機(jī)攝影時代,人們對攝影攝像的要求也越來越高,ISP必不可少。說回AI領(lǐng)域,camera采集圖像數(shù)據(jù),也要先經(jīng)過ISP進(jìn)行處理之后,再由視覺算法(運(yùn)行在CPU、GPU或ASIC加速器上的)進(jìn)行分析、識別、分類、追蹤等進(jìn)一步處理。也許,隨著AI技術(shù)發(fā)展,ISP的一些操作會直接被end-2-end的視覺算法統(tǒng)一。
10、JPU
暫無
11、KPU
Knowledge Processing Unit
嘉楠耘智(canaan)號稱2017年將發(fā)布自己的AI芯片KPU。嘉楠耘智要在KPU單一芯片中集成人工神經(jīng)網(wǎng)絡(luò)和高性能處理器,主要提供異構(gòu)、實時、離線的人工智能應(yīng)用服務(wù)。這又是一家向AI領(lǐng)域擴(kuò)張的不差錢的礦機(jī)公司。作為一家做礦機(jī)芯片(自稱是區(qū)塊鏈專用芯片)和礦機(jī)的公司,嘉楠耘智累計獲得近3億元融資,估值近33億人民幣。2020年,嘉楠耘智公司內(nèi)部出了問題,財報很難看。
另:Knowledge Processing Unit這個詞并不是嘉楠耘智第一個提出來的,早在10年前就已經(jīng)有論文和書籍講到這個詞匯了。只是,現(xiàn)在嘉楠耘智將KPU申請了注冊商標(biāo)。
12、LPU
暫無
13、MPU
Micro Processing Unit
微處理器。MPU,CPU,MCU,這三個概念差不多,知道就行了。
題外話:并不是所有的xPU都是處理器,比如有個MPU,是Memory Protection Unit的縮寫,是內(nèi)存保護(hù)單元,是ARM核中配備的具有內(nèi)存區(qū)域保護(hù)功能的模塊。
14、NPU
Neural-Network Processing Unit
與GPU類似,神經(jīng)網(wǎng)絡(luò)處理器NPU已經(jīng)成為了一個通用名詞,而非某家公司的專用縮寫。由于神經(jīng)網(wǎng)絡(luò)計算的類型和計算量與傳統(tǒng)計算的區(qū)別,導(dǎo)致在進(jìn)行NN計算的時候,傳統(tǒng)CPU、DSP甚至GPU都有算力、性能、能效等方面的不足,所以激發(fā)了專為NN計算而設(shè)計NPU的需求。這里羅列幾個以NPU名義發(fā)布過產(chǎn)品的公司,以及幾個學(xué)術(shù)圈的神經(jīng)網(wǎng)絡(luò)加速器。
中星微電子(Vimicro)的星光智能一號。中星微于2016年搶先發(fā)布了“星光智能一號”NPU。但是,這不是一個專為加速Neural Network而開發(fā)的處理器。業(yè)內(nèi)都知道其內(nèi)部集成了多個DSP核(其稱為NPU core),通過SIMD指令的調(diào)度來實現(xiàn)對CNN、DNN的支持。以這個邏輯,似乎很多芯片都可以叫NPU,其他以DSP為計算核心的SOC芯片的命名和宣傳都相對保守了。
Kneron。這是一家位于San Diego的start-up公司,針對IOT應(yīng)用領(lǐng)域做deep learning IP開發(fā)。Kneron開發(fā)的NPU實現(xiàn)了39層CNN,28nm下的功耗為0.3W,能效200GFLOPs/W。其主頁上給出的另一個能效數(shù)據(jù)是600GOPs/W。此外,Kneron同時也在FPGA開發(fā)云端的硬件IP。據(jù)可靠消息,Kneron也要在中國大陸建立研發(fā)部門了,地點(diǎn)涉及北京、上海、深圳。
VeriSilicon(芯原)的VIP8000。VSI創(chuàng)立于2001年。VSI于今年5月以神經(jīng)網(wǎng)絡(luò)處理器IP的名義發(fā)布了這款代號VIP8000的IP。從其公布的消息“VeriSilicon’s Vivante VIP8000 Neural Network Processor IP Delivers Over 3 Tera MACs Per Second”來看,這款芯片使用的并不是其DSP core,而是內(nèi)置了其2015年收購的Vivante的GPU core。按照VSI的說法,VIP8000在16nm FinFET工藝下的計算力超過3 TMAC/s,能效高于1.5 GMAC/s/mW。
DNPU-Deep Neural-Network Processing Unit。DNPU來自于KAIST在ISSCC2017上發(fā)表的一篇文章。我把DNPU當(dāng)做是NPU的一種別名,畢竟現(xiàn)在業(yè)內(nèi)做的支持神經(jīng)網(wǎng)絡(luò)計算的芯片沒有只支持“非深度”神經(jīng)網(wǎng)絡(luò)的。關(guān)于DNPU可以參考“從ISSCC Deep Learning處理器論文到人臉識別產(chǎn)品”。
Eyeriss。MIT的神經(jīng)網(wǎng)絡(luò)項目,針對CNN的進(jìn)行高能效的計算加速設(shè)計。
Thinker。清華微電子所設(shè)計的一款可重構(gòu)多模態(tài)神經(jīng)計算芯片,可以平衡CNN和RNN在計算和帶寬之間的資源沖突。
Neural/Neuromorphic Processing Unit
神經(jīng)/神經(jīng)形態(tài)處理器。這和上面的神經(jīng)網(wǎng)絡(luò)處理器還有所不同。而且,一般也不以“處理器”的名字出現(xiàn),更多的時候被稱為“神經(jīng)形態(tài)芯片(Neuromorphic Chip)”或者是“類腦芯片(Brain-Inspired Chip)”。這類AI芯片不是用CNN、DNN等網(wǎng)絡(luò)形式來做計算,而是以更類似于腦神經(jīng)組成結(jié)構(gòu)的SNN(Spiking Neural Network)的形式來進(jìn)行計算。隨便列幾個,都不是“xPU”的命名方式。
Qualcomm的Zeroth。高通幾年前將Zeroth定義為一款NPU,配合以軟件,可以方便的實現(xiàn)SNN的計算。但是,NPU似乎不見了蹤影,現(xiàn)在只剩下了同名的機(jī)器學(xué)習(xí)引擎Zeroth SDK。
IBM的TrueNorth。IBM2014年公布的TrueNorth。在一顆芯片上集成了4096個并行的core,每個core包含了256個可編程的神經(jīng)元neurons,一共1百萬個神經(jīng)元。每個神經(jīng)元有256個突觸synapses,共256 Mlillion。TrueNorth使用了三星的28nm的工藝,共5.4 billion個晶體管。
BrainChip的SNAP(Spiking Neuron Adaptive Processor )。已經(jīng)有了賭場的應(yīng)用。
GeneralVision的CM1K、NM500 chip,以及NeuroMem IP。這家公司的CM1K芯片有1k個神經(jīng)元,每個神經(jīng)元對應(yīng)256Byte存儲。雖然無法和強(qiáng)大的TrueNorth相提并論,但是已有客戶應(yīng)用。并且,提供BrainCard,上面有FPGA,并且可以直接和Arduino以及Raspberry Pi連接。
Knowm。這家start-up在憶阻器(memristor)技術(shù)基礎(chǔ)上做“processing in memory”的AI芯片研發(fā)。不過,與前面提到的Mythic(IPU部分)不同的是,Known做的是類腦芯片。Knowm所用的關(guān)鍵技術(shù)是一種稱為熱力學(xué)內(nèi)存(kT-RAM)的memory,是根據(jù)AHaH理論(Anti-Hebbian and Hebbian)發(fā)展而來。
Koniku。成立于2014年的start-up,要利用生物神經(jīng)元來做計算,”Biological neurons on a chip”。
15、OPU
Optical-Flow Processing Unit。光流處理器。有需要用專門的芯片來實現(xiàn)光流算法嗎?
不知道,但是,用ASIC IP來做加速應(yīng)該是要的。
16、PPU
Physical Processing Unit
物理處理器。要先解釋一下物理運(yùn)算,就知道物理處理器是做什么的了。物理計算,就是模擬一個物體在真實世界中應(yīng)該符合的物理定律。具體的說,可以使虛擬世界中的物體運(yùn)動符合真實世界的物理定律,可以使游戲中的物體行為更加真實,例如布料模擬、毛發(fā)模擬、碰撞偵測、流體力學(xué)模擬等。開發(fā)物理計算引擎的公司有那么幾家,使用CPU來完成物理計算,支持多種平臺。
Ageia應(yīng)該是唯一一個使用專用芯片來加速物理計算的公司。Ageia于2006年發(fā)布了PPU芯片PhysX,還發(fā)布了基于PPU的物理加速卡,同時提供SDK給游戲開發(fā)者。2008年被NVIDIA收購后,PhysX加速卡產(chǎn)品被逐漸取消,現(xiàn)在物理計算的加速功能由NVIDIA的GPU實現(xiàn),PhysX SDK被NVIDIA重新打造。
17、QPU
Quantum Processing Unit
量子處理器。量子計算機(jī)也是近幾年比較火的研究方向。作者承認(rèn)在這方面所知甚少。可以關(guān)注這家成立于1999年的公司D-Wave System。DWave大概每兩年可以將其QPU上的量子位個數(shù)翻倍一次。
18、RPU
Resistive Processing Unit
阻抗處理單元RPU。這是IBM Watson Research Center的研究人員提出的概念,真的是個處理單元,而不是處理器。RPU可以同時實現(xiàn)存儲和計算。利用RPU陣列,IBM研究人員可以實現(xiàn)80TOPS/s/W的性能。
Ray-tracing Processing Unit
光線追蹤處理器。Ray tracing是計算機(jī)圖形學(xué)中的一種渲染算法,RPU是為加速其中的數(shù)據(jù)計算而開發(fā)的加速器。現(xiàn)在這些計算都是GPU的事情了。
19、SPU
Streaming Processing Unit
流處理器。流處理器的概念比較早了,是用于處理視頻數(shù)據(jù)流的單元,一開始出現(xiàn)在顯卡芯片的結(jié)構(gòu)里。可以說,GPU就是一種流處理器。甚至,還曾經(jīng)存在過一家名字為“Streaming Processor Inc”的公司,2004年創(chuàng)立,2009年,隨著創(chuàng)始人兼董事長被挖去NVIDIA當(dāng)首席科學(xué)家,SPI關(guān)閉。
Speech-Recognition Processing Unit
語音識別處理器,SPU或SRPU。這個縮寫還沒有公司拿來使用?,F(xiàn)在的語音識別和語義理解主要是在云端實現(xiàn)的,比如科大訊飛??拼笥嶏w最近推出了一個翻譯機(jī),可以將語音傳回云端,做實時翻譯,內(nèi)部硬件沒有去專門了解。和語音識別相關(guān)的芯片如下:
啟英泰倫(chipintelli)。于2015年11月在成都成立。該公司的CI1006是一款集成了神經(jīng)網(wǎng)絡(luò)加速硬件來做語音識別的芯片,可實現(xiàn)單芯片本地離線大詞匯量識別。
MIT項目。今年年初媒體爆過MIT的一款黑科技芯片,其實就是MIT在ISSCC2017上發(fā)表的paper里的芯片,也是可以實現(xiàn)單芯片離線識別上k個單詞??梢詤⒖奸喿x“分析一下MIT的智能語音識別芯片”。
云知聲(UniSound)。云知聲是一家專攻智能語音識別技術(shù)的公司,成立于2012年6月,總部在北京。云知聲獲得了3億人民幣戰(zhàn)略投資,其中一部分將用來研發(fā)其稍早公布的AI芯片計劃,命名“UniOne”。據(jù)官方透漏,UniOne將內(nèi)置DNN處理單元,兼容多麥克風(fēng)、多操作系統(tǒng)。并且,芯片將以模組的形式提供給客戶,讓客戶直接擁有一整套云端芯的服務(wù)。
20、TPU
Tensor Processing Unit
Google的張量處理器。TPU項目開始于2014年。2016年AlphaGo打敗李世石,2017年AlphaGo打敗柯潔,兩次人工智能催化事件給芯片行業(yè)帶來的沖擊無疑就是TPU的出現(xiàn)和解密。
Google在2017年5月的開發(fā)者I/O大會上正式公布了TPU2,又稱Cloud TPU。相比于TPU v1,TPU v2既可以用于training,又可以用于inference。TPU v3是在TPU v2的基礎(chǔ)上做了進(jìn)一步的性能提升,可參考下圖。
具體可以看這篇知乎文章淺談Google TPU。
21、UPU
暫無
22、VPU
Vision Processing Unit
視覺處理器VPU也有希望成為通用名詞。作為現(xiàn)今最火熱的AI應(yīng)用領(lǐng)域,計算機(jī)視覺的發(fā)展的確能給用戶帶來前所未有的體驗。為了處理計算機(jī)視覺應(yīng)用中遇到的超大計算量,多家公司正在為此設(shè)計專門的VPU。
Movidius(已被Intel收購)。Movidius成立于2006年,總部位于硅谷的San Mateo,創(chuàng)始人是兩個愛爾蘭人,所以在愛爾蘭有分部。Movidius早期做的是將舊電影轉(zhuǎn)為3D電影的業(yè)務(wù),后期開始研發(fā)應(yīng)用于3D渲染的芯片,并開始應(yīng)用于計算機(jī)視覺應(yīng)用領(lǐng)域(這說明:1,芯片行業(yè)才是高技術(shù)含量、高門檻、高價值的行業(yè);2,初創(chuàng)公司要隨著發(fā)展調(diào)整自己的戰(zhàn)略)。Movidius開發(fā)的Myriad系列VPU專門為計算機(jī)視覺進(jìn)行優(yōu)化,可以用于 3D 掃描建模、室內(nèi)導(dǎo)航、360°全景視頻等更前沿的計算機(jī)視覺用途。例如,2014年,谷歌的Project Tango項目用 Myriad 1幫助打造室內(nèi)三維地圖;2016年,大疆的“精靈4”和“御”都采用了Movidius 的 Myriad 2芯片。采用TSMC 28nm工藝的Myriad2中集成了12個向量處理器SHAVE (Streaming Hybrid Architecture Vector Engine)。按照Movidius的說法,SHAVE是一種混合型流處理器,集成了GPU、 DSP和RISC的優(yōu)點(diǎn),支持8/16/32 bit定點(diǎn)和16/32 bit浮點(diǎn)計算,而且硬件上支持稀疏數(shù)據(jù)結(jié)構(gòu)。此外,Myriad2中有兩個RISC核以及video硬件加速器,可以同時處理多個視頻流。2017年8月28日,Movidius宣布推出新一代VPU:Myriad X。與上一代Myriad2比,Myriad X將集成DNN加速器:神經(jīng)計算引擎(Neural Compute Engine),支持浮點(diǎn)16bit和定點(diǎn)8bit。據(jù)稱,DNN推理吞吐量能達(dá)到1TOPS,而理論運(yùn)算量能達(dá)到4+ TOPS。Myriad X有四個128位VLIW矢量處理器,支持最新的LPDDR4,并且支持4K硬件編碼,支持USB3.1和PCIe3.0。工藝上,使用TSMC 16nm。
Inuitive。一家以色列公司,提供3D圖像和視覺處理方案,用于AR/VR、無人機(jī)等應(yīng)用場景。Inuitive的下一代視覺處理器NU4000采用28nm工藝,選擇使用CEVA的XM4 DSP,并集成了深度學(xué)習(xí)處理器和深度處理引擎等硬件加速器。
DeepVision。一家總部位于Palo Alto的start-up,為嵌入式設(shè)備設(shè)計和開發(fā)低功耗VPU,以支持深度學(xué)習(xí)、CNN以及傳統(tǒng)的視覺算法,同時提供實時處理軟件。
Visual Processing Unit
這里是visual,不是vision。ATI一開始稱自家顯卡上的芯片為VPU,后來見賢思齊,都改叫GPU了。
Video Processing Unit
視頻處理器。處理動態(tài)視頻而不是圖像,例如進(jìn)行實時編解碼。
Vector Processing Unit
向量處理器。標(biāo)量處理器、向量處理器、張量處理器,這是以處理器處理的數(shù)據(jù)類型進(jìn)行的劃分?,F(xiàn)在的CPU已經(jīng)不再是單純的標(biāo)量處理器,很多CPU都集成了向量指令,最典型的就是SIMD。向量處理器在超級計算機(jī)和高性能計算中,扮演著重要角色?;谙蛄刻幚砥餮邪l(fā)AI領(lǐng)域的專用芯片,也是很多公司的選項。例如,前面剛提到Movidius的Myriad2中,就包含了12個向量處理器。
Vision DSP
針對AI中的計算機(jī)視覺應(yīng)用,各家DSP公司都發(fā)布了DSP的Vision系列IP。簡單羅列如下:
CEVA的XM4,最新的XM6 DSP。除了可以連接支持自家的硬件加速器HWA(CEVA Deep Neural Network Hardware Accelerator ),也可以支持第三方開發(fā)的HWA。前面提到的Inuitive使用了XM4??梢詤⒖肌疤幚砥鱅P廠商的機(jī)器學(xué)習(xí)方案 – CEVA”。
Tensilica(2013年被Cadence以3.8億美元收購)的P5、P6,以及最新的C5 DSP。一個最大的特色就是可以用TIE語言來定制指令。前面微軟的HPU中使用他家的DSP??梢詤⒖肌吧窠?jīng)網(wǎng)絡(luò)DSP核的一桌麻將終于湊齊了”。
Synopsys的EV5x和EV6x系列DSP??梢詤⒖肌疤幚砥鱅P廠商的機(jī)器學(xué)習(xí)方案 – Synopsys”。
Videantis的v-MP4系列。Videantis成立于1997年,總部位于德國漢諾頓。v-MP4雖然能做很多機(jī)器視覺的任務(wù),但還是傳統(tǒng)DSP增強(qiáng)設(shè)計,并沒有針對神經(jīng)網(wǎng)絡(luò)做特殊設(shè)計。
23、WPU
Wearable Processing Unit
一家印度公司Ineda Systems在2014年大肆宣傳了一下他們針對IOT市場推出的WPU概念,獲得了高通和三星的注資。Ineda Systems研發(fā)的這款“Dhanush WPU”分為四個級別,可適應(yīng)普通級別到高端級別的可穿戴設(shè)備的運(yùn)算需求,可以讓可穿戴設(shè)備的電池達(dá)到30天的持續(xù)續(xù)航、減少10x倍的能耗。但是,一切似乎在2015年戛然而止,沒有了任何消息。只在主頁的最下端有文字顯示,Ineda將WPU申請了注冊商標(biāo)。有關(guān)WPU的信息只有大概結(jié)構(gòu),哦,對了,還有一個美國專利。
Wisdom Processing Unit
智慧處理器。這個WPU聽起來比較高大上,拿去用,不謝。不過,有點(diǎn)“腦白金”的味道。
24、XPU
2017年,在加州Hot Chips大會上,百度發(fā)布了XPU,這是一款256核、基于FPGA的云計算加速芯片。百度自研了AI芯片“昆侖”,瞄準(zhǔn)云計算和邊緣用例。該芯片采用三星的14nm制程,內(nèi)存帶寬為512GBps,每秒可運(yùn)行260Tops,功率為100瓦,是百度為云計算、邊緣計算和人工智能的設(shè)計的神經(jīng)處理器架構(gòu)XPU,它支持處理自然語言的預(yù)訓(xùn)練模型Ernie,相對傳統(tǒng)的GPU/FPGA模型,推理速度可以加快3倍。
百度在自研深度學(xué)習(xí)平臺Paddle(飛槳)上下了血本。目前Paddle Lite已支持百度XPU在x86和arm服務(wù)器(例如飛騰 FT-2000+/64)上進(jìn)行預(yù)測部署。詳情可查看Paddle Lite使用百度XPU預(yù)測部署。
25、YPU
暫無
26、ZPU
Zylin CPU
挪威公司Zylin的CPU的名字。為了在資源有限的FPGA上能擁有一個靈活的微處理器,Zylin開發(fā)了ZPU。ZPU是一種stack machine(堆棧結(jié)構(gòu)機(jī)器),指令沒有操作數(shù),代碼量很小,并有GCC工具鏈支持,被稱為“The worlds smallest 32 bit CPU with GCC toolchain”。Zylin在2008年將ZPU在opencores上開源。有組織還將Arduino的開發(fā)環(huán)境進(jìn)行了修改給ZPU用。
結(jié)束語
AI芯片廠商雖然推出了各式各樣的自家產(chǎn)品,但是大廠的資金實力和技術(shù)積淀還是更勝一籌,所謂的獨(dú)角獸也只是在融資上站穩(wěn)腳跟,能否扭轉(zhuǎn)盈虧還是要靠實際的產(chǎn)品說話。再過若干年,上述“xPU”還能存活多少都猶未可知。
評論