平均机能：GPU逊于FPGA

FPGA可以根据特定的应用去编程硬件，例如如不雅应用琅绫擎的加法运算异常多就可以把大年夜量的逻辑资本去实现加法器，而GPU一旦设计完就不克不及修改了，所以不克不及根据应用去调剂硬件资本。

今朝机械进修大年夜多应用SIMD架构，即只需一条指令可以平行处理大年夜量数据，是以用GPU很合适。然则有些应用是MISD，即单一数据须要用很多条指令平行处理，这种情况下用FPGA做一个MISD的架构就会比GPU有优势。

所以，对于平均机能，看的就是FPGA加快器架构上的优势是否能弥补运行速度上的劣势。如不雅FPGA上的架构优化可以带来比拟GPU架构两到三个数量级的优势，那么FPGA在平均机能上会好于GPU。

功耗能效比：

功耗方面，固然GPU的功耗弘远年夜于FPGA的功耗，然则如不雅要比较功耗应当比较在履行效力雷同时须要的功耗。如不雅FPGA的架构优化能做到很好乃至于一块FPGA的平均机能可以或许接近一块GPU，那么FPGA筹划的总功耗远小于GPU，散热问题可以大年夜大年夜减轻。反之，如不雅须要二十块FPGA才能实现一块GPU的平均机能，那么FPGA在功耗方面并没有优势。

能效比的比较也是类似，能效指的是完检法度榜样履行消费的能量，而能量消费等于功耗乘以法度榜样履行的时光。固然GPU的功耗弘远年夜于FPGA的功耗，然则如不雅FPGA履行雷同法度榜样须要的时光比GPU长几十倍，那FPGA在能效比上就没有优势了;反之如不雅FPGA上实现的硬件架构优化得很合适特定的机械进修应用，履行算法所需的时光仅仅是GPU的几倍或甚至于接近GPU，那么FPGA的能效比就会比GPU强。

3.FPGA市场前景

跟着科技的进展，制造业走向更高度的主动化与智能化，对工业控制技巧等范畴赓续产生新的需求，在将来的工业制造范畴，FPGA将有更大年夜的成长空间。今朝来看，有两个范畴的应用前景十分巨大年夜：

工业互联网范畴

Google的AlphaGo也是先学会了若何下围棋，然后经由过程赓续地与本身下棋，练习本身的神经收集，这种练习使得AlphaGo成功在三个月后击败了等级分数更高的李世石。

作为将来制造业成长的偏向，工业大年夜数据、云寂?娼台、MES体系等都是支撑工业智能化的重要平台，它们须要完成大年夜数据量的复杂处理，FPGA在个中可以发挥重要感化。

工业机械人设备范畴

在多轴向运作的周详控制、及时同步的连接以及设备多功能整合等方面，兼具弹性和整合性的FPGA，更能展示设计优势。如汽车ADAS须要对及时高清图像进行及时的分析辨认与处理;在人工智能方面，深度进修神经收集也须要进行大年夜量并交运算。

4.FPGA现有市场

FPGA市场前景诱人，然则门槛之高在芯片行业里无出其右。全球有60多家公司先后斥资数十亿美元，前赴后继地测验测验登顶FPGA高地，个中不乏英特尔、IBM、德州仪器、摩托罗拉、飞利浦、东芝、三星如许的行业巨鳄，然则最终登顶成功的只有位于美国硅谷的两家公司：Xilinx与Altera。这两家公司共占领近90%的市场份额，专利达到6000余项之多，如斯之多的技巧专利构成的技巧壁垒当然高弗成攀。

2015年6月，英特尔用史无前例的167亿美元巨款收购了Altera，当时业内对于英特尔此举的解读重要集中在办事器市场、物联网市场的构造上，英特尔本身对收购的解释也没有明白提到机械进修。但如今看来，或许这笔收购在人工智能范畴同样具有相昔时夜的潜力。

5.FPGA行业的开辟者

英特尔能不克不及经由过程FPGA切入AI硬件市场?要讲清跋扈这个问题，我们必须要把视角大年夜人工智能身上拉远，看看竽暌耿特尔的┞符体计谋构造。比来几年，英特尔的核心盈利营业CPU同时遭到了三个身分的狙击：PC市场增长放缓、进军移动市场的测验测验掉败以及摩尔定律逐渐切近亲近极限。纯真的卖CPU固然也能赚到钱，但只有研发更高端的芯片，形成本身引导者的形象，才能赚更多的钱，支撑公司的成长。

上述三个身分的同时出现，已经让英特尔发明，如不雅本身仍然只是安心的守着本身的CPU营业，很快就会见临巨大年夜的危机，事实上在以前的一年迈，利润降低、裁人的消息也一向环绕在英特尔的身边，挥之不去。

因而英特尔十分欲望不要错过下一?深度进修的潮流，不过它缺乏本身最先辈的人工智能研究，所以在以前的两年中猖狂地收购。2015年，英特尔用史无前例的167亿美德配下了FPGA制造商Altera，2016年又接踵兼并了人工智能芯片始创公司Nervana与Movidius。今朝的英特尔正在试图将他们整合在一路。

除了软件编程的不普及之外，吸引偏好上层编程说话的研究人员和应用科学家来开辟FPGA尤为艰苦。固然能流畅应用一种软件说话常平平易近味着可以轻松地进修另一种软件说话，但对于硬件说话翻译技能来说却非如斯。针对FPGA最常用的说话是Verilog和VHDL，两者均为硬件描述说话(HDL)。这些说话和传统的软件说话之间的重要差别是，HDL只是纯真描述硬件，而例如C说话等软件说话则描述次序指令，并无需懂得硬件层面的履行细节。

6.Intel的产品构造

英特尔斥巨资收购Altera不是来为FPGA技巧成长做供献的，相反，它要让FPGA技巧为英特尔的成长做供献。表示在技巧路线图上，那就是大年夜如今分立的CPU芯片+分立的FPGA加快芯片，过渡到同一封装内的CPU晶片+FPGA晶片，到最终的集成CPU+FPGA芯片。估计这几种产品情势将会经久共存，因为分立器件固然机能稍差，但灵活性更高。

如不雅简单的将英特尔对于人工智能的产品构造，可以分以下几层：

• Xeon Phi+ Nervana：用于云端最顶层的高机能计算。
• Xeon+FPGA：用于云读闼殇层/前端设备的低功耗机能计算。

英特尔下一代的FPGA和SoC FPGA将支撑Intel架构集成，大年夜致如下：代号为Harrisville的产品采取Intel 22nm工艺技巧，用于工业IoT、汽车和小区射频等范畴;代号为Falcon Messa的中端产品采取Intel 10nm工艺技巧，用于4G/5G无线通信、UHD/8K广播视频、工业IoT和汽车等范畴;代号为Falcon Mesa的高端产品采取Intel 10nm工艺技巧，用于云和加快、太比特体系和高速旌旗灯号处理等范畴。

　　推荐阅读

　　我是如何用10天自学编程，改变一生的？

与学院派那种自下而上的过程比拟，这种自上而下的进修过程，能更快的完美小目标、激发兴趣和成就感。如不雅看到这标题，会让你认为，读完一篇文┞仿就能快速的┞菲握编程技巧的话，这可能>>>详细阅读

本文标题：人工智能之终端芯片研究报告

地址：http://www.17bianji.com/lsqh/34736.html

 1/2    1