AI芯片，国产发展如何了？

来源:eeworld发布时间:2023-10-182617浏览

询问 AI

10月17日夜间，美国又开始收紧制裁了，引发行业众怒。

一方面，在AI芯片禁令中加入了三条新规：

把性能密度作为出口管制标准，即单芯片超过300teraflops算力/性能密度超过每平方毫米370 gigaflops芯片都会禁止，同时，英伟达A100/A800/H800/H800/L40/L40S/RTX4090、英特尔Gaudi 2、AMD计划的中国版GPU等特供版AI芯片的供应；
先进芯片出口许可范围扩大到40多个国家；
对21个国家提出芯片制造设备许可要求，全面限制中国的14nm以下先进芯片制造能力。

另一方面，将壁仞、摩尔线程等国产AI芯片公司列入实体清单。

美国的疯狂程度令人咋舌，连比H100效率低十倍的RTX4090都不放过。故技重施，不断用小手段干扰国产发展，这从侧面说明，国产AI芯片发展迅速，现在开始，再也不能小看国产的力量了。

付斌丨作者

电子工程世界（ID：EEworldbbs）丨出品

不是每种芯片都叫AI芯片

虽然我们每天都在茶余饭后攀谈AI芯片，但实际上，大部分人对于AI芯片并没有什么实际的概念，加之厂商直接以“AI芯片”命名，所以很难与器件关联挂钩。

所谓AI芯片，顾名思义，就是计算AI算法的芯片。AI算力需求究竟有多夸张？据OpenAI测算，2012年开始，全球AI训练所用计算量呈现指数增长,平均每3.43个月便会翻一倍，目前计算量已扩大30万倍，远超算力增长速度。

计算任何算法的芯片，都归属于AI芯片，这既包括最具代表性的深度神经网络（Deep Neural Network，简称DNN）、循环神经网络（Recurrent Neural Network，简称RNN）、卷积神经网络（Convolutional Neural Network，简称CNN），也包括与人脑更为类似的脉冲神经网络 (Spiking Neural Network，简称SNN)。

理论来说，任何数字芯片都能算AI，毕竟数字芯片，就是算数的芯片，但如果效率巨低、能耗巨大，就没有意义了。就比如说，CPU作为中央处理器，什么类型计算都能胜任，但计算AI的效率明显没有GPU高，所以服务器中都是使用CPU+GPGPU的形式，让GPGPU作为AI计算的主力。

此外，很多MCU中也会搭载DSP或者NPU来增强AI计算能力，但这种芯片一般不会单独叫做AI芯片，毕竟它们针对的场景并非大规模AI算法，也并非堆砌AI算力的主力，而是靠近边缘的AI算力。

因此，按照上述分类方法，AI芯片主要分为GPGPU（通用图形处理器）、FPGA（可编程逻辑器件）、ASIC（专用集成电路）、存算一体和类脑芯片几种。根据在网络中的位置，又可以分为云端AI芯片、边缘和终端AI芯片。

GPGPU：与GPU不同，GPGPU就是将GPU图形显示部分“摘掉”，全力走通用计算，特别适合用在深度学习训练方面；
FPGA：可编程的灵活性是任何其它计算芯片无法替代的，同时它在AI领域也具备一定计算能力，但相对来说，FPGA的成本就相对高一些了，而且FPGA开发也很难，软件生态没有GPGPU的CUDA那么方便；
ASIC：性能强、功耗低，Gaudi 2就是一种ASIC，NPU也是加入神经单元的一种ASIC，不过针对特定算法计算，算法是无法修改的，想要做另一种算法就要再造一种ASIC芯片，前期开发需要FPGA辅助进行；
存算一体：能耗比极佳，能够突破存储墙和功耗墙，但目前只在自动驾驶领域有商业化；
类脑计算：性能更强、功耗更低，算法也变成了SNN，但全世界都在研究之中，还未商业化。