信息來(lái)源：中國(guó)信息產(chǎn)業(yè)網(wǎng)

大數(shù)據(jù)推動(dòng)信息通信產(chǎn)業(yè)邁入“新摩爾定律”時(shí)代。近年來(lái)，信息通信技術(shù)產(chǎn)業(yè)加速向萬(wàn)物互聯(lián)、萬(wàn)物感知、萬(wàn)物智能時(shí)代演進(jìn)，海量數(shù)據(jù)資源集聚增速遠(yuǎn)超摩爾定律，據(jù)IDC的數(shù)字宇宙報(bào)告，全球信息數(shù)據(jù)總量中接近90%產(chǎn)生于近幾年，到2020年將達(dá)到44ZB。圖靈獎(jiǎng)獲得者JimGray更是提出“新摩爾定律”，即每18個(gè)月全球新增信息量是計(jì)算機(jī)有史以來(lái)全部信息量的總和。

計(jì)算芯片迎來(lái)新一輪創(chuàng)新熱潮

人工智能等創(chuàng)新應(yīng)用基于海量數(shù)據(jù)分析發(fā)展而來(lái)，對(duì)計(jì)算芯片提出更高要求。除數(shù)據(jù)洪流催生計(jì)算芯片處理能力提升的普遍訴求外，以人工智能為典型代表的強(qiáng)算力消耗型應(yīng)用創(chuàng)新更是極大提升了對(duì)計(jì)算芯片的需求。據(jù)統(tǒng)計(jì)，自2012年以來(lái)，人工智能訓(xùn)練任務(wù)使用的計(jì)算能力每3.5個(gè)月提升一倍，隨著深度學(xué)習(xí)網(wǎng)絡(luò)模型日益復(fù)雜、數(shù)據(jù)樣本持續(xù)擴(kuò)大，其對(duì)計(jì)算能力的需求和消耗與日俱增，對(duì)計(jì)算芯片提出更高要求。

計(jì)算芯片體系不斷擴(kuò)展，由通用計(jì)算向?qū)Ｓ糜?jì)算延伸。在通用計(jì)算芯片領(lǐng)域，CPU、GPU、FPGA是三大主流架構(gòu)，其中CPU適用于處理復(fù)雜性強(qiáng)、重復(fù)性低的串行任務(wù)；GPU適合通用并行處理，應(yīng)用領(lǐng)域由早期圖像處理逐步拓展至通用加速；FPGA具備可重構(gòu)特性，可根據(jù)客戶(hù)需求靈活定制計(jì)算架構(gòu)，適合于航空航天、車(chē)載、工業(yè)等細(xì)分行業(yè)。在專(zhuān)用計(jì)算領(lǐng)域，滿(mǎn)足人工智能應(yīng)用計(jì)算需求的專(zhuān)用計(jì)算芯片成為創(chuàng)新的焦點(diǎn)所在，現(xiàn)已吸引科研機(jī)構(gòu)、互聯(lián)網(wǎng)企業(yè)、中小創(chuàng)新企業(yè)等加速布局，搶占市場(chǎng)發(fā)展先機(jī)和生態(tài)戰(zhàn)略高地。

三大主流通用計(jì)算芯片持續(xù)升級(jí)。一方面持續(xù)挖掘傳統(tǒng)架構(gòu)技術(shù)潛力。CPU不斷優(yōu)化現(xiàn)有架構(gòu)技術(shù)能力，采用亂序執(zhí)行、超標(biāo)量流水線、多級(jí)緩存等技術(shù)提升整體性能表現(xiàn)；GPU持續(xù)探索高效的圖形處理單元、流處理單元和訪存存取體系等；FPGA不斷強(qiáng)化應(yīng)用功能和軟件開(kāi)發(fā)工具的豐富完善，降低開(kāi)發(fā)者門(mén)檻。另一方面均通過(guò)引入專(zhuān)用計(jì)算能力迎合人工智能等新興領(lǐng)域的計(jì)算需求。CPU圍繞深度學(xué)習(xí)計(jì)算需求增加專(zhuān)用計(jì)算指令，如ARMCortex-A76芯片通過(guò)優(yōu)化縮減深度學(xué)習(xí)常見(jiàn)的乘法累加運(yùn)算周期等，實(shí)現(xiàn)邊緣側(cè)人工智能計(jì)算性能近4倍的提升；GPU持續(xù)優(yōu)化針對(duì)人工智能計(jì)算的專(zhuān)用邏輯運(yùn)算單元，英偉達(dá)圖靈架構(gòu)GPU芯片中內(nèi)置全新張量計(jì)算核心，利用深度學(xué)習(xí)算法消除低分辨率渲染問(wèn)題；FPGA提升異構(gòu)計(jì)算能力，以實(shí)現(xiàn)邊緣智能等更多場(chǎng)景的規(guī)模應(yīng)用。

結(jié)合應(yīng)用場(chǎng)景個(gè)性需求定向優(yōu)化，面向人工智能的專(zhuān)用計(jì)算芯片差異化創(chuàng)新加速。現(xiàn)階段以深度學(xué)習(xí)為主的人工智能專(zhuān)用計(jì)算主要包括訓(xùn)練和推理兩部分。其中，模型訓(xùn)練需實(shí)現(xiàn)高性能、高精度、通用化的計(jì)算能力，目前英偉達(dá)GPU芯片占據(jù)應(yīng)用規(guī)模優(yōu)勢(shì)，據(jù)統(tǒng)計(jì)，全球有超過(guò)3000家企業(yè)采用其產(chǎn)品進(jìn)行深度學(xué)習(xí)項(xiàng)目研發(fā)。推理階段則因應(yīng)用場(chǎng)景的不同而各具差異，云端推理芯片需實(shí)現(xiàn)高通量、低延時(shí)、通用化的計(jì)算能力，目前GPU、FPGA及專(zhuān)用計(jì)算芯片均有應(yīng)用；端側(cè)推理芯片則需滿(mǎn)足低時(shí)延或低功耗等差異化場(chǎng)景需求，智能手機(jī)、安防監(jiān)控、自動(dòng)駕駛等成為首輪爆發(fā)焦點(diǎn)，參與者不僅包括高通、英特爾、英偉達(dá)等傳統(tǒng)芯片巨頭，也包括谷歌、百度、寒武紀(jì)、地平線等新進(jìn)入者。