進入大模型時代，全社會算力需求被推高到了前所未有的程度。

2024年1月，微軟聯(lián)合創(chuàng)始人比爾·蓋茨與OpenAI首席執(zhí)行官山姆·奧特曼進行了一次對話，奧特曼在對話中表示人工智能將引發(fā)人類歷史上“最快”的一次技術(shù)革命，人類可能還沒有準備好以多快的速度適應(yīng)這種變革。奧特曼預(yù)計，這項技術(shù)將迅速發(fā)展，使系統(tǒng)的計算能力達到GPT-4的10萬倍或100萬倍。

簡單來說，用于人工智能計算的英偉達GPU芯片遠遠不夠用了。

2024年1月，Meta公司CEO扎克伯格宣布到今年年底將需要大約35萬塊英偉達H100，將其他GPU包括在內(nèi)的話，算力總水平相當于近60萬塊H100，而60萬塊H100的采購費用保守估計約90億美元。

在中國市場，不僅阿里、騰訊等互聯(lián)網(wǎng)和云公司紛紛囤積GPU，甚至像蓮花味精這樣的上市公司也斥資6.93億采購了330臺英偉達H800 GPU，更不用說各種在建智算中心。

而為應(yīng)對GPU全球供應(yīng)短缺問題，以及美國對GPU的出口限制問題，當然更重要的是在AI場景下降低成本，于是市場上涌現(xiàn)了各類異構(gòu)AI芯片。

由于大模型AI對于全社會的重要性，以及各行各業(yè)加快建設(shè)智算中心，也引發(fā)了全社會學(xué)習(xí)異構(gòu)AI芯片的熱潮，即使是企業(yè)領(lǐng)導(dǎo)干部也需要了解一些異構(gòu)AI芯片的知識。

01

在了解相關(guān)CPU、GPU等異構(gòu)AI芯片的知識之前，讓我們先來了解一下基本的計算機原理。

現(xiàn)代計算機由處理器、內(nèi)存、I/O（輸入/輸出）設(shè)備三大部分構(gòu)成。在處理器方面，一直以來都遵循馮·諾依曼架構(gòu)，即處理器也是一個系統(tǒng)。處理器又叫中央處理單元（Central Processing Unit），即CPU。程序員通過輸入設(shè)備發(fā)出指令，經(jīng)過CPU和內(nèi)存的處理，再將處理結(jié)果發(fā)送到輸出設(shè)備。

ISA指令集體系結(jié)構(gòu)是處理器與程序員進行交互的方式，指令集是處理器指令的完整集合，體系結(jié)構(gòu)是處理器系統(tǒng)的構(gòu)建方式，特定的處理器需要配備相應(yīng)的指令集，才能與程序員交互。32位處理器是指能夠處理32位指令和數(shù)據(jù)的CPU和計算機架構(gòu)；64位處理器是指能夠處理64位指令和數(shù)據(jù)的CPU和計算機架構(gòu)。

RISC即精簡指令集計算機架構(gòu)，CISC即復(fù)雜指令集計算機架構(gòu)，英特爾X86是典型的CISC架構(gòu)，而MIPS（適用于嵌入式和消費級設(shè)備）和ARMv8架構(gòu)（適用于移動設(shè)備、服務(wù)器、網(wǎng)絡(luò)設(shè)備、物聯(lián)網(wǎng)設(shè)備等）都是典型的RISC架構(gòu)。RISC-V是一個基于RISC原則的開源指令集架構(gòu)，RISC-V指令集可以自由地用于任何目的，允許任何人設(shè)計、制造和銷售RISC-V芯片和軟件。

CISC架構(gòu)適用于通用計算任務(wù)的計算機。既然要完成各種通用計算任務(wù)，勢必帶來指令集的冗余，因此CISC指令集中只有約20%的指令會經(jīng)常被用到，其余80%的指令則不經(jīng)常被用到，這些不經(jīng)常被用到的特殊指令讓CPU的設(shè)計變得非常復(fù)雜，也導(dǎo)致CPU的面積越來越大。而RISC架構(gòu)只包含處理器常用的指令，對于不常用的操作，通過執(zhí)行多條常用指令的方式來達到同樣的效果。

02

基礎(chǔ)芯片，從CPU到ASIC

CPU

理解了這些最基本的概念，讓我們來看一看CPU、GPU、FPGA、ASIC這幾種最基礎(chǔ)的異構(gòu)芯片。CPU通常指英特爾X86，AMD公司也生產(chǎn)X86架構(gòu)CPU。X86架構(gòu)最早出現(xiàn)在上世紀70年代末的Intel 8086處理器上，后發(fā)展為80286、80386、80486等，逐步演化為現(xiàn)代的X86架構(gòu)。

X86架構(gòu)的特點包括屬于CISC架構(gòu)，X86架構(gòu)在個人計算機、服務(wù)器和工作站市場占主流地位，具有很高的兼容性，能夠運行大量軟件和操作系統(tǒng)，無需重新編寫或修改就可以移植軟件，X86架構(gòu)引入了64位處理器，能夠處理更大的內(nèi)容和數(shù)據(jù)，而由于X86架構(gòu)支持多核心處理等，適合運行虛擬機，因而也在虛擬化和云計算中得到了廣泛應(yīng)用。

當然，在英特爾和AMD之前是大型主機和小型機的年代。整個現(xiàn)代PC產(chǎn)業(yè)主要指X86架構(gòu)的個人計算機、服務(wù)器和工作站以及基于這些硬件的軟硬件生態(tài)。而整個現(xiàn)代PC產(chǎn)業(yè)和之前的小型機產(chǎn)業(yè)都是IBM大型主機技術(shù)降維應(yīng)用的紅利。

在1960年代初，IBM投入了50億美元開發(fā)大型主機，這相當于今天接近400億美元的投資。1969年，人類第一位宇航員登陸月球，而在阿波羅登月項目中，IBM大型主機System360做出了重要貢獻。IBM大型主機技術(shù)孵化了后來的小型機以及整個現(xiàn)代PC與PC服務(wù)器產(chǎn)業(yè)。

與PC和PC服務(wù)器不同，大型主機和小型機都是高度集成的系統(tǒng)，而不像X86那樣易用化、模塊化、工業(yè)標準化，從而支撐起龐大的軟件產(chǎn)業(yè)和用戶群。

今天，大型主機和小型機仍然在進化和使用中，但其用戶群主要集中在頂級金融機構(gòu)或?qū)π阅芎桶踩砸蟪叩钠髽I(yè)或政府機構(gòu)。大型主機和小型機的CPU處理器與X86架構(gòu)CPU處理器不同，目前主要由IBM維護和推出新的大型主機與小型機CPU。

在馮·諾依曼架構(gòu)下，CPU也是一個系統(tǒng)，今天已經(jīng)發(fā)展成為超大規(guī)模集成電路。X86 CPU從單核到雙核以及包含更多核心的CPU，越來越復(fù)雜、性能也越來越高。最新的第五代英特爾至強服務(wù)器CPU最高支持64個核心，AMD已經(jīng)發(fā)布的第四代EPYC霄龍服務(wù)器CPU最高支持96個核心；而根據(jù)有關(guān)披露，即將發(fā)布的第六代至強服務(wù)器CPU最高將支持288個核心（能效核）。

當然，僅從核心數(shù)量并不能判定CPU性能的高低，英特爾與AMD對于核心的定義也各不相同。但一個CPU處理器內(nèi)將容納更多的核心，甚至是異構(gòu)芯片，將是CPU的發(fā)展趨勢。

PCIe是一種高速串行計算機擴展總線標準，是當前主流的片間互連高速總線，為主板上的各類外設(shè)以及擴展卡等提供與CPU之間的高速連接。PCIe由PCI發(fā)展而來，PCI外設(shè)組件互連總線由英特爾公司在1991年推出，允許在當時的計算機內(nèi)安裝多達10個遵從PCI標準的擴展卡。PCIe擴展了PCI的性能，支持邏輯隔離的多個虛擬設(shè)備。

ASIC

再回到指令集和指令集架構(gòu)。在現(xiàn)代計算機產(chǎn)業(yè)中，根據(jù)指令的復(fù)雜度，處理器分為CPU、Coprocessor協(xié)處理器、GPU（圖形處理器）、FPGA（現(xiàn)場可編程門陣列）、DSA（特定領(lǐng)域加速器）和ASIC（專用集成電路）等，按從CPU到ASIC的順序，通用性、靈活性和成本不斷降低，面積也越來越小，但在應(yīng)對特定計算場景的性能不斷提升，其中CPU是能夠獨立運行的處理器，其它處理器則需要在CPU的協(xié)助下運行。

接下來先看一下ASIC專用集成電路。ASIC與CPU可以說是天平的兩端，CPU是一個硬件與軟件解耦的架構(gòu)，而ASIC是硬件與軟件高度集成的架構(gòu)。ASIC為特定應(yīng)用而設(shè)計，可以通過定制化設(shè)計，以滿足特定應(yīng)用的需求。與通用芯片相比，ASIC具有更高的效率和更低的功耗。

由于ASIC是完全不可編程的定制處理引擎，因此理論上也具有最復(fù)雜的“指令”以及最高的性能效率。因為每種ASIC可覆蓋的場景非常小，因此需要數(shù)量眾多的ASIC處理引擎，才能覆蓋各類場景。

例如，在網(wǎng)絡(luò)交換機中常采用ASIC芯片，用于交換機所有端口之間直接并行轉(zhuǎn)發(fā)數(shù)據(jù)，以提高交換機高速轉(zhuǎn)發(fā)數(shù)據(jù)性能；ASIC也被用于各種汽車系統(tǒng)，包括ADAS高級駕駛員輔助系統(tǒng)、發(fā)動機控制單元和信息娛樂系統(tǒng)等；在消費電子設(shè)備、醫(yī)療設(shè)備和工業(yè)控制系統(tǒng)中，也大量應(yīng)用了ASIC芯片。

進入人工智能時代，ASIC芯片還被用于NPU、TPU等人工智能算法專用芯片。由于ASIC廠商眾多，不同的ASIC廠商推出各種的編程語言，可謂五花八門、各不相同，因此ASIC芯片很難培養(yǎng)起龐大的生態(tài)。

FPGA

理解了ASIC，那么FPGA就是處于CPU與ASIC之間的一種集成電路。FPGA又稱現(xiàn)場可編程門陣列，是ASIC專用集成電路領(lǐng)域中的一種半定制電路，是可重復(fù)編程的設(shè)備。

一般來說，F(xiàn)PGA比ASIC的速度慢，實現(xiàn)同樣功能要比ASIC電路面積大，功耗、成本等都高于ASIC，但是可以快速成品，可以被修改。由于可重復(fù)編程的特點，F(xiàn)PGA的通用性要比ASIC更好。FPGA無需像ASIC設(shè)計那樣要經(jīng)過數(shù)百萬美元的流片階段，也不用承擔流片失敗的風(fēng)險。因此，F(xiàn)PGA通常用于ASIC芯片的驗證。

FPGA本質(zhì)上是并行計算，這種并行處理能力使得 FPGA在高速數(shù)據(jù)處理的應(yīng)用中表現(xiàn)出色，例如數(shù)字信號處理、圖像處理和加密等。同樣，在人工智能時代，F(xiàn)PGA也被用于人工智能算法處理。特別是AI算法推陳出新，對硬件的算力及靈活度都有較高要求，而FPGA正好符合了這樣的需求。

DSA

接下來看DSA特定領(lǐng)域加速器。DSA是一種針對特定領(lǐng)域定制的可編程處理器，能夠用于加速某些應(yīng)用程序，實現(xiàn)更好的性能和性價比。DSA介于FPGA與ASIC之間，ASIC是完全不能編程的軟硬件高度集成的定制芯片，F(xiàn)PGA是面向不同領(lǐng)域的可編程處理器，而DSA則是專門面向特定領(lǐng)域的可編程處理器。

由此可見，DSA的靈活性在FPGA與ASIC之間，成本、功耗等也在二者之間。

DSA的好處就是能夠面向特定領(lǐng)域，形成自己的生態(tài)，只要該領(lǐng)域的市場足夠大，比如人工智能計算加速、圖形渲染加速等。某種程度上，GPU就是基于DSA思路而設(shè)計開發(fā)的產(chǎn)品。

隨著摩爾定律的失效，現(xiàn)代計算機專家們認為DSA能夠提高CPU處理器的效率和速度。2017年，圖靈獎獲得者John Hennessy與David Patterson聯(lián)合發(fā)表了“計算機體系架構(gòu)的黃金年代”文章，指出由于目前通用計算的性能瓶頸，需要面向不同應(yīng)用場景開發(fā)針對性優(yōu)化的架構(gòu)，他們給出的解決方案就是DSA。

DSA既是一種架構(gòu)，也是一種設(shè)計理念。狹義的DSA基于ASIC實現(xiàn)，廣義的DSA基于FPGA實現(xiàn)，或者基于顆粒度更小的Chiplet小芯片集成起來實現(xiàn)。

所謂Chiplet，即將一個大芯片裸片（Die）切成小芯片，切下來的小芯片是已經(jīng)完成了設(shè)計、制造、測試流程的成品小裸片，只需要一次封裝加工就可以使用，既可以復(fù)用給其他芯片，也可以將眾多Chiplet集成起來實現(xiàn)新的功能。DNN深度神經(jīng)網(wǎng)絡(luò)是DSA應(yīng)用的一個重要領(lǐng)域。

GPU

那么接下來讓我們了解一下當下最火爆的GPU。GPU又稱圖形處理器，目前分為消費級GPU和數(shù)據(jù)中心級GPU。消費級GPU主要用于游戲電腦、設(shè)計、3D顯示等場景，而數(shù)據(jù)中心級GPU主要用于人工智能場景。

CPU與GPU最大的區(qū)別之一是CPU是基于串行計算，而GPU是基于并行計算，這讓GPU天然就適合基于并行計算的人工智能算法。

GPU作為一種DSA，在設(shè)計上就是專門為了需要大規(guī)模并行計算的圖形處理而生，因此GPU的核心數(shù)通常遠超CPU，可達512核甚至更多，但GPU也沒有CPU上那么 多適用通用計算的組件。典型的GPU廠商有NVIDIA英偉達、AMD、英特爾等。

首個現(xiàn)代通用GPU架構(gòu)（即GPGPU）由英偉達在2006年推出，這就是Tesla。Tesla采用全新的CUDA架構(gòu)，支持C語言對GPU編程，可用于通用數(shù)據(jù)的并行計算，標志著GPU開始從專用圖形處理器轉(zhuǎn)變?yōu)橥ㄓ脭?shù)據(jù)并行處理器。

隨著英偉達公司發(fā)布NVIDIA GPU專用編程庫CUDA，AMD和Apple等公司推出開源的OpenCL（Open Computing Language, 開放設(shè)計語言，是一個為異構(gòu)平臺CPU/GPU/DSP/FPGA等等進行編程設(shè)計的框架），GPU開始在通用計算領(lǐng)域得到廣泛應(yīng)用，如數(shù)值分析、海量數(shù)據(jù)處理、金融分析等等。

近年來，隨著人工智能的大火，GPGPU也在深度學(xué)習(xí)算法等人工智能計算中廣泛應(yīng)用。數(shù)據(jù)中心級GPU就是為了人工智能的智算需求而生，英偉達A100、H100被認為是功能最強大的數(shù)據(jù)中心級GPU，也是各大人工智能公司、云廠商、互聯(lián)網(wǎng)公司等競相爭奪的資源。

Co-processor協(xié)處理器

所謂協(xié)處理器，顧名思義即協(xié)助CPU中央處理器完成各種計算任務(wù)的處理器，特別是協(xié)助中央處理器完成無法執(zhí)行或執(zhí)行效率、效果低下的處理任務(wù)而開發(fā)和應(yīng)用的處理器，例如數(shù)學(xué)協(xié)處理器、圖形協(xié)處理器、音頻協(xié)處理器、網(wǎng)絡(luò)協(xié)處理器或手機上的運行協(xié)處理器等。

協(xié)處理器通常被集成在計算機的主板或者CPU內(nèi)部，也可以作為外部設(shè)備連接到主板上。例如，早期的圖形協(xié)處理器Intel 82786，而今天的英特爾GPU也開始具備更強的能力，以應(yīng)對英偉達對于GPU市場的壟斷。