AI芯片是FPGA的附庸？恰恰相反，ASIC才是主流市場

北極光創(chuàng)投·2018-07-31

回顧芯片發(fā)展史，是一部摩爾定律驅(qū)動(dòng)的制程演進(jìn)史

來源：北極光創(chuàng)投

近期關(guān)于AI芯片（ASIC）與FPGA的關(guān)系、地位正在業(yè)內(nèi)被討論。因此，我們也就這個(gè)話題邀請(qǐng)業(yè)內(nèi)投資人、創(chuàng)業(yè)者進(jìn)行探討。

分享嘉賓：北極光創(chuàng)投投資經(jīng)理趙顧

回顧芯片發(fā)展史，是一部摩爾定律驅(qū)動(dòng)的制程演進(jìn)史，也是一部應(yīng)用定義的架構(gòu)演進(jìn)史，所以談起ASIC是不是會(huì)被FPGA取代，本身是一個(gè)門外漢的問題。

在摩爾定律放緩的背景下，應(yīng)用場景定義的芯片架構(gòu)乃至軟硬件系統(tǒng)將更加重要。正如GPU，DSP，視頻處理芯片等一波波新應(yīng)用帶來的專用芯片架構(gòu)的變革，AI在這一波浪潮當(dāng)中也會(huì)隨著算法的演進(jìn)和收斂，逐漸沉淀出一些更加高效的架構(gòu)來，并且這些芯片架構(gòu)是和場景應(yīng)用軟件高度融合，平衡功耗，性能，成本的設(shè)計(jì)。

計(jì)算架構(gòu)主要有三個(gè)核心要素組成，包括計(jì)算，存儲(chǔ)和網(wǎng)絡(luò)，因此芯片種類也基本上可以按照三類來劃分，這樣方便理解。

首先，我們談一談?dòng)?jì)算芯片，Intel和ARM的CPU，NVIDIA的GPU，CEVA的DSP都屬于這一類芯片或者IP，主要任務(wù)就是完成邏輯和數(shù)學(xué)運(yùn)算，支撐了IT世界的云計(jì)算，手機(jī)終端應(yīng)用和信號(hào)處理，乃至AI等等；FPGA是其中一個(gè)小門類，在整個(gè)Intel的營收當(dāng)中不到5%，通常FPGA可以做到一些CPU不擅長的加速運(yùn)算，比如信號(hào)處理，AI推理等場景，但是FPGA的缺點(diǎn)也非常明確，F(xiàn)PGA強(qiáng)調(diào)的是邏輯的通用性，支持軟件改寫和配置，導(dǎo)致計(jì)算密度是有瓶頸的，并且通用邏輯帶來了大量冗余，這意味著成本和功耗的大幅度上升。在移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)時(shí)代，用戶數(shù)和應(yīng)用復(fù)雜度急劇上升，計(jì)算密度（單位功耗支撐的計(jì)算力）是核心競爭力，F(xiàn)PGA顯然無法勝任，雖然FPGA可以在加速場景能夠比CPU提升一個(gè)數(shù)量級(jí)，但是相對(duì)于專用的AI引擎又低了至少一個(gè)數(shù)量級(jí)。

有人會(huì)質(zhì)疑ASIC是不是通用型不夠，其實(shí)這個(gè)答案很簡單，通用型和計(jì)算密度是一種折衷，比如理論上CPU是可以做任何的運(yùn)算，但是通用架構(gòu)帶來了計(jì)算密度的損失，舉個(gè)例子，最好的服務(wù)器CPU大致也只能提供1Tflops的AI推理算力；再看看GPU，輕松可以做到10Tflops，但是GPU并不能完成復(fù)雜的邏輯運(yùn)算，因此它永遠(yuǎn)無法取代CPU；FPGA是介于CPU和ASIC中間的一個(gè)物種，有一定的靈活性但是性價(jià)比低，無法滿足主流的需求，比如說手機(jī)行業(yè)，為了節(jié)省幾美分的成本在不停的優(yōu)化設(shè)計(jì)，面對(duì)如此巨大的行業(yè)，點(diǎn)滴的成本節(jié)省都是巨大的利益，因此FPGA的命運(yùn)一直是市場早期的過渡產(chǎn)品或者服務(wù)于小批量的細(xì)分市場。

最近我們注意到一件有趣的事情，Intel收購了一家從事結(jié)構(gòu)化ASIC設(shè)計(jì)的公司，可以基于FPGA的設(shè)計(jì)裁剪掉部分冗余邏輯加速從FPGA邏輯設(shè)計(jì)到ASIC的開發(fā)過程，從這一點(diǎn)也可以看出ASIC才是主流市場的終極答案。

北極光投資了四家AI芯片公司：

分別針對(duì)云計(jì)算的登臨，
自動(dòng)駕駛的黑芝麻，
消費(fèi)電子和安防的億智，
超低功耗傳感器融合的Ours technology，

這些公司分別是針對(duì)不同應(yīng)用場景優(yōu)化過AI引擎，未來的芯片公司不能只是生產(chǎn)硬件的公司，必須深刻理解用戶的需求，界定靈活性的邊界，才能定義出最好的產(chǎn)品。比如說，登臨面向云計(jì)算市場，需要支持更多的AI網(wǎng)絡(luò)模型，因此它的架構(gòu)設(shè)計(jì)更兼顧通用性，更接近GPGPU的架構(gòu)；而黑芝麻和億智深刻理解應(yīng)用場景的性能需求，只需要支持用戶需要的少數(shù)幾種算法，而更追求功耗和性能的平衡。客戶真正關(guān)心的不是通用性，否則用CPU就好了，而是滿足場景需求的計(jì)算密度下的成本。

還有人質(zhì)疑新興公司搶不到產(chǎn)能，ASIC的目的就是用最主流和相對(duì)便宜的制程去完成FPGA用最先進(jìn)制程才能做到的事情，不存在產(chǎn)能問題，比如說億智只需要用40nm和28nm的制程就可以提供1TOPS以上的算力，成本只是FPGA的1/10甚至更低，最先進(jìn)的制程適合的是通用芯片設(shè)計(jì)，但是在摩爾定律放緩的背景下，會(huì)成為一個(gè)巨大的負(fù)擔(dān)。這里也想談下深鑒被收購的個(gè)人觀點(diǎn)，F(xiàn)PGA開發(fā)者非常少，使用困難，因此自動(dòng)化工具對(duì)FPGA是有價(jià)值的，深鑒的軟件工具可以加速FPGA的AI開發(fā)進(jìn)度，但是Xilinx是否還會(huì)繼續(xù)投入AI專用芯片的研發(fā)拭目以待。作為行業(yè)老大的Intel在自動(dòng)駕駛，消費(fèi)，安防和云計(jì)算都有專用AI芯片的布局，包括BAT都在各自研發(fā)AI芯片，這個(gè)方向還是具有相當(dāng)?shù)墓沧R(shí)。

我們概括一下觀點(diǎn)，場景定義AI專用芯片和異構(gòu)計(jì)算是下一個(gè)計(jì)算架構(gòu)變革周期的主旋律。

其實(shí)，中國投資AI芯片公司不是太多而是太少了，真正具備產(chǎn)業(yè)經(jīng)驗(yàn)的成熟團(tuán)隊(duì)才是投資界應(yīng)該追逐和支持的標(biāo)的，也是國家未來的戰(zhàn)略資源。