AI處理器大戰即將開始：CPU？GPU？TPU？還是它？

CPU？GPU？TPU？還是FPGA？很難判斷是誰挑起了人工智慧的爭論，同樣，現在也不能確定誰將成為它的領導者。

在小智君看來，2018年將是晶片製造商之間長期鬥爭的開始，屆時，我們可以確定誰才是人工智慧硬體領域的主宰。

2017年，當英特爾發布其最新的人工智慧硬體產品時，這並不是一場挑戰。

相反，這只是少數幾家大型科技巨頭競爭的新一輪升級——所有這些巨頭公司都試圖在人工智慧硬體領域提出自己的主張，畢竟一旦統治了人工智慧，就意味著它將成為許多行業的主導力量，比如製造、汽車、物聯網、醫療，甚至是娛樂。

在硬體方面，人工智慧展開了一場屬於自己的「權利的遊戲」，各個公司都在爭奪那個至高無上的地位，希望能創造出一種晶片架構，使之成為人工智慧技術的標準——尤其是深度學習和神經網絡。

競爭不斷升溫。

人工智慧將成為計算機硬體領域最重要的戰場，那麼誰將脫穎而出呢？小智君為大家分享一下自己的想法。

是CPU麼？

毋庸置疑，自動駕駛汽車已成為人工智慧的主要目標之一，這也是晶片製造商英特爾尋求押注自己主張的領域。

與其在公司內部展開研發，英特爾採用了收購的方式讓自己在人工智慧領域站穩腳跟。

2016年8月，英特爾收購了神經網絡處理器製造商Nervana Systems。

同年11月，英特爾宣布了一種新的處理器——神經網絡平台，直接將目標定於與人工智慧相關的應用程式，比如訓練神經網絡。

今年3月，英特爾再次收購了Mobileye，一個基於機器學習的高級駕駛員輔助系統。

一次次的收購讓這家晶片製造商有望在自動駕駛汽車領域占據一席之地，或許還會將自己定位為專注於機器學習的硬體關鍵製造商。

是GPU麼？

現在來談一下GPU吧。

GPU曾被認為是CPU的一個補充單元（很多CPU都集成了GPU來完成圖片處理）。

目前，GPU已經擴展到了人工智慧領域的圖形和視頻中心方面，並進入了深度學習領域。

GPU製造商覺得自己掌握了可能處於人工智慧革命前沿的技術，並表示，GPU提供了遠遠優於CPU的性能。

雖然GPU市場只有少數幾家公司，但是沒有誰會比英偉達更有代表性了。

根據Jon Peddie Research的一份報告，2017年第三季度，英偉達的出貨量增長率為29.53%，擊敗了兩大競爭對手AMD（7.63%）和英特爾（5.01%）。

當然，這主要是由視頻遊戲市場驅動的，但Jon Peddie Research的分析師認為，對加密貨幣採礦相關的應用程式對高端性能的需求也促成了這一結果。

這也是為什麼GPU提供商會覺得會自己處於人工智慧硬體開發的前沿。

今年12月，英偉達宣布推出Titan V，一個為深度學習設計的電腦GPU。

基於英偉達Volta架構的新GPU，利用了被英偉達稱為Tensor Cores的一種新型核心技術。

英偉達所做的是開發一種複雜的架構，這種架構的目的是為了滿足深度學習和神經網絡計算的需要。

Titan V包含了210億個電晶體，並提供了110萬億的深度學習性能。

它是專門針對人工智慧和深度學習的開發者而開發的。

其創始人兼CEO黃仁勛在一份聲明中表示，Titan V是為PC開發的最強大GPU。

「我們對Volta的願景是推動高性能計算和人工智慧的外部極限。

我們採用新的處理器架構、指令、數字格式、內存架構和處理器連結打破了新的領域。

有了「Titan V」，我們就把Volta放到了全世界的研究人員和科學家的手中。

」

還是TPU呢？

也許沒有任何一家公司比谷歌更致力於投資Tensors。

在過去的一年裡，這家搜索巨頭髮布了一項極其流行的開源框架，用於深度學習的開發，叫做TensorFlow。

正如谷歌所描述的，「TensorFlow是一個開源軟體庫，通過數據流圖進行數值計算。

靈活的體系結構允許用戶在桌面、伺服器或移動設備上使用單個API將計算部署到一個或多個CPU或GPU上。

」

TensorFlow的機器學習應用程式庫，包括面部識別、計算機視覺、當然還有搜索等，從發布之後，一直很受歡迎。

2016年，英特爾致力於優化處理器以運行TensorFlow。

2017年，谷歌還將為移動和安卓的開發者推出一款精簡版的TensorFlow。

但谷歌並沒有因軟體終結其人工智慧的野心。

2016年，該公司發布了第一代新處理器，它稱之為「Tensor Processing Unit 」（TPU）。

谷歌的TPU是一個專門為機器學習而設計的ASIC，為運行TensorFlow量身定做。

今年5月谷歌宣布推出第二代TPU。

根據谷歌的說法，它的性能可以達180萬億次。

今年6月第44屆國際研討會曾發布一篇報告，Google將同一數據中心部署的TPU與英特爾的Haswell CPU和英偉達的K80 GPU進行了比較，發現TPU的平均運行速度比GPU和CPU快15到30倍。

現在，谷歌也表示，TPU正在推動其所有在線服務，如搜索，谷歌照片和谷歌翻譯。

抑或是人工智慧競爭中的黑馬—FPGA呢？

TPU是人工智慧的未來？先別那麼早下結論。

雖然英偉達、谷歌、英特爾在某種程度上都是專注於交付AI邊緣，即人工智慧處理髮生設備上，而不是雲上。

微軟宣稱其數據中心可以提供高性能、基於雲的人工智慧——FPGA。

微軟認為，在可伸縮性和靈活性方面，基於FPGA的解決方案將優於CPU、GPU或TPU所提供的解決方案。

基於處理器的解決方案在某種程度上由於其設計而會被限制於特定的任務，而FPGA則可以提供更簡單的升級和性能的改進，主要原因在於它的靈活性和可編程性。

至於FPGA是否為人工智慧提供了最佳選擇，這一點還有待商榷。

微軟指出，創建特定於美國ASIC的成本太高而令人望而卻步，而另一些人則認為FGPA永遠無法完全實現為人工智慧設計的晶片性能。

在目前這個階段，小智君認為，涉及到人工智慧晶片的整體性能方面，GPU還是王者。

然而，這並不意味著像英偉達和AMD這樣的公司要滿足於現有的成就，始終堅信自己擁有最好的解決方案。

因為像微軟這樣的競爭對手會不斷維持自身的既得利益（微軟的數據中心是基於FPGA的），並讓人工智慧消費者轉變態度，傾向於自己。

更重要的是，位居前列的公司可能並不是擁有最厲害的硬體的公司，就像硬體最終會被應用到好的應用程式中一樣。

當競爭的煙霧散去，我們會發現，最後的勝者可能不是一家公司，甚至不是一個主導人工智慧領域的處理器。

我們會看到，未來將從一種「一刀切」的方式，轉向人工智慧硬體，並看到一個更加分散的市場：硬體在不同的應用程式中，會有所不同。

時間會告訴我們，當一切都成為現實的時候，我們所有的設備會變得更加智能！

【本文系人工智慧觀察作者AI小智君原創，轉載請聯繫作者並註明出處，更多精彩內容請持續關注】