目前人工智慧主流晶片是以绘图晶片（GPU）并行计算神经网络为主，但现场可程式逻辑闸阵列（FPGA）、特殊应用积体电路（ASIC）、类脑晶片的潜力亦不可忽视。
首先在GPU方面，其优势来自于自身具备的高并行度、矩阵预算和强大的浮点计算能力，可以大幅加速深度学习模型的训练。换句话说，GPU具有高的计算能力、高级开发环境、不影响机器学习演算法切换的优点，虽然同等计算能力下耗能最高，但仍然在演算法开发和机器学习训练场景中占据绝对的市场地位。其中Nvidia则是GPU的全球佼佼者，近来更在人工智慧晶片展现其深度影响力；至于大陆当前掌握GPU的厂商则包括景嘉微、兆芯等，前者与龙芯为合作伙伴，晶片主要应用在军用飞机和神舟飞船上，后者主要技术来源则为威盛，图形核心为美国S3 Graphics，然而与国际大厂技术水准相较，仍有相当的落差。
FPGA虽然与GPU、CPU相比，具有性能高、耗能低、可硬体编程的优势，但毕竟FPGA是一种半成型的硬体，需要透过程式语言定义其中的单元配置和链接架构才能进行计算，研究人员需花费大量时间进行编译，且FPGA的硬体编辑语言相当复杂，恐影响FPGA应用于深度学习过程中的效率。而Intel则是FPGA人工晶片的国际代表厂商，大陆具备FPGA晶片能力的业者则有同创国芯、京微雅格、高会等，至于市场则均高度关注中资是否成功收购Lattice，借此于FPGA领域获得突破，但碍于身为收购方的美国私募基金峡谷桥梁资本伙伴，背后获得中国政府资金支持，因此目前此案仍处于3度送审美国外商投资委员会的阶段。
而ASIC方面，由于是专用电路，可以高效低耗能地完成设计任务，但也因是专用设计的特殊用途，所以只能执行本来设计的任务，不过因为深度学习量身定制的ASIC晶片将在计算速度和功耗上赶超GPU和FPGA，故仍吸引相当多科技巨头纷纷投入ASIC晶片，其中Google的TPU产品、Apple研发的Apple Neural Engine、北京中科寒武纪科技研发的NPU等，均是属于ASIC类别的晶片。
至于类脑晶片则是一种基于神经形态工程、凭藉人脑资讯处理的模式，现阶段各国政府及科技巨头都在大力推动类脑晶片的研发进程，大陆的类脑科学研究专案更已正式启动，2017年即由中科院、复旦大学、百度、Microsoft等进行类脑智能技术及应用国家工程实验室计画，借此建立脑认知和脑模拟技术研究与实验平台。
综而言之，大陆在各类人工智慧晶片均展开布局，仅是整体研发及商品化的进程仍有待突破性的发展，况且大陆在人工智慧晶片采取海外优质资产的收购动作，尚受限于先进国家进行严格审查而出现卡关，惟大陆在人工智慧晶片终端平台建置仍有其优势，将持续驱动整体供应链的发展。
评论 (0)