Google AI發(fā)展采ASIC芯片途徑 亞馬遜、微軟、百度等是否跟進(jìn)

　　Google日前宣布推出該公司第二代“特殊應(yīng)用集成電路”(ASIC)芯片，將用于加速該公司機(jī)器學(xué)習(xí)(ML)演算處理，此即Google第二代機(jī)器學(xué)習(xí)專用芯片“TPU”，隨著Google在發(fā)展人工智能(AI)上似乎是要以開發(fā)ASIC芯片途徑為主，其他同樣正在發(fā)展自有AI技術(shù)的亞馬遜(Amazon)、Facebook、微軟(Microsoft)、阿里巴巴、騰訊及百度是否也會跟進(jìn)Google腳步，以及對當(dāng)前全球AI芯片發(fā)展處領(lǐng)導(dǎo)地位的NVIDIA、超微(AMD)、英特爾(Intel)及許多希望進(jìn)軍這塊領(lǐng)域的新創(chuàng)企業(yè)又會因此產(chǎn)生哪些影響，也成為外界關(guān)注焦點。

　　根據(jù)富比士(Forbes)報導(dǎo)，當(dāng)前可用于加速機(jī)器學(xué)習(xí)訓(xùn)練及深度神經(jīng)網(wǎng)路的主要芯片技術(shù)，包括ASIC芯片、繪圖芯片(GPU)、現(xiàn)場可程式化邏輯閘陣列(FPGA)芯片以及中央處理器(CPU)等4種，這4類芯片技術(shù)在支援AI及機(jī)器學(xué)習(xí)上各有擅場及優(yōu)劣勢，其中GPU在技術(shù)上即為ASIC技術(shù)運(yùn)用在處理繪圖演算法上，差異在于ASIC芯片可提供指令集及資源庫可讓GPU進(jìn)行程式化，借此可用在處理本地儲存的資料，好比是許多平行演算法的加速器般。

　　基本上GPU速度非?？烨蚁鄬邚椥?，ASIC技術(shù)雖同樣具備處理速度很快的優(yōu)勢，不過使用彈性相對較缺乏。在開發(fā)ASIC芯片上，要設(shè)計出一款A(yù)SIC芯片所需投入的資源及努力不少，可能必須耗資高達(dá)數(shù)千萬甚或數(shù)億美元，且需要組建一支成本不低的工程師團(tuán)隊，顯示投資甚鉅，且ASIC芯片還將必須不斷升級以跟上新技術(shù)及制程水平，加上ASIC芯片設(shè)計者在開發(fā)過程初期便已固定其邏輯，因此若在AI這類快速演進(jìn)的領(lǐng)域有新想法出現(xiàn)，ASIC芯片將無法對此快速做出反應(yīng)，反觀FPGA技術(shù)還能因此進(jìn)行再程式化以執(zhí)行一項全新功能。

　　因此，顯示ASIC技術(shù)并非現(xiàn)階段在AI及深度神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域最佳的芯片技術(shù)，但為何Google仍持續(xù)采ASIC技術(shù)發(fā)展自有AI加速訓(xùn)練芯片，原因有三，分別是戰(zhàn)略目的、滿足自有龐大運(yùn)算基礎(chǔ)架構(gòu)需求以及Google云端發(fā)展的重要性。

　　戰(zhàn)略目的上，Google如今已將發(fā)展AI技術(shù)列為公司發(fā)展首要項目，AI技術(shù)對該公司搜尋本業(yè)、云端業(yè)務(wù)、自駕車發(fā)展、Google Home以及許多其他全新及既有產(chǎn)品線與服務(wù)來說，都有其提供強(qiáng)化及支援的重要性，因此Google如今希望控制自有硬件TPU加速器以及自有軟件架構(gòu)TensorFlow，也不令外界感到意外。

　　滿足自有龐大運(yùn)算基礎(chǔ)架構(gòu)需求上，Google自有運(yùn)算基礎(chǔ)架構(gòu)堪稱全球規(guī)模最大，在此情況下意謂Google可能需要擁有自有用于AI加速的硬件平臺，以及需要一定的規(guī)模來打平所需投入的ASIC芯片龐大設(shè)計成本，實際上Google也宣稱TPU芯片可省去該公司投建額外12座資料中心以用于處理AI負(fù)載的需要。

　　Google云端發(fā)展重要性上，Google高層對于該公司在全球云端運(yùn)算市場上，排名仍落后于亞馬遜及微軟、屈居第三感到不滿意，在Google云端運(yùn)算部門負(fù)責(zé)人Diane Greene領(lǐng)導(dǎo)下已大舉投資云端業(yè)務(wù)發(fā)展，未來Google可能運(yùn)用Google云端TPU的定價能力及效能表現(xiàn)，加上TensorFlow的受青睞程度，作為在云端領(lǐng)域機(jī)器學(xué)習(xí)發(fā)展上囊括市占率的潛在顯著優(yōu)勢。

　　至于上述同樣正積極發(fā)展自有AI技術(shù)的業(yè)者方面，即使具備打造自有加速器的實力，卻沒有任何一家業(yè)者有如Google般出現(xiàn)上述驅(qū)動其發(fā)展自有ASIC芯片的三大驅(qū)動力，反而有部分業(yè)者采取不同發(fā)展途徑，如百度宣布結(jié)盟NVIDIA發(fā)展其云端、智能家庭及自駕車的AI倡議，未來也不排除設(shè)計自有AI芯片。微軟方面，至少目前其云端服務(wù)Azure及Bing基礎(chǔ)架構(gòu)，已決定采用英特爾Altera FPGA芯片技術(shù)，另微軟也采用NVIDIA GPU來訓(xùn)練自有神經(jīng)網(wǎng)路。

　　因此報導(dǎo)預(yù)估，除了Google外，上述其余6家科技大廠可能不會很快就放棄采GPU發(fā)展AI的途徑，改采ASIC芯片途徑，由于這6家業(yè)者似乎都正忙于發(fā)展機(jī)器學(xué)習(xí)模型，并投入欲發(fā)展成各類產(chǎn)品與服務(wù)的商品化努力上，因此若要這6家業(yè)者設(shè)計ASIC芯片及相應(yīng)軟件，基于需要投入大量時間金錢，可能會導(dǎo)致發(fā)展資源遭分散，而無法集中于當(dāng)前努力的目標(biāo)上。

　　若真要說，NVIDIA開發(fā)的深度學(xué)習(xí)加速器(DLA)Open Source ASIC芯片，可說是循ASIC發(fā)展途徑走的案例，該ASIC芯片是NVIDIA設(shè)計至其下世代自駕車平臺DrivePX的產(chǎn)品，借此AI硬件開發(fā)者將能夠采用NVIDIA最新AI硬件及軟件技術(shù)，以及授權(quán)NVIDIA硬件IP作為由NVIDIA貢獻(xiàn)的開放源技術(shù)。之后NVIDIA或可將此免費開放源硬件IP與軟件服務(wù)商用化。