不同算力芯片特点、区别及应用情况如何？

计算芯片包括 CPU、GPU、FPGA、ASIC 等，都用作计算分析。其中，CPU 是性能最综合的计 算芯片，AI 算法的执行也运用 GPU、FPGA、ASIC 等芯片。

CPU 是综合计算芯片，擅长逻辑控制和串行运算。计算机的运算器和控制器一起组成了 CPU， CPU 是整台计算机的大脑，也是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。CPU 有大量的缓存和复杂的逻辑控制单元，非常擅长逻辑控制、 串行的运算，但因计算单元占 30%左右，不擅长复杂算法运算和处理并行重复的操作。 GPU 相比 CPU 计算单元大大增加，擅长大量并行计算。而作为通用芯片的 GPU 相当于一个接受 CPU 调度的“拥有大量计算能力”的员工，计算单元相比 CPU 大大增加。GPU 最初承担图像计 算任务，能够进行并行计算，因此 GPU 架构本身比较适合深度学习算法，通过对 GPU 的优化， 进一步满足深度学习大量计算需求。其主要缺点在于功耗较高。

GPU 按照接入类型可以分为独立 GPU 和集成 GPU。独立 GPU 即独立显卡，需要插在主板的相 应接口上，具备单独的显存，不占用系统内存，能够提供更好的显示效果和运行性能。全球知名 供应商主要包括 AMD 和 NVIDIA 两家。集成 GPU 即集成显卡，是将图形核心以单独芯片的方式 集成在主板上，并且动态共享部分系统内存作为显存使用，能够提供简单的图形处理能力，以及 较为流畅的编码应用。全球知名供应商主要包括英特尔和 AMD 两家。

GPU 按照应用场景不同可分为 PC GPU、服务器 GPU 和移动 GPU。1）集成 GPU 一般运用于 PC 以轻办公、文字编纂为主；独立 GPU 则一般运用于 PC 以制作高清图片、编辑视频、渲染游 戏等。2）服务器 GPU 主要以独立 GPU 为主。服务器 GPU 主要应用于服务器，可做专业可视 化、计算加速、深度学习等应用。3）移动 GPU 以集成 GPU 为主。随着移动端向着轻薄化不断发展，终端内部净空间随着多种功能模组的增加呈快速下降趋势。此外，就目前的移动端视频和 图片的处理要求而言，集成 GPU 的性能尚可满足移动端的需要。 FPGA 又称半定制化芯片，具有足够的计算能力、较低的试错成本和足够的灵活性。FPGA 的计 算速度快是源于它本质上是无指令、无需共享内存的体系结构，“无指令”即使用硬件描述语言 编程，直接编译为晶体管电路的组合，所以 FPGA 实际上直接用晶体管电路实现用户的算法，没 有通过指令系统的翻译；“无需共享内存”是指对于保存状态的需求，FPGA 中的寄存器和片上 内存（BRAM）是属于各自的控制逻辑的，无需不必要的仲裁和缓存。因此 FPGA 运算速度足够 快，优于 GPU。同时，相比量产成本高昂的 ASIC 芯片，因为 FPGA 是一种半定制的硬件，通过 编程可定义其中的单元配置和链接架构进行计算，因此在灵活性上优于 ASIC，具备较低试错成本。

ASIC 是全定制芯片，性能强但是前期开发久、成本高。是根据产品的需求进行特定设计和制造 的集成电路，能够在特定功能上进行强化，具有更高的处理速度和更低的能耗。缺点是成本高， 且由于定制化，可复制性一般，因此只有用量足够大时才能够分摊前期投入，降低成本。

CPU 可以应用在服务器、工作站、个人计算机（台式机、笔记本电脑）、移动终端和嵌入式设备 等不同设备上，根据应用领域的不同，其架构、功能、性能、可靠性、能效比等技术指标也存在 一定差异。

服务器处理器需长时间运行，数据处理能力最强、设计工艺最复杂、可靠性最高。服务器具有高 速的数据处理能力、强大的 I/O 数据吞吐能力、良好的可扩展性，并需要长时间可靠运行，其 CPU 芯片在性能、可靠性、可扩展性和可维护性等方面要求较为苛刻。因此，服务器处理器是数 据处理能力最强、设计工艺最复杂、可靠性最高的处理器。服务器的应用领域包括实时分析、5G 应用、人工智能、机器学习、金融、大数据和云计算等领域。 工作站主要为单用户提供比个人计算机更强大的性能。工作站是一种高端微型计算机，主要为单 用户提供比个人计算机更强大的性能，尤其是在数据并行处理能力和图形处理能力等方面。工作 站的典型应用领域包括科学和工程计算、软件开发、计算机辅助设计等。 个人计算机主要满足个人需求，核心数量较少。个人计算机包括台式机和笔记本电脑两大类，主 要用于满足个人的工作、学习、娱乐需求，以及企业员工的办公需求。个人计算机处理器核心数 量较少，具有较少 I/O。

移动终端具有低功耗、轻量化等特点，关注对多媒体功能的增强。移动终端包括手机、笔记本、 平板电脑、POS 机等。随着集成电路技术的进步和移动网络向宽带化发展，移动终端正从简单通 话工具逐步转变为综合信息处理平台。移动终端处理器具有低功耗、轻量化等特点，关注对多媒 体功能的增强，具有较少 I/O。 嵌入式设备对功耗、稳定性、可扩展能力要求高。嵌入式设备需要具有高稳定性和低功耗，其处 理器对环境（如温度、湿度、电磁场、振动等）的适应能力强，体积小，且集成度高，适用于工 业控制、移动便携设备、物联网终端等场合。其中，大多数物联网设备需要额外的 CPU 处理能力 来支持可升级的额外功能。因此，针对特定的物联网应用程序的 CPU 不仅必须支持安全特性，而且必须同时具有可扩展的性能，实现更高的时钟频率。物联网应用处理器芯片具有面向高集成度、 高抗干扰能力和低功耗的发展趋势。

AI 芯片主要指面向人工智能应用的芯片。大致包含三类：1）通用、半定制化芯片：经过软硬件 优化可以高效支持 AI 应用的通用芯片，如 GPU，FPGA；2）专门为特定的 AI 产品或者服务而设 计的芯片：侧重加速机器学习（尤其是神经网络、深度学习），如 ASIC；3）神经形态计算芯片： 不采用经典的冯·诺依曼架构，而是基于神经形态架构设计，类似人脑，具备较高的集成度和能 效比，以 IBM Truenorth 为代表。