|
跟不上 AI 算法的发展，针对 AI 计算的专用处理器便诞生了，也就是常说的“AI 芯片”。目前，AI 芯片的技术内涵正极大丰富着。从架构创新到先进封装，再到模拟人脑，都影响着 AI 芯片的走向。而这些变化的背后，都有着一个共同的主题：以更低功耗，产生更高性能。
更灵活
2017 年的图灵奖，颁给了计算机架构两位先驱 David Petterson 和 John Hennessy。2018 年在进行图灵奖演讲时，他们将主题聚焦于架构创新，指出计算体系结构正迎来新的黄金十年。正如他们所判断的，AI 芯片不断出现新的架构，比如来自英国 Graphcore 的 IPU——一种迥异于 CPU 和 GPU 的 AI 专用智能处理器，已经逐渐被业界认可，并且 Graphcore 也获得了微软和三星的战略资本支持。
而当下，一种名为 CGRA 的架构，在学界和工业界正受到越来越多的关注。CGRA 全称 Coarse Grained Reconfigurable Array（粗颗粒可重构阵列），是“可重构计算”理念的落地产物。
据《可重构计算: 软件可定义的计算引擎》一文介绍，这个理念最早出现在 20 世纪 60 年代，由加州大学洛杉矶分校的 Estrin 提出。由于过于超前，直到 40 年以后才获得系统性的研究。加州大学伯克利分校的 DeHon 等将可重构计算定义为具有以下特征的体系结构：在其制造后，芯片功能仍然可以定制，形成加速特定任务的硬件功能；计算功能的实现，主要依靠任务到芯片的空间映射。
简言之，可重构芯片强调灵活性，在制造出来后仍可通过编程调整，适应新算法。与之形成高度对比的，是 ASIC（application-specific integrated circuit，专用集成电路）。ASIC 芯片虽然性能高，但却缺乏灵活性，往往是针对单一应用或算法设计，难以匹配新算法。
2017 年，美国国防部高级研究计划局（Defence Advanced Research Projects Agency，即 DARPA）提出了电子产业复兴计划（Electronics Resurgence Initiative，简称 ERI）。该计划其中一个任务就是“软件定义芯片”，打造接近 ASIC 性能 、同时不牺牲灵活性的芯片。
按照进行重构时的粒度区别，可重构芯片可分为 CGRA 和 FPGA（field-programmable gate array，现场可编程逻辑门阵列）。FPGA 在工业界已经有一定规模应用，比如微软将 FPGA 芯片带入大型数据中心，用于加速 Bing 搜索引擎，验证了 FPGA 灵活性和算法可更新性。但 FPGA 有其局限性，不仅能效和 ASIC 仍有较大差距，而且重编程门槛比较高。
而 CGRA 由于实现原理上的差异，比 FPGA 能实现更加底层的重新编程，在面积效率、能量效率和重构时间上，都更有优势。可以说，CGRA 同时集成了通用处理器的灵活性和 ASIC 的高性能。
（编辑：桂林站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
