三种AI 芯片的对比

AI 芯片主要分为GPU、FPGA、ASIC，当前主流的AI 芯片是GPU，未来可能被ASIC 替代。

三类AI 芯片之间的区别在于适用范围不同。GPU 属于通用型芯片，ASIC 则属于专用型芯片，而FPGA 则是介于两者之间的半定制化芯片。三种AI 芯片各有优劣，但是由于当前用量有限，ASIC 难以形成规模，而FPGA 的量产成本高，相比于GPU 而言开发门槛又高，因此目前二者在AI 芯片市场的占比均不高，GPU 由于运算速率快，且通用性强，开发难度又相对较低，因此在目前及未来一段时间都将占据主流地位。但是随着AI 芯片市场规模的扩大，预计在未来某个时间点，高性能、功耗低，量产成本又低的ASIC 将对功耗高、成本高的GPU 形成替代，成为主流的AI 芯片。而FPGA 由于功能可修改这一优势，在算法不断更新、迭代的环境下将有很强的竞争优势，在需求量较小的专用领域将保持住一定的市场份额。

三种AI 芯片的对比：

AI 芯片的算力远高于MCU 的原因在于二者的逻辑架构中，ALU 的比重不同。通过对比AI 芯片和MCU 的逻辑架构，我们可以解释为什么AI 芯片的算力远高于MCU。由于AI 芯片主要分为三类，因此我们可以选取当前市场上处于主流地位，同时性能又相对普通的GPU 来作对比；由于MCU 是在CPU 的基础上整合内存、计数器等其他模块组成的芯片级计算机，它的算力与CPU 处于同一量级，甚至略低于CPU（MCU 中的CPU 是经过适当缩减频率和规格后才整合其他模块的），因此我们可以用CPU 代替MCU 来作对比。通过对比GPU 和CPU 的逻辑架构，我们可以发现二者的ALU（算术逻辑单元）的比重有很明显的区别。在CPU 当中，ALU 的占比仅5%，而在GPU 当中，ALU 的占比却有40%，而这便是GPU 的算力远高于CPU 的主要原因，同样也是AI 芯片的算力远高于MCU 的主要原因。