目前，AI芯片的研發(fā)方向主要分兩種：一是基于傳統(tǒng)馮·諾依曼架構(gòu)的FPGA（現(xiàn)場(chǎng)可編程門陣列）和ASIC（專用集成電路）芯片，二是模仿人腦神經(jīng)元結(jié)構(gòu)設(shè)計(jì)的類腦芯片。其中FPGA和ASIC芯片不管是研發(fā)還是應(yīng)用，都已經(jīng)形成一定規(guī)模；而類腦芯片雖然還處于研發(fā)初期，但具備很大潛力，可能在未來成為行業(yè)內(nèi)的主流。

這兩條發(fā)展路線的主要區(qū)別在于，前者沿用馮·諾依曼架構(gòu)，后者采用類腦架構(gòu)。你看到的每一臺(tái)電腦，采用的都是馮·諾依曼架構(gòu)。它的核心思路就是處理器和存儲(chǔ)器要分開，所以才有了CPU（中央處理器）和內(nèi)存。而類腦架構(gòu)，顧名思義，模仿人腦神經(jīng)元結(jié)構(gòu)，因此CPU、內(nèi)存和通信部件都集成在一起。

之后由于高清視頻和游戲產(chǎn)業(yè)的快速發(fā)展，GPU （圖形處理器）芯片取得迅速的發(fā)展。因?yàn)?GPU 有更多的邏輯運(yùn)算單元用于處理數(shù)據(jù)，屬于高并行結(jié)構(gòu)，在處理圖形數(shù)據(jù)和復(fù)雜算法方面比 CPU 更有優(yōu)勢(shì)，又因?yàn)锳I深度學(xué)習(xí)的模型參數(shù)多、數(shù)據(jù)規(guī)模大、計(jì)算量大，此后一段時(shí)間內(nèi) GPU 代替了 CPU，成為當(dāng)時(shí) AI 芯片的主流。

FPGA 可以被理解為“萬(wàn)能芯片”。用戶通過燒入 FPGA 配置文件，來定義這些門電路以及存儲(chǔ)器之間的連線，用硬件描述語(yǔ)言（HDL）對(duì) FPGA 的硬件電路進(jìn)行設(shè)計(jì)。每完成一次燒錄，F(xiàn)PGA內(nèi)部的硬件電路就有了確定的連接方式，具有了一定的功能，輸入的數(shù)據(jù)只需要依次經(jīng)過各個(gè)門電路，就可以得到輸出結(jié)果。

用大白話說，“萬(wàn)能芯片” 就是你需要它有哪些功能、它就能有哪些功能的芯片。盡管叫“萬(wàn)能芯片”，F(xiàn)PGA也不是沒有缺陷。正因?yàn)?FPGA 的結(jié)構(gòu)具有較高靈活性，量產(chǎn)中單塊芯片的成本也比 ASIC 芯片高，并且在性能上，F(xiàn)PGA 芯片的速度和能耗相比 ASIC 芯片也做出了妥協(xié)。也就是說，“萬(wàn)能芯片” 雖然是個(gè) “多面手”，但它的性能比不上 ASIC 芯片，價(jià)格也比 ASIC 芯片更高。

但是在芯片需求還未成規(guī)模、深度學(xué)習(xí)算法需要不斷迭代改進(jìn)的情況下，具備可重構(gòu)特性的FPGA芯片適應(yīng)性更強(qiáng)。因此用FPGA來實(shí)現(xiàn)半定制人工智能芯片，毫無疑問是保險(xiǎn)的選擇。目前，F(xiàn)PGA 芯片市場(chǎng)被美國(guó)廠商 Xilinx 和 Altera 瓜分。據(jù)國(guó)外媒體 Marketwatch 的統(tǒng)計(jì)，前者占全球市場(chǎng)份額 50%、后者占 35%左右，兩家廠商霸占了 85% 的市場(chǎng)份額，專利達(dá)到 6000 多項(xiàng)，毫無疑問是行業(yè)里的兩座大山。

在 AI 產(chǎn)業(yè)應(yīng)用大規(guī)模興起之前，使用 FPGA 這類適合并行計(jì)算的通用芯片來實(shí)現(xiàn)加速，可以避免研發(fā) ASIC 這種定制芯片的高投入和風(fēng)險(xiǎn)。但是，因?yàn)槠渫ㄓ眯缘?，ASIC 芯片的高研發(fā)成本也可能會(huì)帶來高風(fēng)險(xiǎn)。然而如果考慮市場(chǎng)因素，ASIC芯片其實(shí)是行業(yè)的發(fā)展大趨勢(shì)。

既然要研制人工智能芯片，那么有的專家就回歸問題本身，開始模仿人腦的結(jié)構(gòu)。人腦內(nèi)有上千億個(gè)神經(jīng)元，而且每個(gè)神經(jīng)元都通過成千上萬(wàn)個(gè)突觸與其他神經(jīng)元相連，形成超級(jí)龐大的神經(jīng)元回路，以分布式和并發(fā)式的方式傳導(dǎo)信號(hào)，相當(dāng)于超大規(guī)模的并行計(jì)算，因此算力極強(qiáng)。人腦的另一個(gè)特點(diǎn)是，不是大腦的每個(gè)部分都一直在工作，從而整體能耗很低。

這種類腦芯片跟傳統(tǒng)的馮·諾依曼架構(gòu)不同，它的內(nèi)存、CPU 和通信部件是完全集成在一起，把數(shù)字處理器當(dāng)作神經(jīng)元，把內(nèi)存作為突觸。除此之外，在類腦芯片上，信息的處理完全在本地進(jìn)行，而且由于本地處理的數(shù)據(jù)量并不大，傳統(tǒng)計(jì)算機(jī)內(nèi)存與 CPU 之間的瓶頸不復(fù)存在了。同時(shí)，神經(jīng)元只要接收到其他神經(jīng)元發(fā)過來的脈沖，這些神經(jīng)元就會(huì)同時(shí)做動(dòng)作，因此神經(jīng)元之間可以方便快捷地相互溝通。

然而目前類腦芯片研制的挑戰(zhàn)之一，是在硬件層面上模仿人腦中的神經(jīng)突觸，換而言之就是設(shè)計(jì)完美的人造突觸。在現(xiàn)有的類腦芯片中，通常用施加電壓的方式來模擬神經(jīng)元中的信息傳輸。但存在的問題是，由于大多數(shù)由非晶材料制成的人造突觸中，離子通過的路徑有無限種可能，難以預(yù)測(cè)離子究竟走哪一條路，造成不同神經(jīng)元電流輸出的差異。

針對(duì)這個(gè)問題，今年麻省理工的研究團(tuán)隊(duì)制造了一種類腦芯片，其中的人造突觸由硅鍺制成，每個(gè)突觸約 25 納米。對(duì)每個(gè)突觸施加電壓時(shí)，所有突觸都表現(xiàn)出幾乎相同的離子流，突觸之間的差異約為 4%。與無定形材料制成的突觸相比，其性能更為一致。

即便如此，類腦芯片距離人腦也還有相當(dāng)大的距離，畢竟人腦里的神經(jīng)元個(gè)數(shù)有上千億個(gè)，而現(xiàn)在最先進(jìn)的類腦芯片中的神經(jīng)元也只有幾百萬(wàn)個(gè)，連人腦的萬(wàn)分之一都不到。因此這類芯片的研究，離成為市場(chǎng)上可以大規(guī)模廣泛使用的成熟技術(shù)，還有很長(zhǎng)的路要走，但是長(zhǎng)期來看類腦芯片有可能會(huì)帶來計(jì)算體系的革命。