成立公司有什么好处和坏处,seo狂人,好的建设网站,百度搜索seo怎么做https://blog.csdn.net/qq_38880380/article/details/79379169
致谢#xff1a;一文读懂APU/BPU/CPU/DPU/EPU/FPU/GPU等处理器
随着AI概念火爆全球#xff0c;做AI芯片的公司也层出不穷。为了让市场和观众能记住自家的产品#xff0c;各家在芯片命名方面都下了点功夫…https://blog.csdn.net/qq_38880380/article/details/79379169
致谢一文读懂APU/BPU/CPU/DPU/EPU/FPU/GPU等处理器
随着AI概念火爆全球做AI芯片的公司也层出不穷。为了让市场和观众能记住自家的产品各家在芯片命名方面都下了点功夫既要独特又要和公司产品契合还要朗朗上口也要容易让人记住。比较有意思的是很多家都采用了“xPU”的命名方式。
本文就来盘点一下目前各种“xPU”命名AI芯片以及芯片行业里的各种“xPU”缩写供吃瓜群众消遣也供后来者起名参考。此外除了“xPU”命名方式本文也扩展了一些“xxP”方式的以Processor命名的芯片或IP。此外的此外拍脑袋拍出了一些xPU命名备选方案用下划线标示并欢迎读者一起来开脑洞。
有心在AI芯片发力的公司赶紧先抢个字母吧。
APU
Accelerated Processing Unit。目前还没有AI公司将自己的处理器命名为APU因为AMD早就用过APU这个名字了。APU是AMD的一个处理器品牌。AMD在一颗芯片上集成传统CPU和图形处理器GPU这样主板上将不再需要北桥任务可以灵活地在CPU和GPU间分配。AMD将这种异构结构称为加速处理单元即APU。
Audio Processing Unit。声音处理器顾名思义处理声音数据的专用处理器。不多说生产APU的芯片商有好多家。声卡里都有。
BPU
Brain Processing Unit。地平线机器人Horizon Robotics以BPU来命名自家的AI芯片。地平线是一家成立于2015年的start-up总部在北京目标是“嵌入式人工智能全球领导者”。地平线的芯片未来会直接应用于自己的主要产品中包括智能驾驶、智能生活和智能城市。地平线机器人的公司名容易让人误解以为是做“机器人”的其实不然。地平线做的不是“机器”的部分是在做“人”的部分是在做人工智能的“大脑”所以其处理器命名为BPU。相比于国内外其他AI芯片start-up公司地平线的第一代BPU走的相对保守的TSMC的40nm工艺。BPU已经被地平线申请了注册商标其他公司就别打BPU的主意了。 Biological Processing Unit。一个口号“21 世纪是生物学的世纪”忽悠了无数的有志青年跳入了生物领域的大坑。其实这句话需要这么理解生物学的进展会推动21世纪其他学科的发展。比如对人脑神经系统的研究成果就会推动AI领域的发展SNN结构就是对人脑神经元的模拟。不管怎么说随着时间的推移坑总会被填平的。不知道生物处理器在什么时间会有质的发展。
Bio-Recognition Processing Unit。生物特征识别现在已经不是纸上谈兵的事情了。指纹识别已经是近来智能手机的标配电影里的黑科技虹膜识别也上了手机声纹识别可以支付了…不过除了指纹识别有专门的ASIC芯片外其他生物识别还基本都是sensor加通用cpu/dsp的方案。不管怎样这些芯片都没占用BPU或BRPU这个宝贵位置。
CPU
CPU就不多说了也不会有AI公司将自己的处理器命名为CPU的。不过CPU与AI处理器并不冲突。
首先很多公司的AI处理器中还是会使用CPU做控制调度。比如wave computing用的是Andes的CPU coreMobileye用了好几个MIPS的CPU core国内的某些AI芯片公司用的ARM的CPU core。
此外在现有的移动市场的AP中在CPU之外再集成一两个AI加速器IP例如针对视觉应用的DSP见VPU部分也是一种趋势。例如华为近期就在为其集成了AI加速器的麒麟970做宣传。
另外一种趋势做高性能计算CPU的公司也不甘错过AI的浪潮。例如
Adapteva 一家做多核MIMD结构处理器的公司。2016年tapeout的Epiphany V集成有1024个核。相对以前的版本针对deep learning和加密增加了特定指令。
kalrayinc 一家做多核并行处理器的公司有针对数据中心和自动驾驶的解决方案。最近公布了第三代MPPA处理器“Coolidge”的计划并融资$26 Million。计划采用16nm FinFET工艺集成80-160个kalray 64-bit core以及80-160个用于机器视觉处理和深度学习计算的协处理器。
DPU
D是Deep Learning的首字母以Deep Learning开头来命名AI芯片是一种很自然的思路。
Deep-Learning Processing Unit。深度学习处理器。DPU并不是哪家公司的专属术语。在学术圈Deep Learning Processing Unit或processor被经常提及。例如ISSCC 2017新增的一个session的主题就是Deep Learning Processor。以DPU为目标的公司如下。
Deephi Tech深鉴 深鉴是一家位于北京的start-up初创团队有很深的清华背景。深鉴将其开发的基于FPGA的神经网络处理器称为DPU。到目前为止深鉴公开发布了两款DPU亚里士多德架构和笛卡尔架构分别针对CNN以及DNN/RNN。虽然深鉴号称是做基于FPGA的处理器开发但是从公开渠道可以看到的招聘信息以及非公开的业内交流来看其做芯片已成事实。
TensTorrent 一家位于Toronto的start-up研发专为深度学习和智能硬件而设计的高性能处理器技术人员来自NVDIA和AMD。
Deep Learning Unit。深度学习单元。Fujitsu富士通最近高调宣布了自家的AI芯片命名为DLU。名字虽然没什么创意但是可以看到DLU已经被富士通标了“TM”虽然TM也没啥用。在其公布的信息里可以看到DLU的ISA是重新设计的DLU的架构中包含众多小的DPUDeep Learning Processing Unit和几个大的master core控制多个DPU和memory访问。每个DPU中又包含了16个DPEDeep-Learning Processing Element共128个执行单元来执行SIMD指令。富士通预计2018财年内推出DLU。
Deep Learning Accelerator。深度学习加速器。NVIDA宣布将这个DLA开源给业界带来了不小的波澜。大家都在猜测开源DLA会给其他AI公司带来什么。参考这篇吧从Nvidia开源深度学习加速器说起
Dataflow Processing Unit。数据流处理器。创立于2010年的wave computing公司将其开发的深度学习加速处理器称为Dataflow Processing Unit(DPU)应用于数据中心。Wave的DPU内集成1024个cluster。每个Cluster对应一个独立的全定制版图每个Cluster内包含8个算术单元和16个PE。其中PE用异步逻辑设计实现没有时钟信号由数据流驱动这就是其称为Dataflow Processor的缘由。使用TSMC 16nm FinFET工艺DPU die面积大概400mm^2内部单口sram至少24MB功耗约为200W等效频率可达10GHz性能可达181TOPS。前面写过一篇他家DPU的分析见传输门AI芯片|浅析Yann LeCun提到的两款Dataflow Chip。
Digital Signal Processor。数字信号处理器。芯片行业的人对DSP都不陌生设计DSP的公司也很多TIQualcommCEVATensilicaADIFreescale等等都是大公司此处不多做介绍。相比于CPUDSP通过增加指令并行度来提高数字计算的性能如SIMD、VLIW、SuperScalar等技术。面对AI领域新的计算方式例如CNN、DNN等的挑战DSP公司也在马不停蹄地改造自己的DSP推出支持神经网络计算的芯片系列。在后面VPU的部分会介绍一下针对Vision应用的DSP。和CPU一样DSP的技术很长时间以来都掌握在外国公司手里国内也不乏兢兢业业在这方向努力的科研院所如清华大学微电子所的Lily DSPVLIW架构有独立的编译器以及国防科大的YHFT-QDSP和矩阵2000。但是也有臭名昭著的“汉芯”。
EPU
Emotion Processing Unit。Emoshape 并不是这两年才推出EPU的号称是全球首款情绪合成emotion synthesis引擎可以让机器人具有情绪。但是从官方渠道消息看EPU本身并不复杂也不需要做任务量巨大的神经网络计算是基于MCU的芯片。结合应用API以及云端的增强学习算法EPU可以让机器能够在情绪上了解它们所读或所看的内容。结合自然语言生成(NLG)及WaveNet技术可以让机器个性化的表达各种情绪。例如一部能够朗读的Kindle其语音将根据所读的内容充满不同的情绪状态。
FPU
先说一个最常用的FPU缩写Floating Point Unit。浮点单元不多做解释了。现在高性能的CPU、DSP、GPU内都集成了FPU做浮点运算。
Force Processing Unit。原力处理器助你成为绝地武士。酷
GPU
Graphics Processing Unit。图形处理器。GPU原来最大的需求来自PC市场上各类游戏对图形处理的需求。但是随着移动设备的升级在移动端也逐渐发展起来。
NVIDIA 说起GPU毫无疑问现在的老大是NVIDIA。这家成立于1993年的芯片公司一直致力于设计各种GPU针对个人和游戏玩家的GeForce系列针对专业工作站的Quadro系列以及针对服务器和高性能运算的Tesla系列。随着AI的发展NVIDIA在AI应用方面不断发力推出了针对自动驾驶的DRIVE系列以及专为AI打造的VOLTA架构。特别提一下VOLTA今年5月份NVIDIA发布的Tesla V100采用TSMC 12nm工艺面积竟然815mm^2号称相关研发费用高达30亿美元。得益于在AI领域的一家独大NVIFIA的股价在过去一年的时间里狂涨了300%。最后也别忘了NVIDIA家还有集成了GeForce GPU的Tegra系列移动处理器。
AMD 这几年NVIDIA的火爆都快让大家忘了AMD的存在了。AMD是芯片行业中非常古老的一家芯片公司成立于1969年比NVIDIA要早很多年。AMD最出名的GPU品牌Radeon来自于其2006年以54亿美元收购的ATI公司暴露年龄地说本人的第一台PC的显卡就是ATI的。本文第一个词条APU就是AMD家的产品。AMD新出的MI系列GPU将目标对准AI。 在移动端市场GPU被三家公司瓜分但是也阻止不了新的竞争者杀入。
ARM家的Mali Mali不是ARM的自创GPU品牌来自于ARM于2006年收购的Falanx公司。Falanx最初的GPU是面向PC市场的但是根本就无法参与到NVIDIA和ATI的竞争中去于是转向移动市场并且Falanx最初的GPU的名字也不是Mali而是Maliak为了好记改为Mali来自罗马尼亚文意思是small而不是我们熟悉的吃蘑菇救公主的超级玛丽SuperMALI。
Imagination的PowerVR 主要客户是苹果所以主要精力都在支持苹果对其他客户的支持不足。但是苹果突然宣布放弃PVR转为自研对Imagination打击不小股价大跌六成。Imagination现在正在寻求整体出售土财快追但是美国未必批。
Qualcomm的Adreno 技术来自于AMD收购ATI后出售的移动GPU品牌Imageon。有意思的是名字改自于ATI的知名GPU品牌Radeon
VeriSilicon的Vivante Vivante图芯是一家成立于2004年的以做嵌入式GPU为主的芯片公司于2015年被VSI收购。Vivante的市场占有率较低。这里多加一段小八卦Vivante的创始人叫戴伟进VSI的创始人叫戴伟民一句话对这次收购进行总结就是戴家老大收购了戴家老二。哦对了戴家还有一个三妹戴伟立创立的公司名号更响亮Marvell。
Samsung的。。。哦三星没有自己的GPU。作为一个IDM巨头对于没有自家的GPU三星一直耿耿于怀。三星也宣布要研发自家的移动端GPU芯片不过要等到2020年了。
再简单补充国内的两家开发GPU的公司
上海兆芯 兆芯是VIA威盛分离出来的。兆芯于2016年针对移动端出了一款GPU芯片ZX-2000名字有点简单直接。主要技术来源于威盛授权GPU核心技术来自收购的美国S3 Graphics。
长沙景嘉微电子 于2014年推出一款GPU芯片JM5400。这是一家有国防科大背景的公司与龙芯为合作伙伴芯片主要应用在军用飞机和神舟飞船上。
Graph Streaming Processor。图形流处理器。这是ThinCI取意think-eye提出的缩写。ThinCI是一家致力于打造deep learning和computer vision芯片的start-up由4名Intel前员工创立于2010年总部在Sacramento在印度也有研发人员。ThinCI的视觉芯片瞄准了自动驾驶应用投资方有世界顶级汽车零部件供应商公司日本电装DENSO。在刚结束的hotchip会议上ThinCI介绍了他们的GSP于是本文作者将ThinCI从VPU部分移到了这里使用了多种结构性技术来实现任务级、线程级、数据级和指令级的并行。GSP使用TSMC 28nm HPC工艺功耗预计2.5W。
HPU
Holographic Processing Unit。全息处理器。Microsoft专为自家Hololens应用开发的。第一代HPU采用28nm HPC工艺使用了24个Tensilica DSP并进行了定制化扩展。HPU支持5路cameras、1路深度传感器Depth sensor和1路动作传感器Motion Sensor。Microsoft 在最近的CVPR 2017上宣布了HPU2的一些信息。HPU2将搭载一颗支持DNN的协处理器专门用于在本地运行各种深度学习。指的一提的是HPU是一款为特定应用所打造的芯片这个做产品的思路可以学习。据说Microsoft评测过Movidius见VPU部分的芯片但是觉得无法满足算法对性能、功耗和延迟的要求所有才有了HPU。 IPU
Intelligence Processing Unit。智能处理器。以IPU命名芯片的有两家公司。
Graphcore Graphcore公司的IPU是专门针对graph的计算而打造的。稍微说说GraphGraphcore认为Graph是知识模型及相应算法的非常自然的表示所以将Graph作为机器智能的基础表示方法既适用于神经网络也适用于贝叶斯网络和马尔科夫场以及未来可能出现的新的模型和算法。Graphcore的IPU一直比较神秘直到近期才有一些细节的信息发布。比如16nm同构多核1000架构同时支持training和inference使用大量片上sram性能优于Volta GPU和TPU2预计2017年底会有产品发布等等。多八卦一点Graphcore的CEO和CTO以前创立的做无线通信芯片的公司Icera于2011年被Nvidia收购并于2015年关闭。关于IPU更细节的描述可以看唐博士的微信公号的一篇文章传输门解密又一个xPUGraphcore的IPU。
Mythic 另外一家刚融了$9.3 million的start-up公司Mythic也提到了IPU“Mythic’s intelligence processing unit (IPU) adds best-in-class intelligence to any device”。和现在流行的数字电路平台方案相比Mythic号称可以将功耗降到1/50。之所以这么有信心是因为他们使用的“processing in memory”结构。关于Processing in Memory又可以大写一篇了这里就不扩展了。有兴趣的可以google一下“UCSB 谢源”从他的研究开始了解。
Image Cognition Processor。图像认知处理器ICP加拿大公司CogniVue开发的用于视觉处理和图像认知的IP。跑个题CogniVue一开始是Freescale的IP供应商后来于2015年被Freescale收购以进一步加强ADAS芯片的整合开发随后Freescale又被NXP 118亿美元拿下还没完高通近400亿美元吞并了NXP。 现在NXP家的ADAS SOC芯片S32V系列中就用到了两个ICP IP。
Image Processing Unit。图像处理器。一些SOC芯片中将处理静态图像的模块称为IPU。但是IPU不是一个常用的缩写更常见的处理图像信号的处理器的缩写为下面的ISP。
Image Signal Processor 。图像信号处理器。这个话题也不是一个小话题。ISP的功能简单的来说就是处理camera等摄像设备的输出信号实现降噪、Demosaicing、HDR、色彩管理等功能。以前是各种数码相机、单反相机中的标配。Canon、Nikon、Sony等等你能想到的出数码相机的公司几乎都有自己的ISP。进入手机摄影时代人们对摄影摄像的要求也越来越高ISP必不可少。说回AI领域camera采集图像数据也要先经过ISP进行处理之后再由视觉算法运行在CPU、GPU或ASIC加速器上的进行分析、识别、分类、追踪等进一步处理。也许随着AI技术发展ISP的一些操作会直接被end-2-end的视觉算法统一。
JPU
请原谅鄙人的词汇量没什么新奇的想法。。。。
KPU
Knowledge Processing Unit。 嘉楠耘智canaan号称2017年将发布自己的AI芯片KPU。嘉楠耘智要在KPU单一芯片中集成人工神经网络和高性能处理器主要提供异构、实时、离线的人工智能应用服务。这又是一家向AI领域扩张的不差钱的矿机公司。作为一家做矿机芯片自称是区块链专用芯片和矿机的公司嘉楠耘智累计获得近3亿元融资估值近33亿人民币。据说嘉楠耘智近期将启动股改并推进IPO。
另Knowledge Processing Unit这个词并不是嘉楠耘智第一个提出来的早在10年前就已经有论文和书籍讲到这个词汇了。只是现在嘉楠耘智将KPU申请了注册商标。
LPU
谁给我点灵感
MPU
Micro Processing Unit。微处理器。MPUCPUMCU这三个概念差不多知道就行了。
Mind Processing Unit。意念处理器听起来不错。“解读脑电波”“意念交流”永恒的科幻话题。如果采集大量人类“思考”的脑电波数据通过深度学习再加上强大的意念处理器MPU不知道能否成为mind-reader。如果道德伦理上无法接受先了解一下家里宠物猫宠物狗的“想法”也是可以的吗。再进一步从mind-reader发展为mind-writer持续升级之后是不是就可以成为冰与火中的Skinchanger
Mobile Processing Unit。移动处理器似乎没什么意思。
Motion Processing Unit。运动处理器。解析人类、动物的肌肉运动
题外话并不是所有的xPU都是处理器比如有个MPU是Memory Protection Unit的缩写是内存保护单元是ARM核中配备的具有内存区域保护功能的模块。
NPU
Neural-Network Processing Unit。与GPU类似神经网络处理器NPU已经成为了一个通用名词而非某家公司的专用缩写。由于神经网络计算的类型和计算量与传统计算的区别导致在进行NN计算的时候传统CPU、DSP甚至GPU都有算力、性能、能效等方面的不足所以激发了专为NN计算而设计NPU的需求。这里罗列几个以NPU名义发布过产品的公司以及几个学术圈的神经网络加速器。
中星微电子Vimicro的星光智能一号。中星微于2016年抢先发布了“星光智能一号”NPU。但是这不是一个专为加速Neural Network而开发的处理器。业内都知道其内部集成了多个DSP核其称为NPU core通过SIMD指令的调度来实现对CNN、DNN的支持。以这个逻辑似乎很多芯片都可以叫NPU其他以DSP为计算核心的SOC芯片的命名和宣传都相对保守了。
Kneron 这是一家位于San Diego的start-up公司针对IOT应用领域做deep learning IP开发。Kneron开发的NPU实现了39层CNN28nm下的功耗为0.3W能效200GFLOPs/W。其主页上给出的另一个能效数据是600GOPs/W。此外Kneron同时也在FPGA开发云端的硬件IP。据可靠消息Kneron也要在中国大陆建立研发部门了地点涉及北京、上海、深圳。 VeriSilicon芯原的VIP8000。VSI创立于2001年。VSI于今年5月以神经网络处理器IP的名义发布了这款代号VIP8000的IP。从其公布的消息“VeriSilicon’s Vivante VIP8000 Neural Network Processor IP Delivers Over 3 Tera MACs Per Second”来看这款芯片使用的并不是其DSP core而是内置了其2015年收购的Vivante的GPU core。按照VSI的说法VIP8000在16nm FinFET工艺下的计算力超过3 TMAC/s能效高于1.5 GMAC/s/mW。 DNPU。Deep Neural-Network Processing Unit。DNPU来自于KAIST在ISSCC2017上发表的一篇文章。我把DNPU当做是NPU的一种别名毕竟现在业内做的支持神经网络计算的芯片没有只支持“非深度”神经网络的。关于DNPU可以参考“从ISSCC Deep Learning处理器论文到人脸识别产品”。
Eyeriss。MIT的神经网络项目针对CNN的进行高能效的计算加速设计。
Thinker。清华微电子所设计的一款可重构多模态神经计算芯片可以平衡CNN和RNN在计算和带宽之间的资源冲突。
Neural/Neuromorphic Processing Unit。神经/神经形态处理器。这和上面的神经网络处理器还有所不同。而且一般也不以“处理器”的名字出现更多的时候被称为“神经形态芯片Neuromorphic Chip”或者是“类脑芯片Brain-Inspired Chip”。这类AI芯片不是用CNN、DNN等网络形式来做计算而是以更类似于脑神经组成结构的SNNSpiking Neural Network的形式来进行计算。随便列几个都不是“xPU”的命名方式。
Qualcomm的Zeroth。高通几年前将Zeroth定义为一款NPU配合以软件可以方便的实现SNN的计算。但是NPU似乎不见了踪影现在只剩下了同名的机器学习引擎Zeroth SDK。
IBM的TrueNorth。IBM2014年公布的TrueNorth。在一颗芯片上集成了4096个并行的core每个core包含了256个可编程的神经元neurons一共1百万个神经元。每个神经元有256个突触synapses共256 Mlillion。TrueNorth使用了三星的28nm的工艺共5.4 billion个晶体管。
BrainChip的SNAPSpiking Neuron Adaptive Processor 。已经有了赌场的应用。
GeneralVision的CM1K、NM500 chip以及NeuroMem IP。这家公司的CM1K芯片有1k个神经元每个神经元对应256Byte存储。虽然无法和强大的TrueNorth相提并论但是已有客户应用。并且提供BrainCard上面有FPGA并且可以直接和Arduino以及Raspberry Pi连接。
Knowm 这家start-up在忆阻器memristor技术基础上做“processing in memory”的AI芯片研发。不过与前面提到的MythicIPU部分不同的是Known做的是类脑芯片。Knowm所用的关键技术是一种称为热力学内存(kT-RAM)的memory是根据AHaH理论(Anti-Hebbian and Hebbian)发展而来。
Koniku 成立于2014年的start-up要利用生物神经元来做计算“Biological neurons on a chip”。主页在倒计时可能要有重要进展公布期待。
OPU
Optical-Flow Processing Unit。光流处理器。有需要用专门的芯片来实现光流算法吗不知道但是用ASIC IP来做加速应该是要的。
PPU
Physical Processing Unit。物理处理器。要先解释一下物理运算就知道物理处理器是做什么的了。物理计算就是模拟一个物体在真实世界中应该符合的物理定律。具体的说可以使虚拟世界中的物体运动符合真实世界的物理定律可以使游戏中的物体行为更加真实例如布料模拟、毛发模拟、碰撞侦测、流体力学模拟等。开发物理计算引擎的公司有那么几家使用CPU来完成物理计算支持多种平台。但是Ageia应该是唯一一个使用专用芯片来加速物理计算的公司。Ageia于2006年发布了PPU芯片PhysX还发布了基于PPU的物理加速卡同时提供SDK给游戏开发者。2008年被NVIDIA收购后PhysX加速卡产品被逐渐取消现在物理计算的加速功能由NVIDIA的GPU实现PhysX SDK被NVIDIA重新打造。
QPU
Quantum Processing Unit。量子处理器。量子计算机也是近几年比较火的研究方向。作者承认在这方面所知甚少。可以关注这家成立于1999年的公司D-Wave System。DWave大概每两年可以将其QPU上的量子位个数翻倍一次。
RPU
Resistive Processing Unit。阻抗处理单元RPU。这是IBM Watson Research Center的研究人员提出的概念真的是个处理单元而不是处理器。RPU可以同时实现存储和计算。利用RPU阵列IBM研究人员可以实现80TOPS/s/W的性能。
Ray-tracing Processing Unit。光线追踪处理器。Ray tracing是计算机图形学中的一种渲染算法RPU是为加速其中的数据计算而开发的加速器。现在这些计算都是GPU的事情了。
SPU
Streaming Processing Unit。流处理器。流处理器的概念比较早了是用于处理视频数据流的单元一开始出现在显卡芯片的结构里。可以说GPU就是一种流处理器。甚至还曾经存在过一家名字为“Streaming Processor Inc”的公司2004年创立2009年随着创始人兼董事长被挖去NVIDIA当首席科学家SPI关闭。
Speech-Recognition Processing Unit。语音识别处理器SPU或SRPU。这个缩写还没有公司拿来使用。现在的语音识别和语义理解主要是在云端实现的比如科大讯飞。科大讯飞最近推出了一个翻译机可以将语音传回云端做实时翻译内部硬件没有去专门了解。和语音识别相关的芯片如下。
启英泰伦chipintelli 于2015年11月在成都成立。该公司的CI1006是一款集成了神经网络加速硬件来做语音识别的芯片可实现单芯片本地离线大词汇量识别。 MIT项目。今年年初媒体爆过MIT的一款黑科技芯片其实就是MIT在ISSCC2017上发表的paper里的芯片也是可以实现单芯片离线识别上k个单词。可以参考阅读“分析一下MIT的智能语音识别芯片”。
云知声UniSound。云知声是一家专攻智能语音识别技术的公司成立于2012年6月总部在北京。云知声刚刚获得3亿人民币战略投资其中一部分将用来研发其稍早公布的AI芯片计划命名“UniOne”。据官方透漏UniOne将内置DNN处理单元兼容多麦克风、多操作系统。并且芯片将以模组的形式提供给客户让客户直接拥有一整套云端芯的服务。
Smart Processing Unit。聪明的处理器听起来很Q。
Space Processing Unit。空间处理器高大上有没有。全景摄像全息成像这些还都是处理我们的生活空间。当面对广阔的太阳系、银河系这些宇宙空间是不是需要新的更强大的专用处理器呢飞向M31仙女座星系对抗黑暗武士只靠x86估计是不行的。
TPU
Tensor Processing Unit。Google的张量处理器。2016年AlphaGo打败李世石2017年AlphaGo打败柯洁两次人工智能催化事件给芯片行业带来的冲击无疑就是TPU的出现和解密。Google在2017年5月的开发者I/O大会上正式公布了TPU2又称Cloud TPU。相比于TPU1TPU2既可以用于training又可以用于inference。TPU1使用了脉动阵列的流处理结构具体的细节可以参考如下的文章“Google TPU 揭密”。
UPU
Universe Processing Unit。宇宙处理器。和Space Processing Unit相比你更喜欢哪个
VPU
Vision Processing Unit。视觉处理器VPU也有希望成为通用名词。作为现今最火热的AI应用领域计算机视觉的发展的确能给用户带来前所未有的体验。为了处理计算机视觉应用中遇到的超大计算量多家公司正在为此设计专门的VPU。
Movidius已被Intel收购。Movidius成立于2006年总部位于硅谷的San Mateo创始人是两个爱尔兰人所以在爱尔兰有分部。Movidius早期做的是将旧电影转为3D电影的业务后期开始研发应用于3D渲染的芯片并开始应用于计算机视觉应用领域这说明1芯片行业才是高技术含量、高门槛、高价值的行业2初创公司要随着发展调整自己的战略。Movidius开发的Myriad系列VPU专门为计算机视觉进行优化可以用于 3D 扫描建模、室内导航、360°全景视频等更前沿的计算机视觉用途。例如2014年谷歌的Project Tango项目用 Myriad 1帮助打造室内三维地图2016年大疆的“精灵4”和“御”都采用了Movidius 的 Myriad 2芯片。采用TSMC 28nm工艺的Myriad2中集成了12个向量处理器SHAVE (Streaming Hybrid Architecture Vector Engine)。按照Movidius的说法SHAVE是一种混合型流处理器集成了GPU、 DSP和RISC的优点支持8/16/32 bit定点和16/32 bit浮点计算而且硬件上支持稀疏数据结构。此外Myriad2中有两个RISC核以及video硬件加速器。据称Myriad2可以同时处理多个视频流。 Inuitive 一家以色列公司提供3D图像和视觉处理方案用于AR/VR、无人机等应用场景。Inuitive的下一代视觉处理器NU4000采用28nm工艺选择使用CEVA的XM4 DSP并集成了深度学习处理器自己开发或者购买IP和深度处理引擎等硬件加速器。
DeepVision 一家总部位于Palo Alto的start-up为嵌入式设备设计和开发低功耗VPU以支持深度学习、CNN以及传统的视觉算法同时提供实时处理软件。
Visual Processing Unit。这里是visual不是vision。ATI一开始称自家显卡上的芯片为VPU后来见贤思齐都改叫GPU了。
Video Processing Unit。视频处理器。处理动态视频而不是图像例如进行实时编解码。
Vector Processing Unit。向量处理器。标量处理器、向量处理器、张量处理器这是以处理器处理的数据类型进行的划分。现在的CPU已经不再是单纯的标量处理器很多CPU都集成了向量指令最典型的就是SIMD。向量处理器在超级计算机和高性能计算中扮演着重要角色。基于向量处理器研发AI领域的专用芯片也是很多公司的选项。例如前面刚提到Movidius的Myriad2中就包含了12个向量处理器。
Vision DSP。针对AI中的计算机视觉应用各家DSP公司都发布了DSP的Vision系列IP。简单罗列如下。
CEVA的XM4最新的XM6 DSP。除了可以连接支持自家的硬件加速器HWACEVA Deep Neural Network Hardware Accelerator )也可以支持第三方开发的HWA。前面提到的Inuitive使用了XM4。可以参考“处理器IP厂商的机器学习方案 - CEVA”。
Tensilica2013年被Cadence以3.8亿美元收购的P5、P6以及最新的C5 DSP。一个最大的特色就是可以用TIE语言来定制指令。前面微软的HPU中使用他家的DSP。可以参考“神经网络DSP核的一桌麻将终于凑齐了”。
Synopsys的EV5x和EV6x系列DSP。可以参考“处理器IP厂商的机器学习方案 - Synopsys”。
Videantis的v-MP4系列。Videantis成立于1997年总部位于德国汉诺顿。v-MP4虽然能做很多机器视觉的任务但还是传统DSP增强设计并没有针对神经网络做特殊设计。
WPU
Wearable Processing Unit。一家印度公司Ineda Systems在2014年大肆宣传了一下他们针对IOT市场推出的WPU概念获得了高通和三星的注资。Ineda Systems研发的这款“Dhanush WPU”分为四个级别可适应普通级别到高端级别的可穿戴设备的运算需求可以让可穿戴设备的电池达到30天的持续续航、减少10x倍的能耗。但是一切似乎在2015年戛然而止没有了任何消息。只在主页的最下端有文字显示Ineda将WPU申请了注册商标。有关WPU的信息只有大概结构哦对了还有一个美国专利。
Wisdom Processing Unit。智慧处理器。这个WPU听起来比较高大上拿去用不谢。不过有点“脑白金”的味道。
XPU
不如干脆就叫XPUX可以表示未知一切皆有可能类似X ManX FileSpaceX。
就在这篇快收尾的时候获悉在今年的hotchip会议上Baidu公开了其FPGA Accelerator的名字就叫XPU。还没有具体细节可说拭目以待吧。
YPU
Y没想法需要求助各位读者了。
ZPU
Zylin CPU。挪威公司Zylin的CPU的名字。为了在资源有限的FPGA上能拥有一个灵活的微处理器Zylin开发了ZPU。ZPU是一种stack machine堆栈结构机器指令没有操作数代码量很小并有GCC工具链支持被称为“The worlds smallest 32 bit CPU with GCC toolchain”。Zylin在2008年将ZPU在opencores上开源。有组织还将Arduino的开发环境进行了修改给ZPU用。
其他非xPU的AI芯片 寒武纪科技Cambricon 中科院背景的寒武纪并没有用xPU的方式命名自家的处理器。媒体的文章既有称之为深度学习处理器DPU的也有称之为神经网络处理器NPU的。陈氏兄弟的DianNao系列芯片架构连续几年在各大顶级会议上刷了好几篇best paper为其公司的成立奠定了技术基础。寒武纪Cambricon-X指令集是其一大特色。目前其芯片IP已扩大范围授权集成到手机、安防、可穿戴设备等终端芯片中。据流传2016年就已拿到一亿元订单。在一些特殊领域寒武纪的芯片将在国内具有绝对的占有率。最新报道显示寒武纪又融了1亿美元。
Intel Intel在智能手机芯片市场的失利让其痛定思痛一改当年的犹豫在AI领域的几个应用方向上接连发了狠招。什么狠招呢就是三个字买买买。在数据中心/云计算方面167亿美金收购的Altera4亿美金收购Nervana在移动端的无人机、安防监控等方面收购Movidius未公布收购金额在ADAS方面153亿美金收购Mobileye。Movidius在前面VPU部分进行了介绍这里补充一下Nervana和Mobileye基于视觉技术做ADAS方案不是单纯的视觉处理器所以没写在VPU部分。
Nervana Nervana成立于2014年总部在SanDiego以提供AI全栈软件平台Nervana Cloud为主要业务。和硬件扯上关系的是Nervana Cloud除了支持CPU、GPU甚至Xeon Phi等后台硬件外还提供有自家定制的Nervana Engine硬件架构。根据 The Next Platform的报道“Deep Learning Chip Upstart Takes GPUs to Task”Nervana Engine 使用TSMC 28nm工艺算力55 TOPS。报道发布不到24小时就被Intel收购了全部48位员工并入Intel。Intel以Nervana Engine为核心打造了Crest Family系列芯片。项目代码为“Lake Crest”的芯片是第一代Nervana Engine“Knights Crest”为第二代。哦对了Nervana的CEO在创立Nervana之前在高通负责一个神经形态计算的研究项目就是上面提到的Zeroth。 Mobileye 一家基于计算机视觉做ADAS的以色列公司成立于1999年总部在耶路撒冷。Mobileye为自家的ADAS系统开发了专用的芯片——EyeQ系列。2015年Tesla宣布正在使用Mobileye的芯片EyeQ3和方案。但是2016年7月Tesla和Mobileye宣布将终止合作。随后Mobile于2017年被Intel以$153亿收入囊中现在是Intel的子公司。Mobileye的EyeQ4使用了28nm SOI工艺其中用了4个MIPS的大CPU core做主控和算法调度以及一个MIPS的小CPU core做外设控制集成了10个向量处理器称为VMPVector Microcode Processor来做数据运算有点眼熟回去看看Movidius部分。Mobileye的下一代EyeQ5将使用7nm FinFET工艺集成18个视觉处理器并且为了达到自动驾驶的level 5增加了硬件安全模块。 比特大陆Bitmain 比特大陆设计的全定制矿机芯片性能优越让其大赚特赚。在卖矿机芯片之余比特大陆自己也挖挖矿。总之芯片设计能力非凡、土豪有钱的比特大陆对标NVIDIA的高端GPU芯片任性地用16nm的工艺开启了自家的AI芯片之路。芯片测试已有月余据传功耗60W左右同步在招揽产品、市场人员。最近的推文爆出了这款AI芯片的名字“智子Sophon”来自著名的《三体》可见野心不小相信不就即将正式发布。
华为海思 市场期待华为的麒麟970已经很长时间了内置AI加速器已成公开的秘密据传用了寒武纪的IP就等秋季发布会了。还是据传海思的HI3559中用了自己研发的深度学习加速器。
苹果 苹果正在研发一款AI芯片内部称为“苹果神经引擎”(Apple Neural Engine)。这个消息大家并不惊讶大家想知道的就是这个ANE会在哪款iphone中用上。
高通 高通除了维护其基于Zeroth的软件平台在硬件上也动作不断。收购NXP的同时据传高通也一直在和Yann LeCun以及Facebook的AI团队保持合作共同开发用于实时推理的新型芯片。
还有一些诸如Leapmind、REM这样的start-up就不一一列举。
结束语 AI芯片百家争鸣机遇伴随挑战今天你争我夺明天就可能并购。随着这些“xPU”的不断推陈出新26个字母使用殆尽。但是换个角度其实也没关系索性起个独特的名字。或者抢先布局“processing in memory”路线先占个“xxxRAM”或“xxxMem”名字。
最后安利一下清华汪玉老师的实验室做的网页NN Accelerator | NICS EFC Lab收集了各种公开的神经网络加速器的数据并进行了可视化如图。
