人工智能各层思维导图
基础层
GPU
随着CPU摩尔定律的终止,传统处理器的计算力已远远不能满足海量并行计算与浮点运算的深度学习训练需求,而在人工智能领域反应出强大适应性的GPU成为标配。GPU比CPU拥有更多的运算器(Arithmetic Logical Unit),只需要进行高速运算而不需要逻辑判断,其海量数据并行运算的能力与深度学习的需求不谋而合。因此,在深度学习上游训练端(主要用于云计算数据中心),GPU是第一选择。目前,GPU的市场格局以英伟达为主(超过70%),AMD为辅,预计3~5年内GPU仍然是深度学习市场的第一选择。
FGPA
FPGA是现场可编程门阵列。下游推理端更接近终端应用,更关注响应时间而不是吞吐率,需求更加细分。目前来看,下游推理端虽可容纳GPU、FPGA、ASIC等芯片,但随着AI的发展,FPGA的低延迟、低功耗、可编程性(适用于传感器数据预处理工作以及小型开发试错升级迭代阶段)将凸显出来。在FPGA的市场份额中,Xilinx为49%,主要应用于工业和通信领域,近年亦致力于云计算数据中心的服