AI芯片技术路线走向

一、短期：GPU仍延续AI芯片的领导地位，FPGA增长较快

GPU短期将延续AI芯片的领导地位。目前GPU是市场上用于AI计算最成熟应用最广泛的通用型芯片，在算法技术和应用层次尚浅时期，GPU由于其强大的计算能力、较低的研发成本和通用性将继续占领AI芯片的主要市场份额。GPU的领军厂商英伟达仍在不断探寻GPU的技术突破，新推出的Volta架构使得GPU一定程度上克服了在深度学习推理阶段的短板，在效率要求和场景应用进一步深入之前，作为数据中心和大型计算力支撑的主力军，GPU仍具有很大的优势。

FPGA是目前增长点，FPGA的最大优势在于可编程带来的配置灵活性，在目前技术与运用都在快速更迭的时期具有巨大的实用性，而且FPGA还具有比GPU更高的功效能耗比。企业通过FPGA可以有效降低研发调试成本，提高市场响应能力，推出差异化产品。在专业芯片发展得足够重要之前，FPGA是最好的过渡产品，所以科技巨头纷纷布局云计算+FPGA的平台。随着FPGA的开发者生态逐渐丰富，适用的编程语言增加，FPGA运用会更加广泛。因此短期内，FPGA作为兼顾效率和灵活性的硬件选择仍将是热点所在。

二、长期：三大类技术路线各有优劣，会长期并存

（1）GPU主攻高级复杂算法和通用型人工智能平台

GPU未来的进化路线可能会逐渐发展为两条路，一条主攻高端复杂算法的实现，由于GPU相比FPGA和ASIC高性能计算能力较强，同时对于指令的逻辑控制上也更复杂一些，在面临需求通用型AI计算的应用方面具有较大优势。第二条路则是通型人工智能平台，GPU由于设计方面，通用性强，性能较高，应用于大型人工智能平台够高效地完成不同种类的调用需求。

（2）FPGA适用变化多的垂直细分行业

FPGA具有独一无二的灵活性优势，对于部分市场变化迅速的行业非常适用。同时，FPGA的高端器件中也可以逐渐增加DSP、ARM核等高级模块，以实现较为复杂的算法。FPGA以及新一代ACAP芯片，具备了高度的灵活性，可以根据需求定义计算架构，开发周期远远小于设计一款专用芯片，更适用于各种细分的行业。ACAP的出现，引入了AI核的优点，势必会进一步拉近与专用芯片的差距。随着 FPGA 应用生态的逐步成熟，FPGA 的优势也会逐渐为更多用户所了解。

（3）ASIC芯片是全定制芯片，长远看适用于人工智能

因为算法复杂度越强，越需要一套专用的芯片架构与其进行对应，而ASIC基于人工智能算法进行定制，其发展前景看好。ASIC是AI领域未来潜力较大的芯片，AI算法厂商有望通过算法嵌入切入该领域。ASIC具有高性能低消耗的特点，可以基于多个人工智算法进行定制，其定制化的特点使其能够针对不同环境达到最佳适应，在深度学习的训练和推理阶段皆能占据一定地位。

目前由于人工智能产业仍处在发展的初期，较高的研发成本和变幻莫测的市场使得很多企业望而却步。未来当人工智能技术、平台和终端的发展达到足够成熟度，人工智能应用的普及程使得专用芯片能够达到量产水平，此时ASIC芯片的发展将更上一层楼。此外，AI算法提供商也有望将已经优化设计好的算法直接烧录进芯片，从而实现算法IP的芯片化，这将为AI芯片的发展注入新的动力。