█** ASIC**（專用集成電路）

上篇提到，GPU的并行算力能力很強(qiáng)，但是它也有缺點(diǎn)，就是功耗高，體積大，價(jià)格貴。

進(jìn)入21世紀(jì)后，算力需求呈現(xiàn)兩個(gè)顯著趨勢(shì)：一，算力的使用場(chǎng)景，開(kāi)始細(xì)分；二，用戶對(duì)算力性能的要求，越來(lái)越高。通用的算力芯片，已經(jīng)無(wú)法滿足用戶的需求。

于是，越來(lái)越多的企業(yè)，開(kāi)始加強(qiáng)對(duì)專用計(jì)算芯片的研究和投資力度。而ASIC（Application Specific Integrated Circuit，專用集成電路），就是一種專用于特定任務(wù)的芯片。

ASIC的官方定義，是指：應(yīng)特定用戶的要求，或特定電子系統(tǒng)的需要，專門設(shè)計(jì)、制造的集成電路。

ASIC起步于上世紀(jì)70-80年代。早期的時(shí)候，曾用于計(jì)算機(jī)。后來(lái)，主要用于嵌入式控制。這幾年，如前面所說(shuō)，開(kāi)始崛起，用于AI推理、高速搜索以及視覺(jué)和圖像處理等。

說(shuō)到ASIC，我們就不得不提到Google公司大名鼎鼎的TPU。

TPU，全稱Tensor Processing Unit，張量處理單元。所謂“張量（tensor）”，是一個(gè)包含多個(gè)數(shù)字（多維數(shù)組）的數(shù)學(xué)實(shí)體。

目前，幾乎所有的機(jī)器學(xué)習(xí)系統(tǒng)，都使用張量作為基本數(shù)據(jù)結(jié)構(gòu)。所以，張量處理單元，我們可以簡(jiǎn)單理解為“AI處理單元”。

2015年，為了更好地完成自己的深度學(xué)習(xí)任務(wù)，提升AI算力，Google推出了一款專門用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的芯片，也就是TPU v1。

相比傳統(tǒng)的CPU和GPU，在神經(jīng)網(wǎng)絡(luò)計(jì)算方面，TPU v1可以獲得1530倍的性能提升，能效提升更是達(dá)到3080倍，給行業(yè)帶來(lái)了很大震動(dòng)。

2017年和2018年，Google又再接再厲，推出了能力更強(qiáng)的TPU v2和TPU v3，用于AI訓(xùn)練和推理。2021年，他們推出了TPU v4，采用7nm工藝，晶體管數(shù)達(dá)到220億，性能相較上代提升了10倍，比英偉達(dá)的A100還強(qiáng)1.7倍。

除了Google之外，還有很多大廠這幾年也在搗鼓ASIC。

英特爾公司在2019年底收購(gòu)了以色列AI芯片公司Habana Labs，2022年，發(fā)布了Gaudi 2 ASIC芯片。IBM研究院，則于2022年底，發(fā)布了AI ASIC芯片AIU。

三星早幾年也搞過(guò)ASIC，當(dāng)時(shí)做的是礦機(jī)專用芯片。沒(méi)錯(cuò)，很多人認(rèn)識(shí)ASIC，就是從比特幣挖礦開(kāi)始的。相比GPU和CPU挖礦，ASIC礦機(jī)的效率更高，能耗更低。

除了TPU和礦機(jī)之外，另外兩類很有名的ASIC芯片，是DPU和NPU。

DPU是數(shù)據(jù)處理單元（Data Processing Unit），主要用于數(shù)據(jù)中心。小棗君之前曾經(jīng)專門介紹過(guò)，可以看這里：火遍全網(wǎng)的DPU，到底是個(gè)啥？

NPU的話，叫做神經(jīng)網(wǎng)絡(luò)處理單元（Neural Processing Unit），在電路層模擬人類神經(jīng)元和突觸，并用深度學(xué)習(xí)指令集處理數(shù)據(jù)。

NPU專門用于神經(jīng)網(wǎng)絡(luò)推理，能夠?qū)崿F(xiàn)高效的卷積、池化等操作。一些手機(jī)芯片里，經(jīng)常集成這玩意。

說(shuō)到手機(jī)芯片，值得一提的是，我們手機(jī)現(xiàn)在的主芯片，也就是常說(shuō)的SoC芯片，其實(shí)也是一種ASIC芯片。

ASIC作為專門的定制芯片，優(yōu)點(diǎn)體現(xiàn)在哪里？只是企業(yè)獨(dú)享，專用logo和命名？

不是的。

定制就是量體裁衣?；谛酒嫦虻膶ｍ?xiàng)任務(wù)，芯片的計(jì)算能力和計(jì)算效率都是嚴(yán)格匹配于任務(wù)算法的。芯片的核心數(shù)量，邏輯計(jì)算單元和控制單元比例，以及緩存等，整個(gè)芯片架構(gòu)，也是精確定制的。

所以，定制專用芯片，可以實(shí)現(xiàn)極致的體積、功耗。這類芯片的可靠性、保密性、算力、能效，都會(huì)比通用芯片（CPU、GPU）更強(qiáng)。

大家會(huì)發(fā)現(xiàn)，前面我們提到的幾家ASIC公司，都是谷歌、英特爾、IBM、三星這樣的大廠。

這是因?yàn)?，?duì)芯片進(jìn)行定制設(shè)計(jì)，對(duì)一家企業(yè)的研發(fā)技術(shù)水平要求極高，且耗資極為巨大。

做一款A(yù)SIC芯片，首先要經(jīng)過(guò)代碼設(shè)計(jì)、綜合、后端等復(fù)雜的設(shè)計(jì)流程，再經(jīng)過(guò)幾個(gè)月的生產(chǎn)加工以及封裝測(cè)試，才能拿到芯片來(lái)搭建系統(tǒng)。

大家都聽(tīng)說(shuō)過(guò)“流片（Tape-out）”。像流水線一樣，通過(guò)一系列工藝步驟制造芯片，就是流片。簡(jiǎn)單來(lái)說(shuō)，就是試生產(chǎn)。

ASIC的研發(fā)過(guò)程是需要流片的。14nm工藝，流片一次需要300萬(wàn)美元左右。5nm工藝，更是高達(dá)4725萬(wàn)美元。

流片一旦失敗，錢全部打水漂，還耽誤了大量的時(shí)間和精力。一般的小公司，根本玩不起。

那么，是不是小公司就無(wú)法進(jìn)行芯片定制了呢？

當(dāng)然不是。接下來(lái)，就輪到另一個(gè)神器出場(chǎng)了，那就是——FPGA。

█** FPGA（現(xiàn)場(chǎng)可編程門陣列）**

FPGA，英文全稱Field Programmable Gate Array，現(xiàn)場(chǎng)可編程門陣列。

FPGA這些年在行業(yè)里很火，勢(shì)頭比ASIC還猛，甚至被人稱為“萬(wàn)能芯片”。

其實(shí)，簡(jiǎn)單來(lái)說(shuō)，F(xiàn)PGA就是可以重構(gòu)的芯片。它可以根據(jù)用戶的需要，在制造后，進(jìn)行無(wú)限次數(shù)的重復(fù)編程，以實(shí)現(xiàn)想要的數(shù)字邏輯功能。

之所以FPGA可以實(shí)現(xiàn)DIY，是因?yàn)槠洫?dú)特的架構(gòu)。

FPGA由可編程邏輯塊（Configurable Logic Blocks，CLB）、輸入/輸出模塊（I/O Blocks，IOB）、可編程互連資源（Programmable Interconnect Resources，PIR）等三種可編程電路，以及靜態(tài)存儲(chǔ)器SRAM共同組成。

CLB是FPGA中最重要的部分，是實(shí)現(xiàn)邏輯功能的基本單元，承載主要的電路功能。

它們通常規(guī)則排列成一個(gè)陣列（邏輯單元陣列，LCA，Logic Cell Array），散布于整個(gè)芯片中。

IOB主要完成芯片上的邏輯與外部引腳的接口，通常排列在芯片的四周。

PIR提供了豐富的連線資源，包括縱橫網(wǎng)狀連線、可編程開(kāi)關(guān)矩陣和可編程連接點(diǎn)等。它們實(shí)現(xiàn)連接的作用，構(gòu)成特定功能的電路。

靜態(tài)存儲(chǔ)器SRAM，用于存放內(nèi)部IOB、CLB和PIR的編程數(shù)據(jù)，并形成對(duì)它們的控制，從而完成系統(tǒng)邏輯功能。

CLB本身，又主要由查找表（Look-Up Table，LUT）、多路復(fù)用器（Multiplexer）和觸發(fā)器（Flip-Flop）構(gòu)成。它們用于承載電路中的一個(gè)個(gè)邏輯“門”，可以用來(lái)實(shí)現(xiàn)復(fù)雜的邏輯功能。

簡(jiǎn)單來(lái)說(shuō)，我們可以把LUT理解為存儲(chǔ)了計(jì)算結(jié)果的RAM。當(dāng)用戶描述了一個(gè)邏輯電路后，軟件會(huì)計(jì)算所有可能的結(jié)果，并寫(xiě)入這個(gè)RAM。每一個(gè)信號(hào)進(jìn)行邏輯運(yùn)算，就等于輸入一個(gè)地址，進(jìn)行查表。LUT會(huì)找出地址對(duì)應(yīng)的內(nèi)容，返回結(jié)果。

這種“硬件化”的運(yùn)算方式，顯然具有更快的運(yùn)算速度。

用戶使用FPGA時(shí)，可以通過(guò)硬件描述語(yǔ)言（Verilog或VHDL），完成的電路設(shè)計(jì)，然后對(duì)FPGA進(jìn)行“編程”（燒寫(xiě)），將設(shè)計(jì)加載到FPGA上，實(shí)現(xiàn)對(duì)應(yīng)的功能。

加電時(shí)，F(xiàn)PGA將EPROM（可擦編程只讀存儲(chǔ)器）中的數(shù)據(jù)讀入SRAM中，配置完成后，F(xiàn)PGA進(jìn)入工作狀態(tài)。掉電后，F(xiàn)PGA恢復(fù)成白片，內(nèi)部邏輯關(guān)系消失。如此反復(fù)，就實(shí)現(xiàn)了“現(xiàn)場(chǎng)”定制。

FPGA的功能非常強(qiáng)大。理論上，如果FPGA提供的門電路規(guī)模足夠大，通過(guò)編程，就能夠?qū)崿F(xiàn)任意ASIC的邏輯功能。

我們?cè)倏纯碏PGA的發(fā)展歷程。

FPGA是在PAL（可編程陣列邏輯）、GAL（通用陣列邏輯）等可編程器件的基礎(chǔ)上發(fā)展起來(lái)的產(chǎn)物，屬于一種半定制電路。

它誕生于1985年，發(fā)明者是Xilinx公司（賽靈思）。后來(lái)，Altera（阿爾特拉）、Lattice（萊迪思）、Microsemi（美高森美）等公司也參與到FPGA這個(gè)領(lǐng)域，并最終形成了四巨頭的格局。

2015年5月，Intel（英特爾）以167億美元的天價(jià)收購(gòu)了Altera，后來(lái)收編為PSG（可編程解決方案事業(yè)部）部門。

2020年，Intel的競(jìng)爭(zhēng)對(duì)手AMD也不甘示弱，以350億美元收購(gòu)了Xilinx。

于是，就變成了Xilinx（AMD旗下）、Intel、Lattice和Microsemi四巨頭（換湯不換藥）。

2021年，這四家公司的市占率分別為51%、29%、7%和6%，加起來(lái)是全球總份額的93%。

不久前，2023年10月，Intel宣布計(jì)劃拆分PSG部門，獨(dú)立業(yè)務(wù)運(yùn)營(yíng)。

國(guó)內(nèi)FPGA廠商的話，包括復(fù)旦微電、紫光國(guó)微、安路科技、東土科技、高云半導(dǎo)體、京微齊力、京微雅格、智多晶、遨格芯等。看上去數(shù)量不少，但實(shí)際上技術(shù)差距很大。

█** ASIC和FPGA的區(qū)別**

接下來(lái)，我們重點(diǎn)說(shuō)說(shuō)ASIC和FPGA的區(qū)別，還有它們和CPU、GPU之間的區(qū)別。

ASIC和FPGA，本質(zhì)上都是芯片。AISC是全定制芯片，功能寫(xiě)死，沒(méi)辦法改。而FPGA是半定制芯片，功能靈活，可玩性強(qiáng)。

我們還是可以通過(guò)一個(gè)例子，來(lái)說(shuō)明兩者之間的區(qū)別。

ASIC就是用模具來(lái)做玩具。事先要進(jìn)行開(kāi)模，比較費(fèi)事。而且，一旦開(kāi)模之后，就沒(méi)辦法修改了。如果要做新玩具，就必須重新開(kāi)模。

而FPGA呢，就像用樂(lè)高積木來(lái)搭玩具。上手就能搭，花一點(diǎn)時(shí)間，就可以搭好。如果不滿意，或者想搭新玩具，可以拆開(kāi)，重新搭。

ASIC與FPGA的很多設(shè)計(jì)工具是相同的。在設(shè)計(jì)流程上，F(xiàn)PGA沒(méi)有ASIC那么復(fù)雜，去掉了一些制造過(guò)程和額外的設(shè)計(jì)驗(yàn)證步驟，大概只有ASIC流程的50%-70%。最頭大的流片過(guò)程，F(xiàn)PGA是不需要的。

這就意味著，開(kāi)發(fā)ASIC，可能需要幾個(gè)月甚至一年以上的時(shí)間。而FPGA，只需要幾周或幾個(gè)月的時(shí)間。

剛才說(shuō)到FPGA不需要流片，那么，是不是意味著FPGA的成本就一定比ASIC低呢？

不一定。

FPGA可以在實(shí)驗(yàn)室或現(xiàn)場(chǎng)進(jìn)行預(yù)制和編程，不需要一次性工程費(fèi)用 （NRE）。但是，作為“通用玩具”，它的成本是ASIC（壓模玩具）的10倍。

如果生產(chǎn)量比較低，那么，F(xiàn)PGA會(huì)更便宜。如果生產(chǎn)量高，ASIC的一次性工程費(fèi)用被平攤，那么，ASIC反而便宜。

這就像開(kāi)模費(fèi)用。開(kāi)模很貴，但是，如果銷量大，開(kāi)模就劃算了。

如下圖所示，40W片，是ASIC和FPGA成本高低的一個(gè)分界線。產(chǎn)量少于40W，F(xiàn)PGA便宜。多于40W，ASIC便宜。

從性能和功耗的角度來(lái)看，作為專用定制芯片，ASIC是比FPGA強(qiáng)的。

FPGA是通用可編輯的芯片，冗余功能比較多。不管你怎么設(shè)計(jì)，都會(huì)多出來(lái)一些部件。

前面小棗君也說(shuō)了，ASIC是貼身定制，沒(méi)什么浪費(fèi)，且采用硬連線。所以，性能更強(qiáng)，功耗更低。

FPGA和ASIC，不是簡(jiǎn)單的競(jìng)爭(zhēng)和替代關(guān)系，而是各自的定位不同。

FPGA現(xiàn)在多用于產(chǎn)品原型的開(kāi)發(fā)、設(shè)計(jì)迭代，以及一些低產(chǎn)量的特定應(yīng)用。它適合那些開(kāi)發(fā)周期必須短的產(chǎn)品。FPGA還經(jīng)常用于ASIC的驗(yàn)證。

ASIC用于設(shè)計(jì)規(guī)模大、復(fù)雜度高的芯片，或者是成熟度高、產(chǎn)量比較大的產(chǎn)品。

FPGA還特別適合初學(xué)者學(xué)習(xí)和參加比賽?，F(xiàn)在很多大學(xué)的電子類專業(yè)，都在使用FPGA進(jìn)行教學(xué)。

從商業(yè)化的角度來(lái)看，F(xiàn)PGA的主要應(yīng)用領(lǐng)域是通信、國(guó)防、航空、數(shù)據(jù)中心、醫(yī)療、汽車及消費(fèi)電子。

FPGA在通信領(lǐng)域用得很早。很多基站的處理芯片（基帶處理、波束賦形、天線收發(fā)器等），都是用的FPGA。核心網(wǎng)的編碼和協(xié)議加速等，也用到它。數(shù)據(jù)中心之前在DPU等部件上，也用。

后來(lái)，很多技術(shù)成熟了、定型了，通信設(shè)備商們就開(kāi)始用ASIC替代，以此減少成本。

值得一提的是，最近這些年很熱門的Open RAN，其實(shí)很多都是采用通用處理器（Intel CPU）進(jìn)行計(jì)算。這種方案的能耗遠(yuǎn)遠(yuǎn)不如FPGA和ASIC。這也是包括華為等設(shè)備商不愿意跟進(jìn)Open RAN的主要原因之一。

汽車和工業(yè)領(lǐng)域，主要是看中了FPGA的時(shí)延優(yōu)勢(shì)，所以會(huì)用在ADAS（高級(jí)駕駛輔助系統(tǒng)）和伺服電機(jī)驅(qū)動(dòng)上。

消費(fèi)電子用FPGA，是因?yàn)楫a(chǎn)品迭代太快。ASIC的開(kāi)發(fā)周期太長(zhǎng)了，等做出東西來(lái)，黃花菜都涼了。

█** FPGA、ASIC、GPU，誰(shuí)是最合適的AI芯片？**

最后，我們還是要繞回到AI芯片的話題。

上一期，小棗君埋了一個(gè)雷，說(shuō)AI計(jì)算分訓(xùn)練和推理。訓(xùn)練是GPU處于絕對(duì)領(lǐng)先地位，而推理不是。我沒(méi)有說(shuō)原因。

現(xiàn)在，我來(lái)解釋一下。

首先，大家要記住，單純從理論和架構(gòu)的角度，ASIC和FPGA的性能和成本，肯定是優(yōu)于CPU和GPU的。

CPU、GPU遵循的是馮·諾依曼體系結(jié)構(gòu)，指令要經(jīng)過(guò)存儲(chǔ)、譯碼、執(zhí)行等步驟，共享內(nèi)存在使用時(shí)，要經(jīng)歷仲裁和緩存。

而FPGA和ASIC并不是馮·諾依曼架構(gòu)（是哈佛架構(gòu)）。以FPGA為例，它本質(zhì)上是無(wú)指令、無(wú)需共享內(nèi)存的體系結(jié)構(gòu)。

FPGA的邏輯單元功能在編程時(shí)已確定，屬于用硬件來(lái)實(shí)現(xiàn)軟件算法。對(duì)于保存狀態(tài)的需求，F(xiàn)PGA中的寄存器和片上內(nèi)存（BRAM）屬于各自的控制邏輯，不需要仲裁和緩存。

從ALU運(yùn)算單元占比來(lái)看，GPU比CPU高，F(xiàn)PGA因?yàn)閹缀鯖](méi)有控制模塊，所有模塊都是ALU運(yùn)算單元，比GPU更高。

所以，綜合各個(gè)角度，F(xiàn)PGA的運(yùn)算速度會(huì)比GPU更快。

再看看功耗方面。

GPU的功耗，是出了名的高，單片可以達(dá)到250W，甚至450W（RTX4090）。而FPGA呢，一般只有30~50W。

這主要是因?yàn)閮?nèi)存讀取。GPU的內(nèi)存接口（GDDR5、HBM、HBM2）帶寬極高，大約是FPGA傳統(tǒng)DDR接口的4-5倍。但就芯片本身來(lái)說(shuō)，讀取DRAM所消耗的能量，是SRAM的100倍以上。GPU頻繁讀取DRAM的處理，產(chǎn)生了極高的功耗。

另外，F(xiàn)PGA的工作主頻（500MHz以下）比CPU、GPU（1~3GHz）低，也會(huì)使得自身功耗更低。FPGA的工作主頻低，主要是受布線資源的限制。有些線要繞遠(yuǎn)，時(shí)鐘頻率高了，就來(lái)不及。

最后看看時(shí)延。

GPU時(shí)延高于FPGA。

GPU通常需要將不同的訓(xùn)練樣本，劃分成固定大小的“Batch（批次）”，為了最大化達(dá)到并行性，需要將數(shù)個(gè)Batch都集齊，再統(tǒng)一進(jìn)行處理。

FPGA的架構(gòu)，是無(wú)批次（Batch-less）的。每處理完成一個(gè)數(shù)據(jù)包，就能馬上輸出，時(shí)延更有優(yōu)勢(shì)。

那么，問(wèn)題來(lái)了。GPU這里那里都不如FPGA和ASIC，為什么還會(huì)成為現(xiàn)在AI計(jì)算的大熱門呢？

很簡(jiǎn)單，在對(duì)算力性能和規(guī)模的極致追求下，現(xiàn)在整個(gè)行業(yè)根本不在乎什么成本和功耗。

在英偉達(dá)的長(zhǎng)期努力下，GPU的核心數(shù)和工作頻率一直在提升，芯片面積也越來(lái)越大，屬于硬剛算力。功耗靠工藝制程，靠水冷等被動(dòng)散熱，反而不著火就行。

除了硬件之外，上篇文章小棗君也提到，英偉達(dá)在軟件和生態(tài)方面很會(huì)布局。

他們搗鼓出來(lái)的CUDA，是GPU的一個(gè)核心競(jìng)爭(zhēng)力?；贑UDA，初學(xué)者都可以很快上手，進(jìn)行GPU的開(kāi)發(fā)。他們苦心經(jīng)營(yíng)多年，也形成了群眾基礎(chǔ)。

相比之下，F(xiàn)PGA和ASIC的開(kāi)發(fā)還是太過(guò)復(fù)雜，不適合普及。

在接口方面，雖然GPU的接口比較單一（主要是PCIe），沒(méi)有FPGA靈活（FPGA的可編程性，使其能輕松對(duì)接任何的標(biāo)準(zhǔn)和非標(biāo)準(zhǔn)接口），但對(duì)于服務(wù)器來(lái)說(shuō)，足夠了，插上就能用。

除了FPGA之外，ASIC之所以在AI上干不過(guò)GPU，和它的高昂成本、超長(zhǎng)開(kāi)發(fā)周期、巨大開(kāi)發(fā)風(fēng)險(xiǎn)有很大關(guān)系?，F(xiàn)在AI算法變化很快，ASIC這種開(kāi)發(fā)周期，很要命。

綜合上述原因，GPU才有了現(xiàn)在的大好局面。

在AI訓(xùn)練上，GPU的算力強(qiáng)勁，可以大幅提升效率。

在AI推理上，輸入一般是單個(gè)對(duì)象（圖像），所以要求要低一點(diǎn)，也不需要什么并行，所以GPU的算力優(yōu)勢(shì)沒(méi)那么明顯。很多企業(yè)，就會(huì)開(kāi)始采用更便宜、更省電的FPGA或ASIC，進(jìn)行計(jì)算。

其它一些算力場(chǎng)景，也是如此?？粗厮懔^對(duì)性能的，首選GPU。算力性能要求不那么高的，可以考慮FPGA或ASIC，能省則省。

█** 最后的話**

關(guān)于CPU、GPU、FPGA、ASIC的知識(shí)，就介紹到這里了。

它們是計(jì)算芯片的典型代表。人類目前所有的算力場(chǎng)景，基本上都是由它們?cè)谪?fù)責(zé)。

隨著時(shí)代的發(fā)展，計(jì)算芯片也有了新的趨勢(shì)。例如，不同算力芯片進(jìn)行混搭，互相利用優(yōu)勢(shì)。我們管這種方式，叫做異構(gòu)計(jì)算。另外，還有IBM帶頭搞的類腦芯片，類似于大腦的神經(jīng)突觸，模擬人腦的處理過(guò)程，也獲得了突破，熱度攀升。以后有機(jī)會(huì)，我再和大家專門介紹。

審核編輯：劉清