盘点：几款响应人工智能和深度学习需要的芯片

　　【中国智能制造网 智造快讯】人工智能将推动新一轮计算革命，深度学习需要海量数据并行运算，传统计算架构无法支撑深度学习的大规模并行计算需求。因此，深度学习需要更适应此类算法的新的底层硬件来加速计算过程。　　
　　芯片也为响应人工智能和深度学习的需要，在速度和低能耗方面被提出了更高的要求，目前使用的GPU、FPGA均非人工智能定制芯片，天然存在局限性，除具有明显的优势GPU外，也有不少典型人工智能专用芯片出现。
　　
　　一、谷歌——TPU即谷歌的张量处理器
　　
　　TPU是一款为机器学习而定制的芯片，经过了专门深度机器学习方面的训练，它有更能(每瓦计算能力)。大致上，相对于现在的处理器有7年的优势，宽容度更高，每秒在芯片中可以挤出更多的操作时间，使用更复杂和强大的机器学习模型，将之更快的部署，用户也会更加迅速地获得更智能的结果。
　　
　　根据Google一位杰出硬件工程师NormJouppi在一篇部落格文章中的说法，该种加速器早在一年多前就运用于Google的数据中心：“TPU已经启动许多Google的应用，包括用以改善搜索引擎结果关联度的RankBrain，以及在街景服务改善地图与导航的度与质量。”
　　
　　谷歌专门为人工智能研发的TPU被疑将对GPU构成威胁。不过谷歌表示，其研发的TPU不会直接与英特尔或NVIDIA进行竞争。
　　
　　二、中星微——中国首款嵌入式神经网络处理器芯片
　　
　　中星微在今年6月20日，推出中国首款嵌入式神经网络处理器芯片，这是首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，并取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，高能达到98%的准确率，超过人眼的识别率。该芯片于今年3月6日实现量产，目前出货量为十几万件。
　　
　　NPU采用了“数据驱动”并行计算的架构，单颗NPU(28nm)能耗仅为400mW，极大地提升了计算能力与功耗的比例，可以广泛应用于高清视频监控、智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。