市場對人工智能的熱情持續(xù)高漲，特別是硬件領(lǐng)域。

　　正在向人工智能服務(wù)器供應(yīng)商轉(zhuǎn)型的圖形處理器 （GPU）生產(chǎn)巨頭英偉達（NVIDIA）股價周一創(chuàng)出歷史新高，凸顯出市場對人工智能硬件領(lǐng)域的追捧。

　　目前，Google、Facebook、Microsoft、百度等科技巨頭紛紛涉足人工智能。Google本周就宣布，正在為人工智能研發(fā)專門的芯片TPU。浙商證券分析師楊云表示，人工智能將成為下一個大風(fēng)口，首當(dāng)其沖的就包括硬件。

　　在圖像語音識別、無人駕駛等人工智能領(lǐng)域的運用層面，圖形處理器 （GPU）正迅速擴大市場占比，而谷歌專門為人工智能研發(fā)的TPU則被視為GPU的競爭對手。

　　概念

　　人工智能的實現(xiàn)需要依賴三個要素：算法是核心，硬件和數(shù)據(jù)是基礎(chǔ)。

　　算法主要分為為工程學(xué)法和模擬法。工程學(xué)方法是采用傳統(tǒng)的編程技術(shù)，利用大量數(shù)據(jù)處理經(jīng)驗改進提升算法性能；模擬法則是模仿人類或其他生物所用的方法或者技能，提升算法性能，例如遺傳算法和神經(jīng)網(wǎng)絡(luò)。

　　硬件方面，目前主要是使用 GPU 并行計算神經(jīng)網(wǎng)絡(luò)。

　　浙商證券制作了下圖體現(xiàn)這些要素之間的關(guān)系：

　　從產(chǎn)業(yè)結(jié)構(gòu)來講，人工智能生態(tài)分為基礎(chǔ)、技術(shù)、應(yīng)用三層。

　　基礎(chǔ)層包括數(shù)據(jù)資源和計算能力；技術(shù)層包括算法、模型及應(yīng)用開發(fā)；應(yīng)用層包括人工智能+各行業(yè)（領(lǐng)域），比如在互聯(lián)網(wǎng)、金融、汽車、游戲等產(chǎn)業(yè)應(yīng)用的語音識別、人臉識別、無人機、機器人、無人駕駛等功能。

　　GPU

　　英偉達（NVIDIA）制造的圖形處理器 （GPU）專門用于在個人電腦、工作站、游戲機和一些移動設(shè)備上進行圖像運算工作，是顯示卡的“心臟”。

　　GPU與CPU的區(qū)別

　　本身架構(gòu)方式和運算目的的不同，導(dǎo)致英特爾制造的CPU 和 GPU之間有所區(qū)別（圖表來自浙商證券）。

　　GPU之所以能夠迅速發(fā)展，主要原因是GPU針對密集的、高并行的計算，這正是圖像渲染所需要的，因此 GPU 設(shè)計了更多的晶體管專用于數(shù)據(jù)處理，而非數(shù)據(jù)高速緩存和流控制。

　　與CPU相比，GPU擁有更多的處理單元。據(jù)海通證券分析師鄭宏達、魏鑫介紹，

　　和CPU 上大部分面積都被緩存所占據(jù)有所不同，諸如GTX 200 GPU之類的核心內(nèi)很大一部分面積都作為計算之用。如果用具體數(shù)據(jù)表示，大約估計在 CPU 上有 20%的晶體管是用作運算之用的，而（GTX 200）GPU 上有 80%的晶體管用作運算：

　　GPU 的處理核心 SP 基于傳統(tǒng)的處理器核心設(shè)計，能夠進行整數(shù)，浮點計算，邏輯運算等操作，從硬體設(shè)計上看就是一種完全為多線程設(shè)計的處理核心，擁有復(fù)數(shù)的管線平臺設(shè)計，完全勝任每線程處理單指令的工作。

　　GPU 處理的首要目標(biāo)是運算以及數(shù)據(jù)吞吐量，而 CPU 內(nèi)部晶體管的首要目的是降低處理的延時以及保持管線繁忙，這也決定了 GPU 在密集型計算方面比起 CPU 來更有優(yōu)勢。

　　GPU+CPU異構(gòu)運算

　　就目前來看，GPU不是完全代替CPU，而是兩者分工合作。據(jù)海通證券：

　　在 GPU 計算中 CPU 和 GPU 之間是相連的，而且是一個異構(gòu)的計算環(huán)境。這就意味著應(yīng)用程序當(dāng)中，順序執(zhí)行這一部分的代碼是在 CPU 里面進行執(zhí)行的，而并行的也就是計算密集這一部分是在 GPU 里面進行。

　　異構(gòu)運算（heterogeneous computing）是通過使用計算機上的主要處理器，如CPU 以及 GPU 來讓程序得到更高的運算性能。一般來說，CPU 由于在分支處理以及隨機內(nèi)存讀取方面有優(yōu)勢，在處理串聯(lián)工作方面較強。在另一方面，GPU 由于其特殊的核心設(shè)計，在處理大量有浮點運算的并行運算時候有著天然的優(yōu)勢。完全使用計算機性能實際上就是使用 CPU 來做串聯(lián)工作，而 GPU 負責(zé)并行運算，異構(gòu)運算就是“使用合適的工具做合適的事情”。

　　只有很少的程序使用純粹的串聯(lián)或者并行的，大部分程序同時需要兩種運算形式。編譯器、文字處理軟件、瀏覽器、e-mail 客戶端等都是典型的串聯(lián)運算形式的程序。而視頻播放，視頻壓制，圖片處理，科學(xué)運算，物理模擬以及 3D 圖形處理（Ray tracing 及光柵化）這類型的應(yīng)用就是典型的并行處理程序。

　　GPU的運用

　　正是因為GPU特別適合大規(guī)模并行運算的特點，因此，“GPU 在深度學(xué)習(xí)領(lǐng)域發(fā)揮著巨大的作用”。via 海通證券：

　　GPU可以平行處理大量瑣碎信息。深度學(xué)習(xí)所依賴的是神經(jīng)系統(tǒng)網(wǎng)絡(luò)——與人類大腦神經(jīng)高度相似的網(wǎng)絡(luò)——而這種網(wǎng)絡(luò)出現(xiàn)的目的，就是要在高速的狀態(tài)下分析海量的數(shù)據(jù)。例如，如果你想要教會這種網(wǎng)絡(luò)如何識別出貓的模樣，你就要給它提供無數(shù)多的貓的圖片。而這種工作，正是 GPU 芯片所擅長的事情。 而且相比于 CPU，GPU 的另一大優(yōu)勢，就是它對能源的需求遠遠低于 CPU。GPU 擅長的是海量數(shù)據(jù)的快速處理。

　　深度學(xué)習(xí)令 NVIDIA 業(yè)績加速增長，利用 GPU 的大規(guī)模并行處理能力來學(xué)習(xí)人工智能算法再合適不過，GPU 并行計算能力正在滲透一個又一個高精尖行業(yè)，推動GPU 的需求不斷增長。移動端，不論是當(dāng)前火熱的移動直播，還是移動 VR 設(shè)備，基于圖形處理的需求都在急劇爆發(fā)。目前移動市場的 GPU 還遠遠落后于 PC 端，市場被高通、ARM、imagination 等三大巨頭占據(jù)。

　　GPU的劣勢

　　不過，GPU也有不足之處。據(jù)浙商證券總結(jié)：

　　雖然GPU更擅長于類似圖像處理的并行計算，因為像素與像素之間相對獨立，GPU 提供大量的核，可以同時對很多像素進行并行處理。但是，這并不能帶來延遲的提升（而僅僅是處理吞吐量的提升）。比如，當(dāng)一個消息到達時，雖然 GPU 有很多的核，但只能有其中一個核被用來處理當(dāng)前這個消息，而且 GPU 核通常被設(shè)計為支持與圖像處理相關(guān)的運算，不如 CPU 通用。

　　GPU 主要適用于在數(shù)據(jù)層呈現(xiàn)很高的并行特性（data-parallelism）的應(yīng)用，比如 GPU 比較適合用于類似蒙特卡羅模擬這樣的并行運算。

　　GPU 的另外一個問題是，它的“確定性”不如可編程的硅芯片FPGA，相對較容易產(chǎn)生計算錯誤。

　　TPU

　　TPU，即谷歌的張量處理器——Tensor Processing Unit。

　　據(jù)谷歌工程師Norm Jouppi介紹，TPU是一款為機器學(xué)習(xí)而定制的芯片，經(jīng)過了專門深度機器學(xué)習(xí)方面的訓(xùn)練，它有更高效能（每瓦計算能力）。大致上，相對于現(xiàn)在的處理器有7年的領(lǐng)先優(yōu)勢，寬容度更高，每秒在芯片中可以擠出更多的操作時間，使用更復(fù)雜和強大的機器學(xué)習(xí)模型，將之更快的部署，用戶也會更加迅速地獲得更智能的結(jié)果。

　　谷歌專門為人工智能研發(fā)的TPU被疑將對GPU構(gòu)成威脅。不過谷歌表示，其研發(fā)的TPU不會直接與英特爾或NVIDIA進行競爭。

　　據(jù)谷歌介紹，TPU已在谷歌的數(shù)據(jù)中心運行了一年多，表現(xiàn)非常好。谷歌的很多應(yīng)用都用到了TPU，比如谷歌街景，以及AlphaGo等。

　　TPU最新的表現(xiàn)正是人工智能與人類頂級圍棋手的那場比賽。在AlphaGo戰(zhàn)勝李世石的系列賽中，TPU能讓AlphaGo“思考”更快，“想”到更多棋招、更好地預(yù)判局勢。