Google AI发展采ASIC芯片途径 亚马逊、微软、百度等是否跟进

　　Google日前宣布推出该公司第二代“特殊应用集成电路”(ASIC)芯片，将用于加速该公司机器学习(ML)演算处理，此即Google第二代机器学习专用芯片“TPU”，随着Google在发展人工智能(AI)上似乎是要以开发ASIC芯片途径为主，其他同样正在发展自有AI技术的亚马逊(Amazon)、Facebook、微软(Microsoft)、阿里巴巴、腾讯及百度是否也会跟进Google脚步，以及对当前全球AI芯片发展处领导地位的NVIDIA、超微(AMD)、英特尔(Intel)及许多希望进军这块领域的新创企业又会因此产生哪些影响，也成为外界关注焦点。

　　根据富比士(Forbes)报导，当前可用于加速机器学习训练及深度神经网路的主要芯片技术，包括ASIC芯片、绘图芯片(GPU)、现场可程式化逻辑闸阵列(FPGA)芯片以及中央处理器(CPU)等4种，这4类芯片技术在支援AI及机器学习上各有擅场及优劣势，其中GPU在技术上即为ASIC技术运用在处理绘图演算法上，差异在于ASIC芯片可提供指令集及资源库可让GPU进行程式化，借此可用在处理本地储存的资料，好比是许多平行演算法的加速器般。

　　基本上GPU速度非常快且相对具弹性，ASIC技术虽同样具备处理速度很快的优势，不过使用弹性相对较缺乏。在开发ASIC芯片上，要设计出一款ASIC芯片所需投入的资源及努力不少，可能必须耗资高达数千万甚或数亿美元，且需要组建一支成本不低的工程师团队，显示投资甚钜，且ASIC芯片还将必须不断升级以跟上新技术及制程水平，加上ASIC芯片设计者在开发过程初期便已固定其逻辑，因此若在AI这类快速演进的领域有新想法出现，ASIC芯片将无法对此快速做出反应，反观FPGA技术还能因此进行再程式化以执行一项全新功能。

　　因此，显示ASIC技术并非现阶段在AI及深度神经网络应用领域最佳的芯片技术，但为何Google仍持续采ASIC技术发展自有AI加速训练芯片，原因有三，分别是战略目的、满足自有庞大运算基础架构需求以及Google云端发展的重要性。

　　战略目的上，Google如今已将发展AI技术列为公司发展首要项目，AI技术对该公司搜寻本业、云端业务、自驾车发展、Google Home以及许多其他全新及既有产品线与服务来说，都有其提供强化及支援的重要性，因此Google如今希望控制自有硬件TPU加速器以及自有软件架构TensorFlow，也不令外界感到意外。

　　满足自有庞大运算基础架构需求上，Google自有运算基础架构堪称全球规模最大，在此情况下意谓Google可能需要拥有自有用于AI加速的硬件平台，以及需要一定的规模来打平所需投入的ASIC芯片庞大设计成本，实际上Google也宣称TPU芯片可省去该公司投建额外12座资料中心以用于处理AI负载的需要。

　　Google云端发展重要性上，Google高层对于该公司在全球云端运算市场上，排名仍落后于亚马逊及微软、屈居第三感到不满意，在Google云端运算部门负责人Diane Greene领导下已大举投资云端业务发展，未来Google可能运用Google云端TPU的定价能力及效能表现，加上TensorFlow的受青睐程度，作为在云端领域机器学习发展上囊括市占率的潜在显著优势。

　　至于上述同样正积极发展自有AI技术的业者方面，即使具备打造自有加速器的实力，却没有任何一家业者有如Google般出现上述驱动其发展自有ASIC芯片的三大驱动力，反而有部分业者采取不同发展途径，如百度宣布结盟NVIDIA发展其云端、智能家庭及自驾车的AI倡议，未来也不排除设计自有AI芯片。微软方面，至少目前其云端服务Azure及Bing基础架构，已决定采用英特尔Altera FPGA芯片技术，另微软也采用NVIDIA GPU来训练自有神经网路。

　　因此报导预估，除了Google外，上述其余6家科技大厂可能不会很快就放弃采GPU发展AI的途径，改采ASIC芯片途径，由于这6家业者似乎都正忙于发展机器学习模型，并投入欲发展成各类产品与服务的商品化努力上，因此若要这6家业者设计ASIC芯片及相应软件，基于需要投入大量时间金钱，可能会导致发展资源遭分散，而无法集中于当前努力的目标上。

　　若真要说，NVIDIA开发的深度学习加速器(DLA)Open Source ASIC芯片，可说是循ASIC发展途径走的案例，该ASIC芯片是NVIDIA设计至其下世代自驾车平台DrivePX的产品，借此AI硬件开发者将能够采用NVIDIA最新AI硬件及软件技术，以及授权NVIDIA硬件IP作为由NVIDIA贡献的开放源技术。之后NVIDIA或可将此免费开放源硬件IP与软件服务商用化。