ai單機算力fpga

A. iPhone 11用了最新的A13仿生晶元，仿生晶元和普通晶元有何不同

首先說明，蘋果的仿生晶元也就是AI晶元，AI晶元就是模仿人腦神經元結構設計的類腦晶元，這大概是蘋果給自己的晶元起名為仿生晶元的原因，但是華為的也是AI晶元啊，高通的也是啊。

記住，都是AI晶元，只是蘋果起的名字聽起好像更牛掰那麼一點兒！

所有的AI晶元都是FPGA晶元，使用者通過燒入 FPGA 配置文件，來重新定義門電路以及存儲器之間的連線，然後用硬體語言對硬體電路進行設計。

每完成一次燒錄，晶元內部的硬體電路就有了確定連接方式，也就具有了一定的功能。

通俗點說，AI晶元也就是你需要它有什麼功能、它就能有什麼功能的一種晶元。

再比如，小米手機ai在拍照時會根據不同的拍照對象而自動設置不同的拍照模式，這些都是晶元根據使用者使用習慣智能計算得出的結果。

ai晶元最終會隨著使用時間的增加變得更聰明，更好的服務我們。而普通晶元卻不會！

B. 深度學習硬體這件事，GPU，CPU，FPGA到底誰最合適

GPU概念
GPU英文全稱Graphic Processing Unit，中文翻譯為逗圖形處理器地。
GPU是相對於CPU的一個概念，由於在現代的計算機中（特別是家用系統，游戲的發燒友）圖形的處理變得越來越重要，需要一個專門的圖形的核心處理器。
GPU的作用
GPU是顯示卡的逗大腦地，它決定了該顯卡的檔次和大部分性能，同時也是2D顯示卡和3D顯示卡的區別依據。
2D顯示晶元在處理3D圖像和特效時主要依賴CPU的處理能力，稱為逗軟加速地。
3D顯示晶元是將三維圖像和特效處理功能集中在顯示晶元內，也即所謂的逗硬體加速地功能。
顯示晶元通常是顯示卡上最大的晶元（也是引腳最多的）。
現在市場上的顯卡大多採用NVIDIA和ATI兩家公司的圖形處理晶元。
於是NVIDIA公司在1999年發布GeForce 256圖形處理晶元時首先提出GPU的概念。
GPU使顯卡減少了對CPU的依賴，並進行部分原本CPU的工作，尤其是在3D圖形處理時。
GPU所採用的核心技術有硬體T&L、立方環境材質貼圖和頂點混合、紋理壓縮和凹凸映射貼圖、雙重紋理四像素256位渲染引擎等，而硬體T&L技術可以說是GPU的標志。
簡單說GPU就是能夠從硬體上支持T&L（Transform and Lighting，多邊形轉換與光源處理）的顯示晶元，因為T&L是3D渲染中的一個重要部分，其作用是計算多邊形的3D位置和處理動態光線效果，也可以稱為逗幾何處理地。
一個好的T&L單元，可以提供細致的3D物體和高級的光線特效；
只不過大多數PC中，T&L的大部分運算是交由CPU處理的（這就也就是所謂的軟體T&L），由於CPU的任務繁多，除了T&L之外，還要做內存管理、輸入響應等非3D圖形處理工作，因此在實際運算的時候性能會大打折扣，常常出現顯卡等待CPU數據的情況，其運算速度遠跟不上今天復雜三維游戲的要求。
即使CPU的工作頻率超過1GHz或更高，對它的幫助也不大，由於這是PC本身設計造成的問題，與CPU的速度無太大關系。
關於CPU和GPU的相關問題
第一個問題：
GPU的競爭遠比CPU的競爭來得激烈。
通用PC的CPU就只有英特爾和AMD兩家大廠。
而在GPU方面領先的是N記和A記兩家廠商，但能生產中低端產品的還有英特爾、3S等好幾家廠商。
它們的產品雖然不如前兩家，但在很多應用方面也能滿足用戶的需要，所以N記和A記只有拚命往前跑才不會死掉。
CPU廠商沒有採用GPU的先進工藝是因為CPU廠商都有自己投資的生產線，不可能一下把原來的生產線都淘汰了上新的生產線，那樣做可能連當初投入的資金都難以收回。
而GPU廠商由於種種原因，一般都是自己設計由別人代工的，比如找台積電代工。
代工廠商為了能接到業務，只有不停升級自己的生產設備，這樣才能生存下來。
所以造成以上原因。
第二個問題
就如所說的一樣，CPU除了處理游戲的AI，情節等方面的數據外，對於有些圖像方面也是由它完成的。
當微軟每次發布新的DX時，並不是每款GPU都能支持DX新的特性，所以有些圖像方面的任務還得由CPU來完成。
還有有些特性比如重力特性以前是由CPU來完成，現在有些GPU也能支持了，這些任務就由GPU來完成了。
第三個問題
GPU相當於專用於圖像處理的CPU，正因為它專，所以它強，在處理圖像時它的工作效率遠高於CPU，但是CPU是通用的數據處理器，在處理數值計算時是它的強項，它能完成的任務是GPU無法代替的，所以不能用GPU來代替CPU。
另外
現在AMD收購了A記顯卡晶元的設計廠商，AMD看到今後CPU和GPU只有走一條融合的道路才能地競爭中佔得先機。
CPU和GPU如何配合默契才能最大地提高工作效率是AMD現在考慮的問題，也是英特爾的問題。
第四個問題
微軟發布windows7 其中一個顯著特性就是 聯合GPU和CPU的強大實力，提升GPU在硬體使用的價值，在Windows7中，CPU與GPU組成了協同處理環境。
CPU運算非常復雜的序列代碼，而GPU則運行大規模並行應用程序。
微軟利用DirectX Compute將GPU作為操作系統的核心組成部分之一。
DirectX Compute。
它讓開發人員能夠利用 GPU的大規模並行計算能力，創造出引人入勝的消費級和專業級計算應用程序。
簡單的說，DirectX Compute就是微軟開發的GPGPU通用計算介面，欲統一GPU通用計算標准。
也就是說windows7 以後GPU的硬體地位將僅次於CPU，發揮出更大的效用。

C. iPhone 7內這顆神秘的FPGA晶元是啥用途

透露蘋果AI動向？iPhone7體內這顆FPGA晶元不容忽視。蘋果iPhone7、iPhone7 Plus發布已久，但對於這款手機的研究還沒有停止，近日，研究公司Tirias Research首席分析師克萊維爾談到了在iPhone7內置的一塊一直被外界忽視的FPGA晶元，克萊維爾認為這顆晶元透露了蘋果未來在AI以及AR、VR等領域的動向。 FPGA也就是現場可編程門陣列，它是作為專用集成電路（ASIC）領域中的一種半定製電路而出現的，特點是邏輯可定製、功耗低、在矩陣計算，激活函數等運算方面能力遠超CPU，在大數據處理和人工智慧等方面有非常大的用武之地。不過，在手機中內置FPGA晶元是非常罕見的。在此之前，三星Galaxy S5曾內置了一顆FPGA晶元，不過三星最終沒有解釋它的用途，到Galaxy S6時，又被取消了。 克萊維爾表示，iPhone7中出現FPGA晶元，可能意味著蘋果正准備用它來運行機器學習演算法，聯想到蘋果日前對醫療健康領域的重視，未來我們可能看到蘋果會將人工智慧技術更好地貼近用戶的生活，比如用於健康監測，提供健康解決方案等。此外這顆晶元還有可能成為未來iPhone上AR或VR功能的圖形處理增強包。 克萊維爾稱，蘋果在iPhone7上植入FPGA晶元，可以看出蘋果的AI戰略可能和谷歌不同，蘋果更加註重設備本身，未來，我們可能會看到蘋果更加專注於人工智慧的晶元出現在iPhone中。

D. 百度成立AI晶元公司，AI晶元有什麼發展前景

AI名字都叫做人工智慧，AI晶元的發展只會讓這個信息時代發展得越來越快，人們查詢信息也將越來越方便，做事也會越來越便捷。

E. 因為FPGA有超強的並行運算能力，在幾年以後它能否代替cpu

因為它們結構上的差異，所以只能說這個各有千秋吧，不能說誰替代誰。FPGA的優勢在於應對控制復雜度低、數據量大的運算得心應手，當控制復雜度提高以後，對FPGA資源的佔用是很恐怖的……當前的DSP、ARM等一些數據處理晶元，與FPGA相比，是犧牲了速度以提高其「智能化」水平。

F. 華為的人工智慧處理器是什麼意思

華為的人工智慧處理器意思是指華為推出的華為升騰晶元。包括升騰910和升騰310處理器 ，採用自家的達芬奇架構。

升騰910支持全場景人工智慧應用，而升騰310主要用在邊緣計算等低功耗的領域。

華為自己開創了一個新的架構，要有極致功耗和散熱，可以全場景覆蓋。華為在人工智慧處理器上與寒武紀進行合作採用過後者的架構。

(6)ai單機算力fpga擴展閱讀

AI的許多數據處理涉及矩陣乘法和加法。大量並行工作的GPU提供了一種廉價的方法，但缺點是更高的功率。具有內置DSP模塊和本地存儲器的FPGA更節能，但通常更昂貴。

技術手段方面AI市場的第一顆晶元包括現成的CPU，GPU，FPGA和DSP的各種組合。雖然新設計正在由諸如英特爾、谷歌、英偉達、高通，以及IBM等公司開發，但還不清楚哪家的方法會勝出。似乎至少需要一個CPU來控制這些系統，但是當流數據並行化時，就會需要各種類型的協處理器。

G. 百度發布中國首款雲端全功能AI晶元「昆侖」有何特點

7月4日，網路公司董事長兼CEO李彥宏在Bai Create2018網路AI開發者大會上，正式發布網路自研的中國第一款雲端全功能AI晶元"昆侖"，其中包含訓練晶元昆侖818-300，推理晶元昆侖818-100。

李彥宏表示，中國改革開放40年來，在我們的發展過程當中，對於高端晶元而言，其實一直依賴進口，這是我們這一代IT人心中永遠的痛。當進入人工智慧時代，情況將會發生改變。網路自主研發的高端晶元，將去滿足全世界開發者的各種需求。支撐幾十萬為社會造福。

2017年被稱為「AI晶元元年」，在華為推出全球首款移動AI晶元的時候，就開啟了人工智慧從雲端走向終端的大門。如今有了雲端全功能AI晶元「昆侖」，未來國內AI領域的發展將有更多可能。

來源：澎湃新聞網

H. 人工智慧風控是什麼

近日，華為雲AI開發部總經理羅華霖在深圳舉辦的GIIS-全球產業創新峰會作了《華為人工智慧實踐與創新》主題演講，他對人工智慧的定義、華為對人工智慧的理解和實踐等話題做了詳細論述。
近兩年，人工智慧的相關話題非常火爆，從學術界到工業界，幾乎人人必談人工智慧。這一波人工智慧的復興始於2012年，當時多倫多大學的博士生Alex Krizhevsky和他的同事通過使用深度神經網路，把ImageNet的圖像識別錯誤率從盤桓很久的30%大幅度降到15%。從此，觸發了人工智慧的再次復興。
華為雲將人工智慧應用於雲服務，今年9月推出了華為雲企業智能服務(Enterprise Intelligence，EI)，包括三類企業智能雲服務：基礎平台服務、通用服務、場景解決方案。華為把多年來積累的一些能力、知識和方法分享給更多企業，讓企業更智能。
什麼是AI?
「工業4.0」和「中國製造2025」是近期的熱點詞，無論是從國家戰略、還是產業界關注等領域都非常關注。企業在智能化轉型過程中，人工智慧是重要的使用技術。那麼，究竟要用AI解決產業界的什麼問題?AI又是什麼東西?
其實AI就發生在日常生活中，現在行業的一個大概說法，AI有兩種，一種是強人工智慧，一種是弱人工智慧。
強人工智慧是研究如何通過模擬人的思維和模擬人細胞構成的一個方向，這個領域目前也沒有太大突破。人的細胞現在從一些計算能力和計算機的角度，最多可以模擬幾十個神經元或者幾百個神經元，而人的大腦有幾十億到上百億的神經元，這個方向短期還是很難突破。
另外一個是弱人工智慧，現在看到的東西就是弱人工智慧。弱人工智慧本質上是一個工具，主要解決兩個問題：第一是解決人的效率問題，通過一些人工智慧或者演算法，解決人之前在傳統領域不太好解決的問題，讓效率更高;第二是解決人做不到的事情，就是輔助人做一些事情。
華為EI
華為EI，叫做企業智能，目的是「讓企業更智能」。因為華為本質也是一個企業，同時也是一個高科技製造企業，華為創始人任正非先生對人工智慧的要求是——人工智慧的發展是為了使用。
華為在9月的HUAWEI CONNECT 2017上首次發布創新的企業智能(EI)。為什麼華為雲要推出企業智能(EI)服務?從內部來說，要先解決華為公司內部生產、物流、供應鏈、終端等領域的問題，再把積累的一些能力、知識和方法開放給更多人，幫助更多企業實現智能化的夢想。
華為把企業智能應用在華為供應鏈的智能裝箱、物流和路徑規劃，以及報關、發票等場景。華為在這些工作場景上消耗的人力非常大，在怎麼提升效率，減少人的投入方面，做了很多智能化的技術。另外是風控、營銷，包括華為終端業務上，也做了一些探索。
在效果上，比如說智能裝箱和供應鏈，基本上每年都節省上千萬以上，這只是其中一個環節，在倉儲方面節省的更多。對於風控，華為Vmall本身也是一個比較大的電商企業，也會有欺詐防攻擊的問題，也做了一些實踐。還有個性化推薦，羅華霖覺得雖然現在還沒有到時候，但是將來在製造行業這將會是一個很關鍵的要素。
「工業4.0」或者它描述的場景，更多的是個性化的製造。客戶下訂單，再回到生產線，通過個性化的定製，形成訂單生產，再慢慢在智能化環節裡面進行閉環，最後把東西通過智能物流送到客戶手裡。這個可能會稍微遠一些，但是平台能力技術已經慢慢開始在實踐中積累起來。怎麼讓企業用起來，這可能需要企業根據自己的行業實踐慢慢來考慮。
華為對AI的理解
從一個平台到通用服務再到領域的服務，華為分了幾層，最底層是華為硬體的基礎能力。其實用到AI領域之後，傳統的一些CPU或者計算能力可能都跟不上。傳統一個計算機能很好處理文本，現在變成圖像和視頻之後，處理能力會要求更高，需要GPU後者FPGA等新的硬體能力。最近主要是硬體能力和計算能力提升，讓整個AI應用進入大家的視野。
現在各個領域的一些核心演算法都是通過平台服務和一定的數據訓練出來的。AI是一個弱的人工智慧，本質上是一個工具，工具通過什麼來達到這個目的呢?比如說語音轉文本的技術，其實是學了更多的語音樣本之後得出來的，也就是說，轉化成一個文本，需要大量數據的訓練，而數據訓練就需要機器學習、深度學習等平台能力支撐。
再一層是語音、自然語言，視覺等能力，包括語音轉文本、自然語音、對話，視覺處理等等，自然語言是你說了一句話，轉化成文本;文本的意思有很多種，在這個場合下是什麼意思，怎麼理解這句話，理解這句話之後會形成一個問答，這些都是自然語言領域的。
OCR(OpticalCharacter Recognition，光學字元識別)，各種各樣的單據、票據，這個也有可能是企業的切入點。因為每個企業都有大量的票據單據，原來都靠人工核對，如何把文檔進行數字化的輸入，這可能會是一個關鍵領域。
華為公司在AI領域的實踐
華為基於內部做的端到端的智能APIs服務。華為公司每年有180萬以上的訂單，大概會形成30萬—50萬規模的物流單，怎麼實現從始發點貨物的供貨預估——貨物的裝箱管理——運輸到目的區域的分發——最後一公里的客戶配送，這就需要有一系列智能化的技術支撐。
其實人工智慧應用到企業，它也沒有那麼神秘。例如第一步做的備貨，就是根據你的歷史數據，預測你可能這個月應該備貨多少。原來是靠人的經驗或者規則來做，現在通過人工智慧之後會效果更准確一些。
基於倉儲的優化，這對於大型企業是比較重要的。現在倉儲都分為幾級，華為公司在海外分了大概4—5個的集散中心，全球發貨到集散中心之後，如何把貨物進行比較好的布放以及取貨順序的安排，這個就需要有人工智慧的演算法在裡面。
還有集裝箱，這裡面會涉及到一個裝箱的過程，要考慮類似於如何在一個最小的空間裡面最大利用這些空間等問題。裝箱也有一些規則，比如說形狀、重量、是否怕壓，這些都有一系列的演算法去解決。華為公司會提供最優化的演算法，形成一些智能物流的服務。這些實踐每年帶來上千萬的費用節省。
OCR識別，比如說企業的票據、發票、文本，怎麼通過自動化的方法錄入，包括一些紙質單據的傳遞，其實它也需要利用一些人工智慧技術。原來的方法可能做得不太准，最近有了深度學習和其它的人工智慧技術之後，識別率大大提高了。比如數字及表格的識別有些場景超過98%，訓練精度和模型精度的提高，對整個企業也是一個幫助，可以大大節省人力。
風控，這是華為內部的一個實踐。看到這里有實時的平台，傳統是通過專家的經驗規則，再結合案例形成一些模型，但是人工智慧的模型相比傳統會更准一些。如何理解人工智慧的模型與傳統專家的經驗規則之間的差異?例如要推銷一個東西，打電話給VIP用戶推銷，首先從模型角度來看，包括這個人打電話的時間、打電話的量、上網的量和他個人的一些特徵、在網時間，根據這些推算出來這個人是不是VIP。
但是下午兩三點打電話或者上網比較多的是消費重度的用戶，這一點是看不出來的，而模型會告訴你這些人是最值得推薦的。同樣在風控裡面也會有類似學習模型，這些模型告訴你哪些人可能是需要你對他進行控制或者有可能是有問題的用戶。
推薦。推薦是華為終端的實踐，華為Vmall本身也是一個比較大的電商，有終端推薦、游戲推薦和音樂、視頻的推薦，這裡面的推薦都是用華為的系統來做的。這個推薦平台可以很好提供包括人物畫像和動態的實時模型更新，實時推薦等關鍵能力,能夠做到分鍾級模型更新上線。
關於圖片圖像處理，華為提供一系列的圖像處理能力，如圖片識別和高清重建等服務。這個具體在製造業怎麼應用呢?例如在對圖片進行處理時用到這樣的技術，比如說把模糊的圖像處理得清晰一點，或者把圖像裡面的關鍵人物和關鍵事件進行分類識別。以華為全球技術服務部為例，上基站之前會有整個工作各方面的規范性檢查，華為現在都是用遠程圖像處理的方法做這個事情。以後企業有自動化生產的，也可以通過圖像處理的方式截取和監控生產製造過程的關鍵信息。
智能問答。智能問答類似於小機器人。華為內部IT熱線的機器人，華為有各種各樣的IT問題，如訂票問題，很多企業也都會遇到這樣的問題，當內部有一定量的相似問題需要答復或者處理，用自動問答技術可以大大節省人力。華為在機器的自動閉環能做到65%以上，這個替代率跟整個知識、模型和要回答的問題有關系，場景稍微復雜一點。
總的來說，華為認為，人工智慧的發展是為了使用。人工智慧要為企業創造更多價值，則必須將這些分散的單點技術集成起來，綜合運用到復雜的企業場景中。華為雲定位於智能社會的使用者，聚合人工智慧、物聯網、計算和存儲等基礎能力，提供創新的企業智能雲服務，將華為多年來儲備的基礎研究成果與實踐經驗開放給政府、企業、合作夥伴及開發者使用。

I. 什麼是人工智慧晶元（NPU）

NPU是網路處理器。嵌入式神經網路處理器採用「數據驅動並行計算」的架構，特別擅長處理視頻、圖像類的海量多媒體數據。

2016年6月20日，中星微數字多媒體晶元技術國家重點實驗室在北京宣布，已研發成功了中國首款嵌入式神經網路處理器（NPU）晶元，成為全球首顆具備深度學習人工智慧的嵌入式視頻採集壓縮編碼系統級晶元，並取名「星光智能一號」。

這款基於深度學習的晶元運用在人臉識別上，最高能達到98％的准確率，超過人眼的識別率。

(9)ai單機算力fpga擴展閱讀

人工智慧晶元的種類：

1、通用晶元（GPU）。GPU是單指令、多數據處理，採用數量眾多的計算單元和超長的流水線，主要處理圖像領域的運算加速。GPU是不能單獨使用的，它只是處理大數據計算時的能手，必須由CPU進行調用，下達指令才能工作。

2、半定製化晶元（FPGA）。FPGA適用於多指令，單數據流的分析，與GPU相反，因此常用於預測階段，如雲端。FPGA是用硬體實現軟體演算法，因此在實現復雜演算法方面有一定的難度，缺點是價格比較高。

3、全定製化晶元（ASIC）。ASIC是為實現特定場景應用要求時，而定製的專用AI晶元。除了不能擴展以外，在功耗、可靠性、體積方面都有優勢，尤其在高性能、低功耗的移動設備端