ai单机算力fpga

A. iPhone 11用了最新的A13仿生芯片，仿生芯片和普通芯片有何不同

首先说明，苹果的仿生芯片也就是AI芯片，AI芯片就是模仿人脑神经元结构设计的类脑芯片，这大概是苹果给自己的芯片起名为仿生芯片的原因，但是华为的也是AI芯片啊，高通的也是啊。

记住，都是AI芯片，只是苹果起的名字听起好像更牛掰那么一点儿！

所有的AI芯片都是FPGA芯片，使用者通过烧入 FPGA 配置文件，来重新定义门电路以及存储器之间的连线，然后用硬件语言对硬件电路进行设计。

每完成一次烧录，芯片内部的硬件电路就有了确定连接方式，也就具有了一定的功能。

通俗点说，AI芯片也就是你需要它有什么功能、它就能有什么功能的一种芯片。

再比如，小米手机ai在拍照时会根据不同的拍照对象而自动设置不同的拍照模式，这些都是芯片根据使用者使用习惯智能计算得出的结果。

ai芯片最终会随着使用时间的增加变得更聪明，更好的服务我们。而普通芯片却不会！

B. 深度学习硬件这件事，GPU，CPU，FPGA到底谁最合适

GPU概念
GPU英文全称Graphic Processing Unit，中文翻译为逗图形处理器地。
GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。
GPU的作用
GPU是显示卡的逗大脑地，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。
2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力，称为逗软加速地。
3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的逗硬件加速地功能。
显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。
现在市场上的显卡大多采用NVIDIA和ATI两家公司的图形处理芯片。
于是NVIDIA公司在1999年发布GeForce 256图形处理芯片时首先提出GPU的概念。
GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时。
GPU所采用的核心技术有硬体T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体T&L技术可以说是GPU的标志。
简单说GPU就是能够从硬件上支持T&L（Transform and Lighting，多边形转换与光源处理）的显示芯片，因为T&L是3D渲染中的一个重要部分，其作用是计算多边形的3D位置和处理动态光线效果，也可以称为逗几何处理地。
一个好的T&L单元，可以提供细致的3D物体和高级的光线特效；
只不过大多数PC中，T&L的大部分运算是交由CPU处理的（这就也就是所谓的软件T&L），由于CPU的任务繁多，除了T&L之外，还要做内存管理、输入响应等非3D图形处理工作，因此在实际运算的时候性能会大打折扣，常常出现显卡等待CPU数据的情况，其运算速度远跟不上今天复杂三维游戏的要求。
即使CPU的工作频率超过1GHz或更高，对它的帮助也不大，由于这是PC本身设计造成的问题，与CPU的速度无太大关系。
关于CPU和GPU的相关问题
第一个问题：
GPU的竞争远比CPU的竞争来得激烈。
通用PC的CPU就只有英特尔和AMD两家大厂。
而在GPU方面领先的是N记和A记两家厂商，但能生产中低端产品的还有英特尔、3S等好几家厂商。
它们的产品虽然不如前两家，但在很多应用方面也能满足用户的需要，所以N记和A记只有拼命往前跑才不会死掉。
CPU厂商没有采用GPU的先进工艺是因为CPU厂商都有自己投资的生产线，不可能一下把原来的生产线都淘汰了上新的生产线，那样做可能连当初投入的资金都难以收回。
而GPU厂商由于种种原因，一般都是自己设计由别人代工的，比如找台积电代工。
代工厂商为了能接到业务，只有不停升级自己的生产设备，这样才能生存下来。
所以造成以上原因。
第二个问题
就如所说的一样，CPU除了处理游戏的AI，情节等方面的数据外，对于有些图像方面也是由它完成的。
当微软每次发布新的DX时，并不是每款GPU都能支持DX新的特性，所以有些图像方面的任务还得由CPU来完成。
还有有些特性比如重力特性以前是由CPU来完成，现在有些GPU也能支持了，这些任务就由GPU来完成了。
第三个问题
GPU相当于专用于图像处理的CPU，正因为它专，所以它强，在处理图像时它的工作效率远高于CPU，但是CPU是通用的数据处理器，在处理数值计算时是它的强项，它能完成的任务是GPU无法代替的，所以不能用GPU来代替CPU。
另外
现在AMD收购了A记显卡芯片的设计厂商，AMD看到今后CPU和GPU只有走一条融合的道路才能地竞争中占得先机。
CPU和GPU如何配合默契才能最大地提高工作效率是AMD现在考虑的问题，也是英特尔的问题。
第四个问题
微软发布windows7 其中一个显著特性就是 联合GPU和CPU的强大实力，提升GPU在硬件使用的价值，在Windows7中，CPU与GPU组成了协同处理环境。
CPU运算非常复杂的序列代码，而GPU则运行大规模并行应用程序。
微软利用DirectX Compute将GPU作为操作系统的核心组成部分之一。
DirectX Compute。
它让开发人员能够利用 GPU的大规模并行计算能力，创造出引人入胜的消费级和专业级计算应用程序。
简单的说，DirectX Compute就是微软开发的GPGPU通用计算接口，欲统一GPU通用计算标准。
也就是说windows7 以后GPU的硬件地位将仅次于CPU，发挥出更大的效用。

C. iPhone 7内这颗神秘的FPGA芯片是啥用途

透露苹果AI动向？iPhone7体内这颗FPGA芯片不容忽视。苹果iPhone7、iPhone7 Plus发布已久，但对于这款手机的研究还没有停止，近日，研究公司Tirias Research首席分析师克莱维尔谈到了在iPhone7内置的一块一直被外界忽视的FPGA芯片，克莱维尔认为这颗芯片透露了苹果未来在AI以及AR、VR等领域的动向。 FPGA也就是现场可编程门阵列，它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，特点是逻辑可定制、功耗低、在矩阵计算，激活函数等运算方面能力远超CPU，在大数据处理和人工智能等方面有非常大的用武之地。不过，在手机中内置FPGA芯片是非常罕见的。在此之前，三星Galaxy S5曾内置了一颗FPGA芯片，不过三星最终没有解释它的用途，到Galaxy S6时，又被取消了。 克莱维尔表示，iPhone7中出现FPGA芯片，可能意味着苹果正准备用它来运行机器学习算法，联想到苹果日前对医疗健康领域的重视，未来我们可能看到苹果会将人工智能技术更好地贴近用户的生活，比如用于健康监测，提供健康解决方案等。此外这颗芯片还有可能成为未来iPhone上AR或VR功能的图形处理增强包。 克莱维尔称，苹果在iPhone7上植入FPGA芯片，可以看出苹果的AI战略可能和谷歌不同，苹果更加注重设备本身，未来，我们可能会看到苹果更加专注于人工智能的芯片出现在iPhone中。

D. 百度成立AI芯片公司，AI芯片有什么发展前景

AI名字都叫做人工智能，AI芯片的发展只会让这个信息时代发展得越来越快，人们查询信息也将越来越方便，做事也会越来越便捷。

E. 因为FPGA有超强的并行运算能力，在几年以后它能否代替cpu

因为它们结构上的差异，所以只能说这个各有千秋吧，不能说谁替代谁。FPGA的优势在于应对控制复杂度低、数据量大的运算得心应手，当控制复杂度提高以后，对FPGA资源的占用是很恐怖的……当前的DSP、ARM等一些数据处理芯片，与FPGA相比，是牺牲了速度以提高其“智能化”水平。

F. 华为的人工智能处理器是什么意思

华为的人工智能处理器意思是指华为推出的华为升腾芯片。包括升腾910和升腾310处理器 ，采用自家的达芬奇架构。

升腾910支持全场景人工智能应用，而升腾310主要用在边缘计算等低功耗的领域。

华为自己开创了一个新的架构，要有极致功耗和散热，可以全场景覆盖。华为在人工智能处理器上与寒武纪进行合作采用过后者的架构。

(6)ai单机算力fpga扩展阅读

AI的许多数据处理涉及矩阵乘法和加法。大量并行工作的GPU提供了一种廉价的方法，但缺点是更高的功率。具有内置DSP模块和本地存储器的FPGA更节能，但通常更昂贵。

技术手段方面AI市场的第一颗芯片包括现成的CPU，GPU，FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通，以及IBM等公司开发，但还不清楚哪家的方法会胜出。似乎至少需要一个CPU来控制这些系统，但是当流数据并行化时，就会需要各种类型的协处理器。

G. 百度发布中国首款云端全功能AI芯片“昆仑”有何特点

7月4日，网络公司董事长兼CEO李彦宏在Bai Create2018网络AI开发者大会上，正式发布网络自研的中国第一款云端全功能AI芯片"昆仑"，其中包含训练芯片昆仑818-300，推理芯片昆仑818-100。

李彦宏表示，中国改革开放40年来，在我们的发展过程当中，对于高端芯片而言，其实一直依赖进口，这是我们这一代IT人心中永远的痛。当进入人工智能时代，情况将会发生改变。网络自主研发的高端芯片，将去满足全世界开发者的各种需求。支撑几十万为社会造福。

2017年被称为“AI芯片元年”，在华为推出全球首款移动AI芯片的时候，就开启了人工智能从云端走向终端的大门。如今有了云端全功能AI芯片“昆仑”，未来国内AI领域的发展将有更多可能。

来源：澎湃新闻网

H. 人工智能风控是什么

近日，华为云AI开发部总经理罗华霖在深圳举办的GIIS-全球产业创新峰会作了《华为人工智能实践与创新》主题演讲，他对人工智能的定义、华为对人工智能的理解和实践等话题做了详细论述。
近两年，人工智能的相关话题非常火爆，从学术界到工业界，几乎人人必谈人工智能。这一波人工智能的复兴始于2012年，当时多伦多大学的博士生Alex Krizhevsky和他的同事通过使用深度神经网络，把ImageNet的图像识别错误率从盘桓很久的30%大幅度降到15%。从此，触发了人工智能的再次复兴。
华为云将人工智能应用于云服务，今年9月推出了华为云企业智能服务(Enterprise Intelligence，EI)，包括三类企业智能云服务：基础平台服务、通用服务、场景解决方案。华为把多年来积累的一些能力、知识和方法分享给更多企业，让企业更智能。
什么是AI?
“工业4.0”和“中国制造2025”是近期的热点词，无论是从国家战略、还是产业界关注等领域都非常关注。企业在智能化转型过程中，人工智能是重要的使用技术。那么，究竟要用AI解决产业界的什么问题?AI又是什么东西?
其实AI就发生在日常生活中，现在行业的一个大概说法，AI有两种，一种是强人工智能，一种是弱人工智能。
强人工智能是研究如何通过模拟人的思维和模拟人细胞构成的一个方向，这个领域目前也没有太大突破。人的细胞现在从一些计算能力和计算机的角度，最多可以模拟几十个神经元或者几百个神经元，而人的大脑有几十亿到上百亿的神经元，这个方向短期还是很难突破。
另外一个是弱人工智能，现在看到的东西就是弱人工智能。弱人工智能本质上是一个工具，主要解决两个问题：第一是解决人的效率问题，通过一些人工智能或者算法，解决人之前在传统领域不太好解决的问题，让效率更高;第二是解决人做不到的事情，就是辅助人做一些事情。
华为EI
华为EI，叫做企业智能，目的是“让企业更智能”。因为华为本质也是一个企业，同时也是一个高科技制造企业，华为创始人任正非先生对人工智能的要求是——人工智能的发展是为了使用。
华为在9月的HUAWEI CONNECT 2017上首次发布创新的企业智能(EI)。为什么华为云要推出企业智能(EI)服务?从内部来说，要先解决华为公司内部生产、物流、供应链、终端等领域的问题，再把积累的一些能力、知识和方法开放给更多人，帮助更多企业实现智能化的梦想。
华为把企业智能应用在华为供应链的智能装箱、物流和路径规划，以及报关、发票等场景。华为在这些工作场景上消耗的人力非常大，在怎么提升效率，减少人的投入方面，做了很多智能化的技术。另外是风控、营销，包括华为终端业务上，也做了一些探索。
在效果上，比如说智能装箱和供应链，基本上每年都节省上千万以上，这只是其中一个环节，在仓储方面节省的更多。对于风控，华为Vmall本身也是一个比较大的电商企业，也会有欺诈防攻击的问题，也做了一些实践。还有个性化推荐，罗华霖觉得虽然现在还没有到时候，但是将来在制造行业这将会是一个很关键的要素。
“工业4.0”或者它描述的场景，更多的是个性化的制造。客户下订单，再回到生产线，通过个性化的定制，形成订单生产，再慢慢在智能化环节里面进行闭环，最后把东西通过智能物流送到客户手里。这个可能会稍微远一些，但是平台能力技术已经慢慢开始在实践中积累起来。怎么让企业用起来，这可能需要企业根据自己的行业实践慢慢来考虑。
华为对AI的理解
从一个平台到通用服务再到领域的服务，华为分了几层，最底层是华为硬件的基础能力。其实用到AI领域之后，传统的一些CPU或者计算能力可能都跟不上。传统一个计算机能很好处理文本，现在变成图像和视频之后，处理能力会要求更高，需要GPU后者FPGA等新的硬件能力。最近主要是硬件能力和计算能力提升，让整个AI应用进入大家的视野。
现在各个领域的一些核心算法都是通过平台服务和一定的数据训练出来的。AI是一个弱的人工智能，本质上是一个工具，工具通过什么来达到这个目的呢?比如说语音转文本的技术，其实是学了更多的语音样本之后得出来的，也就是说，转化成一个文本，需要大量数据的训练，而数据训练就需要机器学习、深度学习等平台能力支撑。
再一层是语音、自然语言，视觉等能力，包括语音转文本、自然语音、对话，视觉处理等等，自然语言是你说了一句话，转化成文本;文本的意思有很多种，在这个场合下是什么意思，怎么理解这句话，理解这句话之后会形成一个问答，这些都是自然语言领域的。
OCR(OpticalCharacter Recognition，光学字符识别)，各种各样的单据、票据，这个也有可能是企业的切入点。因为每个企业都有大量的票据单据，原来都靠人工核对，如何把文档进行数字化的输入，这可能会是一个关键领域。
华为公司在AI领域的实践
华为基于内部做的端到端的智能APIs服务。华为公司每年有180万以上的订单，大概会形成30万—50万规模的物流单，怎么实现从始发点货物的供货预估——货物的装箱管理——运输到目的区域的分发——最后一公里的客户配送，这就需要有一系列智能化的技术支撑。
其实人工智能应用到企业，它也没有那么神秘。例如第一步做的备货，就是根据你的历史数据，预测你可能这个月应该备货多少。原来是靠人的经验或者规则来做，现在通过人工智能之后会效果更准确一些。
基于仓储的优化，这对于大型企业是比较重要的。现在仓储都分为几级，华为公司在海外分了大概4—5个的集散中心，全球发货到集散中心之后，如何把货物进行比较好的布放以及取货顺序的安排，这个就需要有人工智能的算法在里面。
还有集装箱，这里面会涉及到一个装箱的过程，要考虑类似于如何在一个最小的空间里面最大利用这些空间等问题。装箱也有一些规则，比如说形状、重量、是否怕压，这些都有一系列的算法去解决。华为公司会提供最优化的算法，形成一些智能物流的服务。这些实践每年带来上千万的费用节省。
OCR识别，比如说企业的票据、发票、文本，怎么通过自动化的方法录入，包括一些纸质单据的传递，其实它也需要利用一些人工智能技术。原来的方法可能做得不太准，最近有了深度学习和其它的人工智能技术之后，识别率大大提高了。比如数字及表格的识别有些场景超过98%，训练精度和模型精度的提高，对整个企业也是一个帮助，可以大大节省人力。
风控，这是华为内部的一个实践。看到这里有实时的平台，传统是通过专家的经验规则，再结合案例形成一些模型，但是人工智能的模型相比传统会更准一些。如何理解人工智能的模型与传统专家的经验规则之间的差异?例如要推销一个东西，打电话给VIP用户推销，首先从模型角度来看，包括这个人打电话的时间、打电话的量、上网的量和他个人的一些特征、在网时间，根据这些推算出来这个人是不是VIP。
但是下午两三点打电话或者上网比较多的是消费重度的用户，这一点是看不出来的，而模型会告诉你这些人是最值得推荐的。同样在风控里面也会有类似学习模型，这些模型告诉你哪些人可能是需要你对他进行控制或者有可能是有问题的用户。
推荐。推荐是华为终端的实践，华为Vmall本身也是一个比较大的电商，有终端推荐、游戏推荐和音乐、视频的推荐，这里面的推荐都是用华为的系统来做的。这个推荐平台可以很好提供包括人物画像和动态的实时模型更新，实时推荐等关键能力,能够做到分钟级模型更新上线。
关于图片图像处理，华为提供一系列的图像处理能力，如图片识别和高清重建等服务。这个具体在制造业怎么应用呢?例如在对图片进行处理时用到这样的技术，比如说把模糊的图像处理得清晰一点，或者把图像里面的关键人物和关键事件进行分类识别。以华为全球技术服务部为例，上基站之前会有整个工作各方面的规范性检查，华为现在都是用远程图像处理的方法做这个事情。以后企业有自动化生产的，也可以通过图像处理的方式截取和监控生产制造过程的关键信息。
智能问答。智能问答类似于小机器人。华为内部IT热线的机器人，华为有各种各样的IT问题，如订票问题，很多企业也都会遇到这样的问题，当内部有一定量的相似问题需要答复或者处理，用自动问答技术可以大大节省人力。华为在机器的自动闭环能做到65%以上，这个替代率跟整个知识、模型和要回答的问题有关系，场景稍微复杂一点。
总的来说，华为认为，人工智能的发展是为了使用。人工智能要为企业创造更多价值，则必须将这些分散的单点技术集成起来，综合运用到复杂的企业场景中。华为云定位于智能社会的使用者，聚合人工智能、物联网、计算和存储等基础能力，提供创新的企业智能云服务，将华为多年来储备的基础研究成果与实践经验开放给政府、企业、合作伙伴及开发者使用。

I. 什么是人工智能芯片（NPU）

NPU是网络处理器。嵌入式神经网络处理器采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。

2016年6月20日，中星微数字多媒体芯片技术国家重点实验室在北京宣布，已研发成功了中国首款嵌入式神经网络处理器（NPU）芯片，成为全球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，最高能达到98％的准确率，超过人眼的识别率。

(9)ai单机算力fpga扩展阅读

人工智能芯片的种类：

1、通用芯片（GPU）。GPU是单指令、多数据处理，采用数量众多的计算单元和超长的流水线，主要处理图像领域的运算加速。GPU是不能单独使用的，它只是处理大数据计算时的能手，必须由CPU进行调用，下达指令才能工作。

2、半定制化芯片（FPGA）。FPGA适用于多指令，单数据流的分析，与GPU相反，因此常用于预测阶段，如云端。FPGA是用硬件实现软件算法，因此在实现复杂算法方面有一定的难度，缺点是价格比较高。

3、全定制化芯片（ASIC）。ASIC是为实现特定场景应用要求时，而定制的专用AI芯片。除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤其在高性能、低功耗的移动设备端