最近，隨著人工智能的大肆宣傳，我們注意到大多數(shù)人都默認(rèn)所有人工智能工作負(fù)載將始終在 GPU 上運(yùn)行。對(duì)于這一思路，我們認(rèn)為，隨著更廣泛的芯片發(fā)揮作用，現(xiàn)實(shí)情況可能會(huì)有所不同。

需要明確的是，GPU 非常適合人工智能工作，并且不會(huì)對(duì) Nvidia 的股價(jià)構(gòu)成威脅。我們所說(shuō)的人工智能實(shí)際上是應(yīng)用統(tǒng)計(jì)學(xué)，更具體地說(shuō)是非常先進(jìn)的統(tǒng)計(jì)回歸模型。

這些問題的核心是矩陣代數(shù)，涉及相當(dāng)簡(jiǎn)單的數(shù)學(xué)問題，例如一個(gè)數(shù)字乘以另一個(gè)數(shù)字，但需要大規(guī)模完成。GPU 的設(shè)計(jì)采用較小的內(nèi)核（更簡(jiǎn)單的數(shù)學(xué)），且數(shù)量較多（大規(guī)模）。因此，使用這些處理器代替具有較少數(shù)量較大內(nèi)核的 CPU 是有意義的。

現(xiàn)在，這種情況變得有點(diǎn)模糊了。其一，GPU 變得更加昂貴。他們更擅長(zhǎng)人工智能數(shù)學(xué)，但在某些時(shí)候轉(zhuǎn)向 CPU 開始在經(jīng)濟(jì)上變得有意義。

人工智能半導(dǎo)體市場(chǎng)實(shí)際上分為三個(gè)部分：訓(xùn)練、云推理和邊緣推理。目前的訓(xùn)練基本上與 Nvidia 相當(dāng)，但這只是市場(chǎng)的一小部分。云推理將是一個(gè)更大的市場(chǎng)——隨著越來(lái)越多的人使用這些人工智能模型，對(duì)推理的需求將會(huì)增長(zhǎng)，目前大部分工作將在云中完成。對(duì)于許多公司來(lái)說(shuō)，擴(kuò)大產(chǎn)能的成本似乎非常昂貴。半導(dǎo)體分析師迪倫·帕特爾（Dylan Patel）像往常一樣，對(duì)這個(gè)數(shù)學(xué)進(jìn)行了最好的闡述，但足以說(shuō)明推理費(fèi)用可能會(huì)成為未來(lái)一年左右消費(fèi)者采用人工智能的主要障礙。

“考慮到 GPU 的成本和相對(duì)稀缺性，我們認(rèn)為許多公司將開始探索 GPU 的替代品來(lái)運(yùn)行推理工作負(fù)載，特別是對(duì)于將這些 AI 結(jié)果與其他功能（如搜索或社交媒體）相結(jié)合的公司，這些工作負(fù)載在很大程度上仍然運(yùn)行得最好無(wú)論如何，在CPU上?！盌ylan Patel說(shuō)。

展望未來(lái)，我們懷疑人工智能的經(jīng)濟(jì)學(xué)將需要更多的推理工作來(lái)進(jìn)行邊緣計(jì)算，這意味著消費(fèi)者需要付費(fèi)購(gòu)買設(shè)備。這意味著手機(jī)和 PC 將需要人工智能功能，這可能意味著它們?cè)?CPU 和移動(dòng) SoC 上運(yùn)行。

AMD 最近推出了內(nèi)置于其客戶端 CPU 中的人工智能功能，而蘋果公司的 A 系列移動(dòng)處理器和 M 系列 CPU 中都配備了神經(jīng)引擎。我們預(yù)計(jì)這很快就會(huì)在邊緣設(shè)備中普及。

當(dāng)然，許多公司正在尋求構(gòu)建人工智能加速器——專門用于進(jìn)行人工智能數(shù)學(xué)計(jì)算的專用芯片。但事實(shí)證明，這僅適用于像谷歌這樣控制其所有軟件的公司。這些專用芯片的一個(gè)重要問題是，它們往往針對(duì)一組特定的工作負(fù)載或人工智能模型進(jìn)行過(guò)度設(shè)計(jì)，當(dāng)這些模型發(fā)生變化時(shí)，這些芯片就會(huì)失去性能優(yōu)勢(shì)。

所有這些都導(dǎo)致了半導(dǎo)體領(lǐng)域最不為人知的領(lǐng)域之一——FPGA。這些是“可編程”芯片（“P”代表可編程），這意味著它們?cè)谏a(chǎn)后可以重新用于不同的任務(wù)。這些與專門構(gòu)建的 ASIC 處于相反的一端，專為 AI 加速器等特定任務(wù)而設(shè)計(jì)。

FPGA 已經(jīng)存在多年了。半導(dǎo)體的經(jīng)濟(jì)學(xué)通常意味著，超過(guò)一定的容量閾值，ASIC 更有意義，但對(duì)于工業(yè)和航空航天系統(tǒng)等小容量應(yīng)用，它們的工作效果非常好。因此，F(xiàn)PGA 無(wú)處不在，涉及數(shù)十個(gè)終端市場(chǎng)，但我們對(duì)它們不太熟悉，因?yàn)樗鼈兺ǔ２粫?huì)出現(xiàn)在普通消費(fèi)者每天使用的大批量電子產(chǎn)品中。

人工智能的出現(xiàn)稍微改變了這種計(jì)算方式。對(duì)于這些工作負(fù)載，F(xiàn)PGA 可能對(duì)底層模型頻繁變化的人工智能推理需求有意義。在這里，F(xiàn)PGA 的可編程性超過(guò)了 FPGA 使用的典型經(jīng)濟(jì)性。需要明確的是，我們認(rèn)為 FPGA 不會(huì)成為使用數(shù)千個(gè) GPU 的大規(guī)模人工智能系統(tǒng)的有力競(jìng)爭(zhēng)對(duì)手，但我們確實(shí)認(rèn)為，隨著人工智能進(jìn)一步滲透到電子領(lǐng)域，F(xiàn)PGA 的應(yīng)用范圍將會(huì)擴(kuò)大。

簡(jiǎn)而言之，GPU 可能仍然是大部分人工智能領(lǐng)域的主導(dǎo)芯片，尤其是對(duì)于高調(diào)、大容量的模型。但除此之外，我們認(rèn)為替代芯片的使用將成為生態(tài)系統(tǒng)的重要組成部分，這是一個(gè)比今天看起來(lái)更大的機(jī)會(huì)。