FPGA 利用门电路直接运算，而用户可以自由定义这些门电路和存储器之间的布线，改变执行方案。其基本原理是集成大量的基本门电路以及存储器，通过大量的可编程逻辑单元实现针对性的算法设计，即实现以硬件定义软件。FPGA 通过可编程逻辑综合，在并行计算上能够获得和 GPU 接近的并行计算性能，相比 CPU，有明显的性能提升，同时在功耗上优势明显在深度学习算法仍处于高速迭代的状态下，FPGA 因其可重构特性而具有显著优势。FPGA 市场化的阻碍主要在于高昂的硬件和开发成本，编程相对复杂，为实现重构而降低了计算资源占比，整体运算能力受到影响。 ASIC 则为专用定制芯片的统称，在架构、设计、成本等方面存在更大的多样性，其中 VPU 是为图像处理和视觉处理设计的定制芯片。ASIC 的架构相对简单，性能和功耗与通用型产品相比更低。由于不需要包含 FPGA 用于实现重构的可配置片上路由与连线，相同工艺的 ASIC 计算芯片可以拥有 FPGA5-10 倍的运算速度，实现 PPA 最优化设计。ASIC 针对场景的定制化设计使其更适合终端推理场景，而如今它的主要劣势在于初期设计的资金投入和研发周期，且针对性设计限制了芯片的通用性。 ASIP 是一种新型的定制化指令集的处理器芯片，它为某个或某一类型应用而专门设计，通过权衡速度、功耗、成本、灵活性等多个方面的设计约束，设计者可以定制 ASIP 以达到最好的平衡点，从而适应嵌入式系统的需要。ASIP 集合了 FPGA 和 ASIC 各自的优点，不仅可以提供 ASIC 级别的高性能和低功耗，还能提供处理器级别的指令集灵活性，实现可重新编程，更适用于需求尚未被明确定义、需要芯片具备一定通用性和可编程性的应用场景，从而满足 AI 算法快速更新迭代的需求，并延长芯片的使用生命周期。-韭研公社

异动

关注

社群

搜公告

产业库

时间轴

公社AI

登录注册

淼鑫

2023-04-30 23:09:07

FPGA 利用门电路直接运算，而用户可以自由定义这些门电路和存储器之间的布线，改变执行方案。其基本原理是集成大量的基本门电路以及存储器，通过大量的可编程逻辑单元实现针对性的算法设计，即实现以硬件定义软件。FPGA 通过可编程逻辑综合，在并行计算上能够获得和 GPU 接近的并行计算性能，相比 CPU，有明显的性能提升，同时在功耗上优势明显在深度学习算法仍处于高速迭代的状态下，FPGA 因其可重构特性而具有显著优势。FPGA 市场化的阻碍主要在于高昂的硬件和开发成本，编程相对复杂，为实现重构而降低了计算资源占比，整体运算能力受到影响。
ASIC 则为专用定制芯片的统称，在架构、设计、成本等方面存在更大的多样性，其中 VPU 是为图像处理和视觉处理设计的定制芯片。ASIC 的架构相对简单，性能和功耗与通用型产品相比更低。由于不需要包含 FPGA 用于实现重构的可配置片上路由与连线，相同工艺的 ASIC 计算芯片可以拥有 FPGA5-10 倍的运算速度，实现 PPA 最优化设计。ASIC 针对场景的定制化设计使其更适合终端推理场景，而如今它的主要劣势在于初期设计的资金投入和研发周期，且针对性设计限制了芯片的通用性。
ASIP 是一种新型的定制化指令集的处理器芯片，它为某个或某一类型应用而专门设计，通过权衡速度、功耗、成本、灵活性等多个方面的设计约束，设计者可以定制 ASIP 以达到最好的平衡点，从而适应嵌入式系统的需要。ASIP 集合了 FPGA 和 ASIC 各自的优点，不仅可以提供 ASIC 级别的高性能和低功耗，还能提供处理器级别的指令集灵活性，实现可重新编程，更适用于需求尚未被明确定义、需要芯片具备一定通用性和可编程性的应用场景，从而满足 AI 算法快速更新迭代的需求，并延长芯片的使用生命周期。

@柴尔德：理论来说，当大模型的算力、数据量以及参数量同时增大的时候，整个模型的效果会越来越好。GPT-3使用的数据量为40T，预测GPT-4的数据量需求为400T，但未来数据量将不会无限增大，所以当数据量不能增长的时候，光靠算力和模型参数量增长，并不能增强模型的效果。换言之，受到数据量的限制，NLP大语言模型

35 赞同-10 评论

声明：文章观点来自网友，仅为作者个人研究意见，不代表韭研公社观点及立场，站内所有文章均不构成投资建议，请投资者注意风险，独立审慎决策。

工分