头部厂商纷纷切入AI ASIC领域，技术路径不同。谷歌15年发布第一代TPU（ASIC）产品，TPU产品持续迭代升级；英特尔19年收购人工智能芯片公司Habana Labs，22年发布AI ASIC芯片Gaudi 2，性能表现出色；IBM研究院22年底发布AI ASIC芯片AIU，有望23年上市；三星第一代AIASIC芯片Warboy NPU芯片已于近日量产。
头部厂商纷纷切入 AI ASIC领域，看好ASIC在人工智能领域的长期成长性。
谷歌：谷歌为AI ASIC芯片的先驱，于15年发布第一代TPU（ASIC）产品，大幅提升AI推理的性能；17年发布TPU v2，在芯片设计层面，进行大规模架构更新，使其同时具备AI推理和AI训练的能力；谷歌TPU产品持续迭代升级，21年发布TPU v4，采用7nm工艺，峰值算力达275TFLOPS，性能表现全球领先。
英特尔：19年底收购以色列人工智能芯片公司Habana Labs，22年发布Gaudi 2 ASIC芯片。从架构来看，Gaudi架构拥有双计算引擎（MME和TPC），可以实现MME和TPC并行计算，大幅提升计算效率；同时，其将RDMA技术应用于芯片互联，大幅提升AI集群的并行处理能力；从性能来看，Gaudi 2在ResNET-50、BERT、BERT Phase-1、BERT Phase-2模型的训练吞吐量优于英伟达A100，性能表现优异。
头部厂商纷纷切入AI ASIC领域，技术路径不同。本文内容来自“GPT-5后NLP大模型逐步走向收敛，ASIC将大有可为”，详细介绍谷歌——全球AI ASIC先驱，TPU产品持续迭代，以及英特尔——收购Habana Lab，Gaudi 2性能表现出色。
1、ASIC具有性能高、体积小、功率低等特点
ASIC具有性能高、体积小、功率低等特点。AI芯片指专门用于运行人工智能算法且做了优化设计的芯片，为满足不同场景下的人工智能应用需求，AI芯片逐渐表现出专用性、多样性的特点。根据设计需求，AI芯片主要分为中央处理器（CPU）、图形处理器（GPU）、现场可编程逻辑门阵列（FPGA）、专用集成电路（ASIC）等，相比于其他AI芯片，ASIC具有性能高、体积小、功率低等特点。
CPU->GPU->ASIC，ASIC成为AI芯片重要分支。
1）CPU阶段：尚未出现突破性的AI算法，且能获取的数据较为有限，传统CPU可满足算力要求；
2）GPU阶段：2006年英伟达发布CUDA架构，第一次让GPU具备了可编程性，GPU开始大规模应用于AI领域；
3）ASIC阶段：2016年，Google发布TPU芯片（ASIC类），ASIC克服了GPU价格昂贵、功耗高的缺点，ASIC芯片开始逐步应用于AI领域，成为AI芯片的重要分支。
ASIC芯片在推理领域具有明显优势，有望在该领域率先出现爆品。根据CSET数据，ASIC芯片在推理领域优势明显，其效率和速度约为CPU的100-1000倍，相较于GPU和FPGA具备显著竞争力。尽管ASIC芯片同样可以应用于训练领域（例如TPU v2、v3、v4），但我们认为其将在推理领域率先出现爆品。
预计ASIC在AI芯片的占比将大幅提升。根据McKinsey Analysis数据，在数据中心侧，25年ASIC在推理/训练应用占比分别达到40%、50%；在边缘侧，25年ASIC在推理/训练应用占比分别达到70%、70%，ASIC在AI芯片的占比将大幅提升。
2、多种类AI芯片并存，头部厂商纷纷切入ASIC领域
多种类AI芯片并存，头部厂商纷纷切入ASIC领域。
英伟达延续GPU路线，22年发布H100芯片，目前广泛应用于云端训练和推理；
AMD利用自身技术积累，将CPU和GPU集成在一起，推出Instinct MI300芯片，预计23年H2上市。
头部厂商开始切入ASIC领域，Google为AI ASIC芯片的先驱，21年推出TPU v4，运算效能大幅提升；英特尔19年收购Habana Lab，22年推出Gaudi2 ASIC芯片；IBM、三星等头部厂商亦纷纷切入ASIC领域。
3、谷歌：全球AI ASIC先驱，TPU产品持续迭代；性能表现，A100<TPU v4<H100
谷歌为全球AI ASIC先驱，TPU产品持续迭代。谷歌2015年发布TPU v1，与使用通用CPU和GPU的神经网络计算相比，TPU v1带来了15~30倍的性能提升和30~80倍的能效提升，其以较低成本支持谷歌的很多服务，仅可用于推理；17年发布TPU v2，用于加速大量的机器学习和人工智能工作负载，包括训练和推理；18年发布TPU v3，算力和功率大幅增长，其采用了当时最新的液冷技术；20年和21年分别发布TPU v4i和v4，应用7nm工艺，晶体管数大幅提升，算力提升，功耗下降。
TUP v4性能表现优于英伟达A100。TPU v4的性能表现在BERT、ResNet、DLRM、RetinaNet、MaskRCNN下分别为A100的1.15x、1.67x、1.05x、1.87x和1.37x，性能表现优于英伟达A100。
TUP v4性能表现略逊于H100，但功耗管理能力出色。根据《AI and ML Accelerator Survey and Trends》数据，英伟达H100的峰值性能表现高于TUP v4，而TUP v4作为ASIC芯片，在功耗管理方面表现出色，峰值功率低于H100。
4、谷歌：TPU v1架构
统一缓冲器（Unified Buffer）和矩阵乘法单元（MMU）占据53%的芯片总面积。TPU v1主要包括统一缓冲器（Unified Buffer）、矩阵乘法单元（MMU）、累加器（Accumulators）、激活流水线电路（Activation Pipeline）、DDAM等，其中统一缓冲器和矩阵乘法单元面积占比最高，合计达53%。
TPU v1工作流程：
1）芯片启动，缓冲区和DDR3为空；
2）用户加载TPU编译的模型，将权重放入DDR3内存；
3）主机用输入值填充激活缓冲区；
4）发送控制信号将一层权重加载到矩阵乘法单元；
5）主机触发执行，激活并通过矩阵乘法单元传播到累加器；
6）通过激活流水线电路，新层替换缓冲区的旧层；
7）重复步骤4-7，直到最后一层；
8）最后一层的激活被发送给主机。
5、谷歌：TPU v2架构，基于TPU v1的大规模架构更新
TPU v2内核数增加值2个。TPU v1仅有1个Tensor Core，导致管道更为冗长。TPU v2的内核数增加为2个，对编译器也更为友好。
MXU利用率提升。TPU v1的MXU包含256*256个乘积累加运算器，由于部分卷积计算规模小于256*256，导致单个大核的利用率相对较低；而TPU v2的单核MXU包含128*128个乘积累加运算器，在一定程度上，提升了MXU利用率。
6、谷歌：TPU v3延续v2架构，性能提升，TDP优化
谷歌TPU v3延续v2架构，性能提升。TPU V3在v2架构的基础上，矩阵乘法单元（MXU）数量提升翻倍，时钟频率加快30%，内存带宽加大30%，HBM容量翻倍，芯片间带宽扩大了30%，可连接的节点数为先前4倍，性能大幅提升。
采用液冷技术，TDP优化。TPU v3采用液冷技术，峰值算力为TPU v2的2.67倍，而TDP仅为TPU v2的1.61倍，TDP大幅优化。
7、谷歌：TPU v4，硬件性能进一步提升
MXU数量翻倍，峰值算力大幅提升。从硬件提升来看，根据Google Cloud数据，TPU v4芯片包含2个TensorCore，每个TensorCore包含4个MXU，是TPUv3的2倍；同时，HBM带宽提升至1200 GBps，相比上一代，提升33.33%。从峰值算力来看，TPU v4的峰值算力达275 TFLOPS，为TPU v3峰值算力的2.24倍。
谷歌的超级计算机构想：将4*4*4（64）个TPU v4芯片连接成1个立方体结构（Cube），再将4*4*4个立方体结构（Cube）连接成共有4096个TPU v4芯片的超级计算机，其中物理距离较近TPU v4芯片（即同一个Cube中的4*4*4个芯片）采用常规电互联方式，距离较远的TPU（例如Cube之间的互联）间用光互连。采用光互连技术可以有效避免“芯片等数据”的情形出现，进而提升计算效率。
可重配置光互连技术可以进一步提升计算性能。谷歌TPU v4通过加入光路开关（OCS）的方式，可以根据具体模型数据流来调整TPU之间的互联拓扑，实现最优性能，可重配置光互连技术可以将性能提升至先前的1.2-2.3倍。
可重配置光互连技术提升计算机的稳定性。若计算机中部分芯片出现故障，可以通过该技术绕过故障芯片，进而不会影响整个系统的工作。
8、英特尔：Gaudi架构实现MME和TPC并行运算
英特尔收购Habana Lab。Habana Labs成立于2016年，总部位于以色列，是一家为数据中心提供可编程深度学习加速器厂商，2019年发布第一代Gaudi。英特尔于2019年底收购Habana Lab，旨在加快其在人工智能芯片领域的发展，2022年发布Gaudi 2。
Gaudi架构实现MME和TPC并行运算。Gaudi架构包含2个计算引擎，即矩阵乘法引擎（MME）和TPC（张量处理核心）；Gaudi架构使得MME和TPC计算时间重叠，进行并行运算，进而大幅提升计算效率。
Gaudi 2延续上一代架构，硬件配置大幅提升。Gaudi 2架构基本与上一代相同，TPC数量从8个提升至24个，HBM数量从4个提升至6个（总内存从32GB提升至96GB），SRAM存储器提升一倍，RDMA从10个提升至24个，同时集成了多媒体处理引擎，硬件配置大幅提升。
RDMA技术用于芯片互联，大幅提升并行处理能力。RDMA是一种远端内存直接访问技术，具有高速、超低延迟和极低CPU使用率的特点。Gaudi将RDMA集成在芯片上，用于实现芯片间互联，大幅提升AI集群的并行处理能力；同时，Gaudi支持通用以太网协议，客户可以将Gaudi放入现有的数据中心，使用标准以太网构建AI集群。
Gaudi 2性能表现出色。根据《Habana Gaudi 2 White Paper》披露数据，Gaudi 2在ResNET-50、BERT、BERT Phase-1、BERT Phase-2模型的训练吞吐量分别为A100（40GB，7nm）的2.0、2.4、2.1、3.3x，性能表现出色。
