​GPU、FPGA和ASIC鏖战AI推理

在深度学习的概念中，通常可以简化为两大工作流，一是训练，二是推理。两者完美融合才是一个现代化的完整深度学习网络，缺一不可。训练用于调整神经网络模型的参数，从而在给定的数据上实现良好的表现；推理则用于执行训练过的神经网络模型，以在新数据上获得输出。

为了让一个模型用于特定的用例，比如图像识别、语音识别等，开发者必须要先训练这个模型。一旦模型训练完成后，就可以投入使用（用于推理）。这两大工作流有着类似的特点，但对硬件资源的要求却存在一定的差距。
以训练来说，硬件需要的是大带宽大容量的内存，所以芯片之间的互联相当重要，当然了这些需求会极大地增加BOM和功耗。而推理则常用于自然语言处理、推荐系统和语音识别这样的实时应用中，因此必须做到低延迟、高吞吐量，再者由于更加贴近应用端，所以低功耗和低成本也是这类AI推理硬件的首选特性。
而这几年间，不少半导体公司、云服务厂商和初创AI芯片公司都在AI推理上频频布局，甚至收购了不少企业来放大优势或补全短板，尤其是“御三家”英伟达、英特尔和AMD。笔者这里特地选择了三家的代表性产品，以及他们走的不同技术路线。

市场与生态的宠儿——GPU王牌部队

自英伟达从2010年推出M2050专业GPU，并大肆推行GPGPU在AI推理上的应用后，英伟达DGX产品线在AI推理算力上的占比就在一路走高。2020年阿里云、AWS和腾讯云等公有云平台中，英伟达GPU AI推理算力超过了100 exaflops，也首次夺下了云端CPU统治多年的推理算力宝座，这其中的旗舰就是A100 GPU。

A100 SXM / 英伟达
我们以旗舰型号A100 80GB SXM为例，318 TFLOPS的TF32算力，1248 TOPS的INT8算力，80GB的GPU内存带宽达到了2039GB/s。不仅支持NVLink 600GB/s的互联，也支持64GB/s的PCIe 4.0互联。A100还可以被分为7个独立的GPU实例，无论是端到端AI还是数据中心的HPC平台，都适合该GPU大显身手。
但A100的缺点也相当明显，第一就是功耗，高达400W的功耗让这张卡成了很多AI推理加速器竞相对比能效比的对象。其次就是价格，高达一万美元以上的单价让不少人望而却步，至少个人开发者使用GPU或基于该GPU的云服务器的话，不免会肉疼好一阵了。

灵活的代表——FPGA抵抗军

对于AMD来说，过去主要是与英伟达、英特尔在一些通用计算领域进行交锋，而在AI训练和推理上，AMD其实并没有推出太多针对这类应用的方案，直到对Xilinx的收购。不可置否的是，AMD在数据中心和HPC已经崭露头角，甚至开始拔尖，但AI推理可以说一直是AMD的弱势所在。
其实收购的部分原因，也要归功于Xilinx在AI市场上得天独厚的优势，而这种优势在两家联手之下更加明显，这一点早在过去的合作中就可以看出来。2018年的Xilinx开发者论坛上，AMD的EPYC CPU和Xilinx的Alveo U250在GoogLeNet CNN框架上实现了3万张图片每秒的世界纪录级吞吐量。目前不少公有云厂商也在用Xilinx的FPGA方案，比如阿里云就有基于Xilinx VU9P的方案。

VCK5000 / Xilinx
Xilinx最近也推出了全新的VCK5000 AI加速器，该卡基于Xilinx 7nm的Versal ACAP架构，专为高吞吐量的AI推理打造。从纸面参数上看，这张卡好像性能不算强大，在ResNet-50的吞吐量上只能算优于英伟达的T4显卡，但VCK5000还准备了一些奇招。
电路中有个叫做暗硅（Dark Silicon）的概念，指的就是在功耗限制下，处理器电路上常常出现“一方有难，多方看戏”的情况，所以实际的效能根本达不到纸面参数。而Xilinx称VCK5000将实际效率推至90%，相较英伟达GPU普遍低于50%的效率可谓秒杀了，甚至高过A100。成本上，VCK5000的单价也做到了2745美元，从性价比和TCO来说，FPGA方案可以说是真香了。

初创公司首选——ASIC异军突起

作为英特尔在2019年收购的一家以色列人工智能公司，Habana倒是很少出现在人们的视线中，远不如同被英特尔收购的以色列自动驾驶芯片公司Mobileye或是晶圆代工厂Tower Semiconductor那般高调，但他们给英特尔带来的AI方案还是有点东西的。

HL-100 / Habana
Habana拥有两大产品线，一是主打训练的Gaudi系列，二是主打推理的Goya系列。虽然两者采用了不同的芯片设计，但仍基于相同的基本架构（TPC），只不过是针对两种工作负载做了优化而已。同样以ResNet50的吞吐量作为比较，在Batch大小为10时，基于Goya的HL-100加速卡可以做到15488张图片每秒的吞吐量，更吃惊的是其延迟可以做到0.8ms。对于延迟敏感型应用来说，Goya很可能就是最佳的选择。
不过HL-100的TPC还只是基于台积电的16nm工艺而已，而基于更先进的工艺的TPC和HL-200系列迟迟没有消息公布。不知是不是Habana打算在新产品上直接用上英特尔的工艺。

孰优孰劣？还是取决于生态和市场选择

要想对比这三家AI推理加速器的性能着实有些困难，且不说三者在规模和功耗上的不同，所用系统、软件、模型、数据集和测试环境也都是各不一样。那么对于AI开发者来说，应该如何选择呢？我们不妨从市场和生态的角度来看。
首先是市场的主流选择，无疑目前市面应用占比最多的还是英伟达旗下的加速器，这在数据中心和超算等场景中都能看出来，无论是训练还是推理，云服务厂商推出最多的旗舰实例基本都是基于英伟达的A100、A30等GPU，在其TensorRT推理框架的大力推动下，英伟达占据了绝对的主导位置。然而作为通用方案，英伟达的A100在总体性能上虽然不错，但泛用性还是无法覆盖到一些特定的应用。比如主打超低延迟或超高吞吐量的场景，可能还是不如FPGA或推理专用ASIC给到的吸引力高，更不用说这些方案在成本上的优势了。
反观Xilinx的VCK5000，单纯比算力的话，FPGA与GPU、ASIC相比优势不大，倒是FPGA的可编程灵活性为开发带来了不少便利，可随时更新和优化硬件加速而无需重新设计硬件。但不少AI开发者可能看到Xilinx这个大名就望而生畏，纷纷表示自己一个深度学习“炼丹师”，可不想学Verilog之类的RTL编程设计。这也是为何英特尔和Xilinx等FPGA厂商近年来开始在软件上发力的原因，像Xilinx Vitis这样的统一软件，可以说给了一个面向全平台开发者的方案，直接支持到Pytorch和TensorFlow这些主流的框架和模型。
至于Habana的Goya这种产品形式，其实是目前不少初创公司走的路线。与以上GPU和FPGA方案相比，他们在软件开发上要花费更多的心力，所以不少初创企业的AI加速器支持的框架和模型都不是太多，支持的程度也尚未完善。至于市场反响来看，Goya也不比Habana的Gaudi训练加速器，后者已经有了基于该硬件的AWS实例，而Goya目前已知的应用还是超算。未来Goya面向的，可能还是比较“专”的场景。