八三看书

手机浏览器扫描二维码访问

ai推理芯片：ai“脑子”里的“发动机”，到底是个啥？（第3页）

ASIC是“定制芯片”——比如某家公司要做“AI人脸识别”，就专门设计一款只算“人脸识别”的芯片，别的活一概不干。它就像“只做川菜的厨师”，虽然只会一道菜系，但做得又快又好还省钱。

拿手活：处理“固定不变的AI任务”，比如：

- 手机里的“人脸识别解锁”：每次解锁都是算“你的脸和手机里存的脸是不是一个人”，任务固定，ASIC能秒算；

- 小区里的“AI监控”：只需要识别“有没有人翻墙、有没有车乱停”，不用干别的；

- 智能音箱的“语音唤醒”：比如你喊“小爱同学”，音箱里的ASIC会快速识别“这是唤醒词”，不用处理别的声音。

优点：超级省电、速度快、价格便宜。比如手机里的ASIC推理芯片，可能就指甲盖大小，耗电比一颗LED灯还少，成本只要几块钱。

缺点：灵活性差——要是你想把“人脸识别ASIC”改成“AI翻译芯片”，根本改不了，只能重新设计。

常见例子：苹果手机里的“神经网络引擎”（负责Face ID和拍照AI优化）、华为手机里的“NPU”（负责AI拍照、语音助手），其实都是ASIC的一种。

（三）FPGA：“灵活选手”，能改“技能”的芯片

FPGA是“可重构芯片”——它的“计算单元”像乐高积木，你可以根据需要重新拼搭，比如今天让它算“AI翻译”，明天改改结构，就能算“AI画图”。它就像“会变魔术的厨师”，今天做川菜，明天改改调料和步骤，就能做西餐。

拿手活：处理“经常变的AI任务”，比如：

- 银行的“AI反诈骗”：今天要识别“转账金额异常”，明天要识别“收款账户可疑”，任务会变，FPGA能快速调整；

- 工厂里的“AI质检”：今天检查“零件有没有划痕”，明天检查“零件尺寸对不对”，FPGA改改程序就能用；

- 科研机构的“AI实验”：科学家今天测试“新的图片识别算法”，明天测试“新的语音翻译算法”，FPGA不用换芯片，改改设置就行。

优点：比ASIC灵活，比GPU省电，适合需要“频繁改任务”的场景。

缺点：编程麻烦——要改FPGA的“技能”，得写专门的代码，普通人干不了；而且批量计算速度不如GPU，复杂任务跑不过GPU。

常见品牌：赛灵思（Xilinx）的Alveo U280、英特尔（Intel）的Stratix 10。

（四）TPU：“谷歌专属选手”，为自家AI量身定做

TPU是谷歌专门为自己的AI服务（比如谷歌搜索、谷歌翻译、DeepMind）设计的推理芯片，相当于“谷歌家的专属厨师”，只做谷歌需要的AI菜。

拿手活：处理“谷歌系的AI任务”，比如：