k8凯发(中国)天生赢家·一触即发

　　致敬✿✿★◈：向所有AI芯片领域的初创公司致敬✿✿★◈，为你们免费打广告✿✿★◈；向共同奋斗在AI芯片start-up的芯片工程师致敬✿✿★◈，和你们一起前行✿✿★◈。

　　随着AI概念火爆全球✿✿★◈，做AI芯片的公司也层出不穷✿✿★◈。为了让市场和观众能记住自家的产品✿✿★◈，各家在芯片命名方面都下了点功夫✿✿★◈，既要独特✿✿★◈，又要和公司产品契合✿✿★◈，还要朗朗上口✿✿★◈，也要容易让人记住✿✿★◈。比较有意思的是凯发娱发K8官网✿✿★◈，很多家都采用了“xPU”的命名方式✿✿★◈。

　　本文就来盘点一下目前各种“xPU”命名AI芯片✿✿★◈，以及芯片行业里的各种“xPU”缩写✿✿★◈，供吃瓜群众消遣✿✿★◈，也供后来者起名参考✿✿★◈。此外✿✿★◈，除了“xPU”命名方式✿✿★◈，本文也扩展了一些“xxP”方式的以Processor命名的芯片或IP✿✿★◈。此外的此外✿✿★◈，拍脑袋拍出了一些xPU命名备选方案✿✿★◈，用下划线标示✿✿★◈，并欢迎读者一起来开脑洞✿✿★◈。

　　Accelerated Processing Unit✿✿★◈。目前还没有AI公司将自己的处理器命名为APU✿✿★◈，因为AMD早就用过APU这个名字了✿✿★◈。APU是AMD的一个处理器品牌✿✿★◈。AMD在一颗芯片上集成传统CPU和图形处理器GPU✿✿★◈，这样主板上将不再需要北桥✿✿★◈，任务可以灵活地在CPU和GPU间分配✿✿★◈。AMD将这种异构结构称为加速处理单元✿✿★◈，即APU✿✿★◈。

　　Audio Processing Unit✿✿★◈。声音处理器✿✿★◈，顾名思义✿✿★◈，处理声音数据的专用处理器✿✿★◈。不多说✿✿★◈，生产APU的芯片商有好多家✿✿★◈。声卡里都有✿✿★◈。

　　Brain Processing Unit✿✿★◈。地平线机器人（Horizon Robotics）以BPU来命名自家的AI芯片✿✿★◈。地平线年的start-up✿✿★◈，总部在北京✿✿★◈，目标是“嵌入式人工智能全球领导者”✿✿★◈。地平线的芯片未来会直接应用于自己的主要产品中✿✿★◈，包括✿✿★◈：智能驾驶✿✿★◈、智能生活和智能城市✿✿★◈。地平线机器人的公司名容易让人误解✿✿★◈，以为是做“机器人”的✿✿★◈，其实不然✿✿★◈。地平线做的不是“机器”的部分川崎爱✿✿★◈，是在做“人”的部分✿✿★◈，是在做人工智能的“大脑”✿✿★◈，所以✿✿★◈，其处理器命名为BPU✿✿★◈。相比于国内外其他AI芯片start-up公司✿✿★◈，地平线的第一代BPU走的相对保守的TSMC的40nm工艺✿✿★◈。BPU已经被地平线申请了注册商标✿✿★◈，其他公司就别打BPU的主意了✿✿★◈。

　　Biological Processing Unit✿✿★◈。一个口号“21 世纪是生物学的世纪”忽悠了无数的有志青年跳入了生物领域的大坑✿✿★◈。其实✿✿★◈，这句话需要这么理解✿✿★◈，生物学的进展会推动21世纪其他学科的发展✿✿★◈。比如✿✿★◈，对人脑神经系统的研究成果就会推动AI领域的发展✿✿★◈，SNN结构就是对人脑神经元的模拟✿✿★◈。不管怎么说✿✿★◈，随着时间的推移✿✿★◈，坑总会被填平的✿✿★◈。不知道生物处理器在什么时间会有质的发展✿✿★◈。

　　Bio-Recognition Processing Unit✿✿★◈。生物特征识别现在已经不是纸上谈兵的事情了✿✿★◈。指纹识别已经是近来智能手机的标配✿✿★◈，电影里的黑科技虹膜识别也上了手机✿✿★◈，声纹识别可以支付了...不过✿✿★◈，除了指纹识别有专门的ASIC芯片外✿✿★◈，其他生物识别还基本都是sensor加通用cpu/dsp的方案✿✿★◈。不管怎样✿✿★◈，这些芯片都没占用BPU或BRPU这个宝贵位置✿✿★◈。

　　CPU就不多说了✿✿★◈，也不会有AI公司将自己的处理器命名为CPU的✿✿★◈。不过✿✿★◈，CPU与AI处理器并不冲突✿✿★◈。

　　此外✿✿★◈，在现有的移动市场的AP中✿✿★◈，在CPU之外✿✿★◈，再集成一两个AI加速器IP（例如针对视觉应用的DSP✿✿★◈，见VPU部分）也是一种趋势✿✿★◈。例如✿✿★◈，华为近期就在为其集成了AI加速器的麒麟970做宣传✿✿★◈。

　　kalrayinc✿✿★◈。一家做多核并行处理器的公司✿✿★◈，有针对数据中心和自动驾驶的解决方案✿✿★◈。最近公布了第三代MPPA处理器“Coolidge”的计划✿✿★◈，并融资$26 Million✿✿★◈。计划采用16nm FinFET工艺✿✿★◈，集成80-160个kalray 64-bit core✿✿★◈，以及80-160个用于机器视觉处理和深度学习计算的协处理器✿✿★◈。

　　Deephi Tech（深鉴）✿✿★◈。深鉴是一家位于北京的start-up✿✿★◈，初创团队有很深的清华背景✿✿★◈。深鉴将其开发的基于FPGA的神经网络处理器称为DPU✿✿★◈。到目前为止川崎爱✿✿★◈，深鉴公开发布了两款DPU✿✿★◈：亚里士多德架构和笛卡尔架构✿✿★◈，分别针对CNN以及DNN/RNN✿✿★◈。虽然深鉴号称是做基于FPGA的处理器开发✿✿★◈，但是从公开渠道可以看到的招聘信息以及非公开的业内交流来看✿✿★◈，其做芯片已成事实✿✿★◈。

　　TensTorrent✿✿★◈。一家位于Toronto的start-up✿✿★◈，研发专为深度学习和智能硬件而设计的高性能处理器✿✿★◈，技术人员来自NVDIA和AMD✿✿★◈。

　　Deep Learning Accelerator✿✿★◈。深度学习加速器✿✿★◈。NVIDA宣布将这个DLA开源✿✿★◈，给业界带来了不小的波澜✿✿★◈。大家都在猜测开源DLA会给其他AI公司带来什么✿✿★◈。参考这篇吧从Nvidia开源深度学习加速器说起

　　Data-storage Processing Unit✿✿★◈。数据存储处理器✿✿★◈。深圳大普微电子开发固态硬盘SSD主控芯片凯发娱发K8官网✿✿★◈。SSD的主控也是一个很大的市场✿✿★◈，国内在这个方向上奋斗的公司不少✿✿★◈。

　　Digital Signal Processor✿✿★◈。数字信号处理器✿✿★◈。芯片行业的人对DSP都不陌生✿✿★◈，设计DSP的公司也很多✿✿★◈，TI✿✿★◈，Qualcomm✿✿★◈，CEVA✿✿★◈，Tensilica✿✿★◈，ADI✿✿★◈，Freescale等等✿✿★◈，都是大公司✿✿★◈，此处不多做介绍✿✿★◈。相比于CPU✿✿★◈，DSP通过增加指令并行度来提高数字计算的性能✿✿★◈，如SIMD✿✿★◈、VLIW✿✿★◈、SuperScalar等技术✿✿★◈。面对AI领域新的计算方式（例如CNN✿✿★◈、DNN等）的挑战✿✿★◈，DSP公司也在马不停蹄地改造自己的DSP✿✿★◈，推出支持神经网络计算的芯片系列✿✿★◈。在后面VPU的部分✿✿★◈，会介绍一下针对Vision应用的DSP✿✿★◈。和CPU一样✿✿★◈，DSP的技术很长时间以来都掌握在外国公司手里✿✿★◈，国内也不乏兢兢业业在这方向努力的科研院所✿✿★◈，如清华大学微电子所的Lily DSP（VLIW架构✿✿★◈，有独立的编译器）✿✿★◈，以及国防科大的YHFT-QDSP和矩阵2000✿✿★◈。但是✿✿★◈，也有臭名昭著的“汉芯”✿✿★◈。

　　Emotion Processing Unit✿✿★◈。Emoshape 并不是这两年才推出EPU的✿✿★◈，号称是全球首款情绪合成（emotion synthesis）引擎✿✿★◈，可以让机器人具有情绪✿✿★◈。但是✿✿★◈，从官方渠道消息看✿✿★◈，EPU本身并不复杂✿✿★◈，也不需要做任务量巨大的神经网络计算✿✿★◈，是基于MCU的芯片✿✿★◈。结合应用API以及云端的增强学习算法✿✿★◈，EPU可以让机器能够在情绪上了解它们所读或所看的内容✿✿★◈。结合自然语言生成(NLG)及WaveNet技术✿✿★◈，可以让机器个性化的表达各种情绪✿✿★◈。例如✿✿★◈，一部能够朗读的Kindle✿✿★◈，其语音将根据所读的内容充满不同的情绪状态✿✿★◈。

　　先说一个最常用的FPU缩写✿✿★◈：Floating Point Unit✿✿★◈。浮点单元✿✿★◈，不多做解释了✿✿★◈。现在高性能的CPU✿✿★◈、DSP✿✿★◈、GPU内都集成了FPU做浮点运算✿✿★◈。

　　Graphics Processing Unit✿✿★◈。图形处理器✿✿★◈。GPU原来最大的需求来自PC市场上各类游戏对图形处理的需求✿✿★◈。但是随着移动设备的升级✿✿★◈，在移动端也逐渐发展起来✿✿★◈。

　　NVIDIA✿✿★◈。说起GPU✿✿★◈，毫无疑问现在的老大是NVIDIA✿✿★◈。这家成立于1993年的芯片公司一直致力于设计各种GPU✿✿★◈：针对个人和游戏玩家的GeForce系列✿✿★◈，针对专业工作站的Quadro系列✿✿★◈，以及针对服务器和高性能运算的Tesla系列✿✿★◈。随着AI的发展凯发K8国际首页✿✿★◈，✿✿★◈，NVIDIA在AI应用方面不断发力✿✿★◈，推出了针对自动驾驶的DRIVE系列✿✿★◈，以及专为AI打造的VOLTA架构✿✿★◈。特别提一下VOLTA✿✿★◈，今年5月份✿✿★◈，NVIDIA发布的Tesla V100采用TSMC 12nm工艺✿✿★◈，面积竟然815mm^2✿✿★◈，号称相关研发费用高达30亿美元✿✿★◈。得益于在AI领域的一家独大✿✿★◈，NVIFIA的股价在过去一年的时间里狂涨了300%✿✿★◈。最后✿✿★◈，也别忘了NVIDIA家还有集成了GeForce GPU的Tegra系列移动处理器✿✿★◈。

　　AMD✿✿★◈。这几年NVIDIA的火爆✿✿★◈，都快让大家忘了AMD的存在了✿✿★◈。AMD是芯片行业中非常古老的一家芯片公司✿✿★◈，成立于1969年凯发娱发K8官网✿✿★◈，比NVIDIA要早很多年✿✿★◈。AMD最出名的GPU品牌Radeon来自于其2006年以54亿美元收购的ATI公司（暴露年龄地说✿✿★◈，本人的第一台PC的显卡就是ATI的）✿✿★◈。本文第一个词条APU就是AMD家的产品✿✿★◈。AMD新出的MI系列GPU将目标对准AI✿✿★◈。

　　ARM家的Mali✿✿★◈。Mali不是ARM的自创GPU品牌✿✿★◈，来自于ARM于2006年收购的Falanx公司✿✿★◈。Falanx最初的GPU是面向PC市场的✿✿★◈，但是根本就无法参与到NVIDIA和ATI的竞争中去✿✿★◈，于是转向移动市场✿✿★◈；并且Falanx最初的GPU的名字也不是Mali✿✿★◈，而是Maliak✿✿★◈，为了好记✿✿★◈，改为Mali✿✿★◈，来自罗马尼亚文✿✿★◈，意思是small✿✿★◈，而不是我们熟悉的吃蘑菇救公主的超级玛丽（SuperMALI）✿✿★◈。

　　Imagination的PowerVR✿✿★◈。主要客户是苹果✿✿★◈，所以主要精力都在支持苹果✿✿★◈，对其他客户的支持不足✿✿★◈。但是✿✿★◈，苹果突然宣布放弃PVR转为自研✿✿★◈，对Imagination打击不小✿✿★◈，股价大跌六成✿✿★◈。Imagination现在正在寻求整体出售✿✿★◈，土财快追✿✿★◈，但是✿✿★◈，美国未必批✿✿★◈。

　　VeriSilicon的Vivante✿✿★◈。Vivante（图芯）是一家成立于2004年的以做嵌入式GPU为主的芯片公司✿✿★◈，于2015年被VSI收购✿✿★◈。Vivante的市场占有率较低✿✿★◈。这里多加一段小八卦✿✿★◈，Vivante的创始人叫戴伟进✿✿★◈，VSI的创始人叫戴伟民川崎爱✿✿★◈，一句话对这次收购进行总结就是✿✿★◈，戴家老大收购了戴家老二✿✿★◈。哦✿✿★◈，对了✿✿★◈，戴家还有一个三妹戴伟立✿✿★◈，创立的公司名号更响亮✿✿★◈：Marvell✿✿★◈。

　　Samsung的✿✿★◈。✿✿★◈。✿✿★◈。哦✿✿★◈，三星没有自己的GPU✿✿★◈。作为一个IDM巨头✿✿★◈，对于没有自家的GPU✿✿★◈，三星一直耿耿于怀✿✿★◈。三星也宣布要研发自家的移动端GPU芯片✿✿★◈，不过要等到2020年了✿✿★◈。

　　上海兆芯✿✿★◈。兆芯是VIA（威盛）分离出来的✿✿★◈。兆芯于2016年针对移动端出了一款GPU芯片ZX-2000✿✿★◈，名字有点简单直接✿✿★◈。主要技术来源于威盛授权✿✿★◈，GPU核心技术来自收购的美国S3 Graphics✿✿★◈。

　　长沙景嘉微电子✿✿★◈。于2014年推出一款GPU芯片JM5400✿✿★◈。这是一家有国防科大背景的公司✿✿★◈，与龙芯为合作伙伴✿✿★◈，芯片主要应用在军用飞机和神舟飞船上✿✿★◈。

　　Graph Streaming Processor✿✿★◈。图形流处理器✿✿★◈。这是ThinCI（取意think-eye）提出的缩写✿✿★◈。ThinCI是一家致力于打造deep learning和computer vision芯片的start-up✿✿★◈，由4名Intel前员工创立于2010年✿✿★◈，总部在Sacramento✿✿★◈，在印度也有研发人员✿✿★◈。ThinCI的视觉芯片瞄准了自动驾驶应用✿✿★◈，投资方有世界顶级汽车零部件供应商公司日本电装DENSO✿✿★◈。在刚结束的hotchip会议上✿✿★◈，ThinCI介绍了他们的GSP（于是本文作者将ThinCI从VPU部分移到了这里）✿✿★◈，使用了多种结构性技术来实现任务级✿✿★◈、线程级✿✿★◈、数据级和指令级的并行✿✿★◈。GSP使用TSMC 28nm HPC+工艺✿✿★◈，功耗预计2.5W✿✿★◈。

　　Holographic Processing Unit✿✿★◈。全息处理器✿✿★◈。Microsoft专为自家Hololens应用开发的✿✿★◈。第一代HPU采用28nm HPC工艺✿✿★◈，使用了24个Tensilica DSP并进行了定制化扩展✿✿★◈。HPU支持5路cameras✿✿★◈、1路深度传感器（Depth sensor）和1路动作传感器（Motion Sensor）✿✿★◈。Microsoft 在最近的CVPR 2017上宣布了HPU2的一些信息✿✿★◈。HPU2将搭载一颗支持DNN的协处理器✿✿★◈，专门用于在本地运行各种深度学习✿✿★◈。指的一提的是✿✿★◈，HPU是一款为特定应用所打造的芯片✿✿★◈，这个做产品的思路可以学习✿✿★◈。据说Microsoft评测过Movidius（见VPU部分）的芯片✿✿★◈，但是觉得无法满足算法对性能✿✿★◈、功耗和延迟的要求✿✿★◈，所有才有了HPU✿✿★◈。

　　Graphcore✿✿★◈。Graphcore公司的IPU是专门针对graph的计算而打造的✿✿★◈。稍微说说Graph✿✿★◈，Graphcore认为Graph是知识模型及相应算法的非常自然的表示✿✿★◈，所以将Graph作为机器智能的基础表示方法✿✿★◈，既适用于神经网络✿✿★◈，也适用于贝叶斯网络和马尔科夫场✿✿★◈，以及未来可能出现的新的模型和算法✿✿★◈。Graphcore的IPU一直比较神秘✿✿★◈，直到近期才有一些细节的信息发布凯发娱发K8官网✿✿★◈。比如✿✿★◈：16nm✿✿★◈，同构多核（1000）架构✿✿★◈，同时支持training和inference✿✿★◈，使用大量片上sram✿✿★◈，性能优于Volta GPU和TPU2✿✿★◈，预计2017年底会有产品发布✿✿★◈，等等✿✿★◈。多八卦一点✿✿★◈，Graphcore的CEO和CTO以前创立的做无线通信芯片的公司Icera于2011年被Nvidia收购并于2015年关闭✿✿★◈。关于IPU更细节的描述✿✿★◈，可以看唐博士的微信公号的一篇文章✿✿★◈，传输门✿✿★◈：解密又一个xPU✿✿★◈：Graphcore的IPU✿✿★◈。

　　Image Processing Unit✿✿★◈。图像处理器✿✿★◈。一些SOC芯片中将处理静态图像的模块称为IPU✿✿★◈。但是✿✿★◈，IPU不是一个常用的缩写川崎爱✿✿★◈，更常见的处理图像信号的处理器的缩写为下面的ISP✿✿★◈。

　　Image Signal Processor ✿✿★◈。图像信号处理器✿✿★◈。这个话题也不是一个小话题✿✿★◈。ISP的功能✿✿★◈，简单的来说就是处理camera等摄像设备的输出信号✿✿★◈，实现降噪✿✿★◈、Demosaicing集成电路✿✿★◈，✿✿★◈、HDR✿✿★◈、色彩管理等功能✿✿★◈。以前是各种数码相机✿✿★◈、单反相机中的标配✿✿★◈。Canon✿✿★◈、Nikon✿✿★◈、Sony等等✿✿★◈，你能想到的出数码相机的公司几乎都有自己的ISP✿✿★◈。进入手机摄影时代✿✿★◈，人们对摄影摄像的要求也越来越高✿✿★◈，ISP必不可少✿✿★◈。说回AI领域✿✿★◈，camera采集图像数据✿✿★◈，也要先经过ISP进行处理之后✿✿★◈，再由视觉算法（运行在CPU✿✿★◈、GPU或ASIC加速器上的）进行分析✿✿★◈、识别✿✿★◈、分类✿✿★◈、追踪等进一步处理✿✿★◈。也许✿✿★◈，随着AI技术发展✿✿★◈，ISP的一些操作会直接被end-2-end的视觉算法统一✿✿★◈。

　　Knowledge Processing Unit✿✿★◈。 嘉楠耘智（canaan）号称2017年将发布自己的AI芯片KPU✿✿★◈。嘉楠耘智要在KPU单一芯片中集成人工神经网络和高性能处理器✿✿★◈，主要提供异构✿✿★◈、实时✿✿★◈、离线的人工智能应用服务✿✿★◈。这又是一家向AI领域扩张的不差钱的矿机公司✿✿★◈。作为一家做矿机芯片（自称是区块链专用芯片）和矿机的公司✿✿★◈，嘉楠耘智累计获得近3亿元融资✿✿★◈，估值近33亿人民币✿✿★◈。据说嘉楠耘智近期将启动股改并推进IPO✿✿★◈。

　　另✿✿★◈：Knowledge Processing Unit这个词并不是嘉楠耘智第一个提出来的✿✿★◈，早在10年前就已经有论文和书籍讲到这个词汇了✿✿★◈。只是✿✿★◈，现在嘉楠耘智将KPU申请了注册商标✿✿★◈。

　　Mind Processing Unit✿✿★◈。意念处理器✿✿★◈，听起来不错✿✿★◈。“解读脑电波”✿✿★◈，“意念交流”✿✿★◈，永恒的科幻话题✿✿★◈。如果采集大量人类“思考”的脑电波数据✿✿★◈，通过深度学习✿✿★◈，再加上强大的意念处理器MPU✿✿★◈，不知道能否成为mind-reader✿✿★◈。如果道德伦理上无法接受✿✿★◈，先了解一下家里宠物猫宠物狗的“想法”也是可以的吗✿✿★◈。再进一步✿✿★◈，从mind-reader发展为mind-writer✿✿★◈，持续升级之后✿✿★◈，是不是就可以成为冰与火中的Skinchanger？

　　题外话✿✿★◈：并不是所有的xPU都是处理器✿✿★◈，比如有个MPU✿✿★◈，是Memory Protection Unit的缩写✿✿★◈，是内存保护单元✿✿★◈，是ARM核中配备的具有内存区域保护功能的模块✿✿★◈。

　　Neural-Network Processing Unit✿✿★◈。与GPU类似✿✿★◈，神经网络处理器NPU已经成为了一个通用名词✿✿★◈，而非某家公司的专用缩写✿✿★◈。由于神经网络计算的类型和计算量与传统计算的区别✿✿★◈，导致在进行NN计算的时候✿✿★◈，传统CPU✿✿★◈、DSP甚至GPU都有算力川崎爱✿✿★◈、性能✿✿★◈、能效等方面的不足✿✿★◈，所以激发了专为NN计算而设计NPU的需求✿✿★◈。这里罗列几个以NPU名义发布过产品的公司✿✿★◈，以及几个学术圈的神经网络加速器✿✿★◈。

　　中星微电子（Vimicro）的星光智能一号✿✿★◈。中星微于2016年抢先发布了“星光智能一号”NPU✿✿★◈。但是✿✿★◈，这不是一个专为加速Neural Network而开发的处理器✿✿★◈。业内都知道其内部集成了多个DSP核（其称为NPU core）✿✿★◈，通过SIMD指令的调度来实现对CNN✿✿★◈、DNN的支持✿✿★◈。以这个逻辑✿✿★◈，似乎很多芯片都可以叫NPU✿✿★◈，其他以DSP为计算核心的SOC芯片的命名和宣传都相对保守了✿✿★◈。

　　Kneron✿✿★◈。这是一家位于San Diego的start-up公司✿✿★◈，针对IOT应用领域做deep learning IP开发✿✿★◈。Kneron开发的NPU实现了39层CNN✿✿★◈，28nm下的功耗为0.3W✿✿★◈，能效200GFLOPs/W✿✿★◈。其主页上给出的另一个能效数据是600GOPs/W✿✿★◈。此外凯发娱发K8官网✿✿★◈，Kneron同时也在FPGA开发云端的硬件IP✿✿★◈。据可靠消息✿✿★◈，Kneron也要在中国大陆建立研发部门了✿✿★◈，地点涉及北京✿✿★◈、上海✿✿★◈、深圳✿✿★◈。

　　Thinker✿✿★◈。清华微电子所尹守一老师组设计的一款可重构多模态神经计算芯片✿✿★◈，可以平衡CNN和RNN在计算和带宽之间的资源冲突✿✿★◈。

　　Neural/Neuromorphic Processing Unit✿✿★◈。神经/神经形态处理器✿✿★◈。这和上面的神经网络处理器还有所不同✿✿★◈。而且✿✿★◈，一般也不以“处理器”的名字出现✿✿★◈，更多的时候被称为“神经形态芯片（Neuromorphic Chip）”或者是“类脑芯片（Brain-Inspired Chip）”✿✿★◈。这类AI芯片不是用CNN✿✿★◈、DNN等网络形式来做计算✿✿★◈，而是以更类似于脑神经组成结构的SNN（Spiking Neural Network）的形式来进行计算✿✿★◈。随便列几个✿✿★◈，都不是“xPU”的命名方式✿✿★◈。

　　Qualcomm的Zeroth凯发娱发K8官网✿✿★◈。高通几年前将Zeroth定义为一款NPU✿✿★◈，配合以软件✿✿★◈，可以方便的实现SNN的计算✿✿★◈。但是✿✿★◈，NPU似乎不见了踪影凯发娱发K8官网✿✿★◈，现在只剩下了同名的机器学习引擎Zeroth SDK✿✿★◈。

　　Optical-Flow Processing Unit✿✿★◈。光流处理器✿✿★◈。有需要用专门的芯片来实现光流算法吗？不知道✿✿★◈，但是K8凯发VIP入口✿✿★◈，✿✿★◈，用ASIC IP来做加速应该是要的✿✿★◈。

　　Physical Processing Unit✿✿★◈。物理处理器✿✿★◈。要先解释一下物理运算✿✿★◈，就知道物理处理器是做什么的了✿✿★◈。物理计算✿✿★◈，就是模拟一个物体在真实世界中应该符合的物理定律✿✿★◈。具体的说✿✿★◈，可以使虚拟世界中的物体运动符合真实世界的物理定律✿✿★◈，可以使游戏中的物体行为更加真实✿✿★◈，例如布料模拟✿✿★◈、毛发模拟✿✿★◈、碰撞侦测✿✿★◈、流体力学模拟等✿✿★◈。开发物理计算引擎的公司有那么几家✿✿★◈，使用CPU来完成物理计算✿✿★◈，支持多种平台✿✿★◈。但是✿✿★◈，Ageia应该是唯一一个使用专用芯片来加速物理计算的公司✿✿★◈。Ageia于2006年发布了PPU芯片PhysX✿✿★◈，还发布了基于PPU的物理加速卡✿✿★◈，同时提供SDK给游戏开发者✿✿★◈。2008年被NVIDIA收购后✿✿★◈，PhysX加速卡产品被逐渐取消✿✿★◈，现在物理计算的加速功能由NVIDIA的GPU实现✿✿★◈，PhysX SDK被NVIDIA重新打造✿✿★◈。

　　Quantum Processing Unit✿✿★◈。量子处理器✿✿★◈。量子计算机也是近几年比较火的研究方向✿✿★◈。作者承认在这方面所知甚少✿✿★◈。可以关注这家成立于1999年的公司D-Wave System✿✿★◈。DWave大概每两年可以将其QPU上的量子位个数翻倍一次✿✿★◈。

　　Ray-tracing Processing Unit✿✿★◈。光线追踪处理器✿✿★◈。Ray tracing是计算机图形学中的一种渲染算法✿✿★◈，RPU是为加速其中的数据计算而开发的加速器✿✿★◈。现在这些计算都是GPU的事情了✿✿★◈。

　　Streaming Processing Unit✿✿★◈。流处理器✿✿★◈。流处理器的概念比较早了✿✿★◈，是用于处理视频数据流的单元✿✿★◈，一开始出现在显卡芯片的结构里✿✿★◈。可以说✿✿★◈，GPU就是一种流处理器✿✿★◈。甚至✿✿★◈，还曾经存在过一家名字为“Streaming Processor Inc”的公司✿✿★◈，2004年创立✿✿★◈，2009年✿✿★◈，随着创始人兼董事长被挖去NVIDIA当首席科学家✿✿★◈，SPI关闭✿✿★◈。

　　Speech-Recognition Processing Unit✿✿★◈。语音识别处理器✿✿★◈，SPU或SRPU✿✿★◈。这个缩写还没有公司拿来使用✿✿★◈。现在的语音识别和语义理解主要是在云端实现的✿✿★◈，比如科大讯飞✿✿★◈。科大讯飞最近推出了一个翻译机✿✿★◈，可以将语音传回云端✿✿★◈，做实时翻译✿✿★◈，内部硬件没有去专门了解✿✿★◈。和语音识别相关的芯片如下✿✿★◈。

　　启英泰伦（chipintelli）✿✿★◈。于2015年11月在成都成立✿✿★◈。该公司的CI1006是一款集成了神经网络加速硬件来做语音识别的芯片✿✿★◈，可实现单芯片本地离线大词汇量识别✿✿★◈。

　　MIT项目✿✿★◈。今年年初媒体爆过MIT的一款黑科技芯片✿✿★◈，其实就是MIT在ISSCC2017上发表的paper里的芯片✿✿★◈，也是可以实现单芯片离线识别上k个单词✿✿★◈。可以参考阅读“分析一下MIT的智能语音识别芯片”✿✿★◈。

　　云知声（UniSound）✿✿★◈。云知声是一家专攻智能语音识别技术的公司✿✿★◈，成立于2012年6月✿✿★◈，总部在北京✿✿★◈。云知声刚刚获得3亿人民币战略投资✿✿★◈，其中一部分将用来研发其稍早公布的AI芯片计划✿✿★◈，命名“UniOne”✿✿★◈。据官方透漏✿✿★◈，UniOne将内置DNN处理单元✿✿★◈，兼容多麦克风✿✿★◈、多操作系统✿✿★◈。并且✿✿★◈，芯片将以模组的形式提供给客户✿✿★◈，让客户直接拥有一整套云端芯的服务✿✿★◈。

　　Space Processing Unit✿✿★◈。空间处理器✿✿★◈，高大上✿✿★◈，有没有✿✿★◈。全景摄像✿✿★◈，全息成像✿✿★◈，这些还都是处理我们的生活空间✿✿★◈。当面对广阔的太阳系✿✿★◈、银河系这些宇宙空间✿✿★◈，是不是需要新的更强大的专用处理器呢？飞向M31仙女座星系✿✿★◈，对抗黑暗武士✿✿★◈，只靠x86估计是不行的✿✿★◈。

　　Vision Processing Unit✿✿★◈。视觉处理器VPU也有希望成为通用名词✿✿★◈。作为现今最火热的AI应用领域✿✿★◈，计算机视觉的发展的确能给用户带来前所未有的体验✿✿★◈。为了处理计算机视觉应用中遇到的超大计算量✿✿★◈，多家公司正在为此设计专门的VPU✿✿★◈。

　　Movidius（已被Intel收购）✿✿★◈。Movidius成立于2006年✿✿★◈，总部位于硅谷的San Mateo✿✿★◈，创始人是两个爱尔兰人✿✿★◈，所以在爱尔兰有分部✿✿★◈。Movidius早期做的是将旧电影转为3D电影的业务✿✿★◈，后期开始研发应用于3D渲染的芯片✿✿★◈，并开始应用于计算机视觉应用领域（这说明✿✿★◈：1✿✿★◈，芯片行业才是高技术含量✿✿★◈、高门槛✿✿★◈、高价值的行业✿✿★◈；2✿✿★◈，初创公司要随着发展调整自己的战略）✿✿★◈。Movidius开发的Myriad系列VPU专门为计算机视觉进行优化✿✿★◈，可以用于 3D 扫描建模✿✿★◈、室内导航✿✿★◈、360°全景视频等更前沿的计算机视觉用途✿✿★◈。例如✿✿★◈，2014年✿✿★◈，谷歌的Project Tango项目用 Myriad 1帮助打造室内三维地图✿✿★◈；2016年✿✿★◈，大疆的“精灵4”和“御”都采用了Movidius 的 Myriad 2芯片✿✿★◈。采用TSMC 28nm工艺的Myriad2中集成了12个向量处理器SHAVE (Streaming Hybrid Architecture Vector Engine)✿✿★◈。按照Movidius的说法✿✿★◈，SHAVE是一种混合型流处理器✿✿★◈，集成了GPU✿✿★◈、 DSP和RISC的优点✿✿★◈，支持8/16/32 bit定点和16/32 bit浮点计算✿✿★◈，而且硬件上支持稀疏数据结构✿✿★◈。此外✿✿★◈，Myriad2中有两个RISC核以及video硬件加速器✿✿★◈。据称✿✿★◈，Myriad2可以同时处理多个视频流✿✿★◈。

　　Inuitive✿✿★◈。一家以色列公司✿✿★◈，提供3D图像和视觉处理方案✿✿★◈，用于AR/VR✿✿★◈、无人机等应用场景✿✿★◈。Inuitive的下一代视觉处理器NU4000采用28nm工艺✿✿★◈，选择使用CEVA的XM4 DSP✿✿★◈，并集成了深度学习处理器（自己开发？或者购买IP？）和深度处理引擎等硬件加速器✿✿★◈。

　　DeepVision✿✿★◈。一家总部位于Palo Alto的start-up✿✿★◈，为嵌入式设备设计和开发低功耗VPU✿✿★◈，以支持深度学习✿✿★◈、CNN以及传统的视觉算法✿✿★◈，同时提供实时处理软件✿✿★◈。

　　Video Processing Unit✿✿★◈。视频处理器✿✿★◈。处理动态视频而不是图像✿✿★◈，例如进行实时编解码✿✿★◈。

　　Vector Processing Unit✿✿★◈。向量处理器✿✿★◈。标量处理器✿✿★◈、向量处理器✿✿★◈、张量处理器✿✿★◈，这是以处理器处理的数据类型进行的划分✿✿★◈。现在的CPU已经不再是单纯的标量处理器✿✿★◈，很多CPU都集成了向量指令✿✿★◈，最典型的就是SIMD✿✿★◈。向量处理器在超级计算机和高性能计算中✿✿★◈，扮演着重要角色✿✿★◈。基于向量处理器研发AI领域的专用芯片✿✿★◈，也是很多公司的选项✿✿★◈。例如✿✿★◈，前面刚提到Movidius的Myriad2中✿✿★◈，就包含了12个向量处理器✿✿★◈。

　　Vision DSP✿✿★◈。针对AI中的计算机视觉应用✿✿★◈，各家DSP公司都发布了DSP的Vision系列IP✿✿★◈。简单罗列如下✿✿★◈。

　　Tensilica（2013年被Cadence以3.8亿美元收购）的P5✿✿★◈、P6✿✿★◈，以及最新的C5 DSP✿✿★◈。一个最大的特色就是可以用TIE语言来定制指令✿✿★◈。前面微软的HPU中使用他家的DSP✿✿★◈。可以参考“神经网络DSP核的一桌麻将终于凑齐了”✿✿★◈。

　　Videantis的v-MP4系列✿✿★◈。Videantis成立于1997年✿✿★◈，总部位于德国汉诺顿✿✿★◈。v-MP4虽然能做很多机器视觉的任务天生赢家 一触即发✿✿★◈！✿✿★◈，但还是传统DSP增强设计✿✿★◈，并没有针对神经网络做特殊设计✿✿★◈。

　　Wearable Processing Unit✿✿★◈。一家印度公司Ineda Systems在2014年大肆宣传了一下他们针对IOT市场推出的WPU概念✿✿★◈，获得了高通和三星的注资✿✿★◈。Ineda Systems研发的这款“Dhanush WPU”分为四个级别✿✿★◈，可适应普通级别到高端级别的可穿戴设备的运算需求✿✿★◈，可以让可穿戴设备的电池达到30天的持续续航✿✿★◈、减少10x倍的能耗✿✿★◈。但是✿✿★◈，一切似乎在2015年戛然而止✿✿★◈，没有了任何消息✿✿★◈。只在主页的最下端有文字显示✿✿★◈，Ineda将WPU申请了注册商标✿✿★◈。有关WPU的信息只有大概结构✿✿★◈，哦✿✿★◈，对了✿✿★◈，还有一个美国专利✿✿★◈。

　　Wisdom Processing Unit✿✿★◈。智慧处理器✿✿★◈。这个WPU听起来比较高大上✿✿★◈，拿去用✿✿★◈，不谢✿✿★◈。不过✿✿★◈，有点“脑白金”的味道✿✿★◈。

　　不如干脆就叫XPU✿✿★◈，X可以表示未知✿✿★◈，一切皆有可能✿✿★◈，类似X Man✿✿★◈，X File✿✿★◈，SpaceX✿✿★◈。

　　就在这篇快收尾的时候✿✿★◈，获悉在今年的hotchip会议上✿✿★◈，Baidu公开了其FPGA Accelerator的名字✿✿★◈，就叫XPU✿✿★◈。不过✿✿★◈，这个X指的是Xilinx✿✿★◈。还没有具体细节可说✿✿★◈，拭目以待吧✿✿★◈。

　　寒武纪科技（Cambricon）✿✿★◈。中科院背景的寒武纪并没有用xPU的方式命名自家的处理器✿✿★◈。媒体的文章既有称之为深度学习处理器DPU的✿✿★◈，也有称之为神经网络处理器NPU的✿✿★◈。陈氏兄弟的DianNao系列芯片架构连续几年在各大顶级会议上刷了好几篇best paper✿✿★◈，为其公司的成立奠定了技术基础✿✿★◈。寒武纪Cambricon-X指令集是其一大特色✿✿★◈。目前其芯片IP已扩大范围授权集成到手机✿✿★◈、安防✿✿★◈、可穿戴设备等终端芯片中✿✿★◈。据流传✿✿★◈，2016年就已拿到一亿元订单✿✿★◈。在一些特殊领域✿✿★◈，寒武纪的芯片将在国内具有绝对的占有率✿✿★◈。最新报道显示✿✿★◈，寒武纪又融了1亿美元✿✿★◈。

　　Intel✿✿★◈。Intel在智能手机芯片市场的失利✿✿★◈，让其痛定思痛✿✿★◈，一改当年的犹豫✿✿★◈，在AI领域的几个应用方向上接连发了狠招✿✿★◈。什么狠招呢✿✿★◈，就是三个字✿✿★◈：买凯发国际k8官网登录手机✿✿★◈，✿✿★◈，买✿✿★◈，买✿✿★◈。在数据中心/云计算方面✿✿★◈，167亿美金收购的Altera✿✿★◈，4亿美金收购Nervana✿✿★◈；在移动端的无人机✿✿★◈、安防监控等方面✿✿★◈，收购Movidius（未公布收购金额）✿✿★◈；在ADAS方面✿✿★◈，153亿美金收购Mobileye✿✿★◈。Movidius在前面VPU部分进行了介绍✿✿★◈，这里补充一下Nervana和Mobileye（基于视觉技术做ADAS方案✿✿★◈，不是单纯的视觉处理器✿✿★◈，所以没写在VPU部分）✿✿★◈。

　　比特大陆Bitmain✿✿★◈。比特大陆设计的全定制矿机芯片性能优越✿✿★◈，让其大赚特赚✿✿★◈。在卖矿机芯片之余✿✿★◈，比特大陆自己也挖挖矿✿✿★◈。总之✿✿★◈，芯片设计能力非凡✿✿★◈、土豪有钱的比特大陆对标NVIDIA的高端GPU芯片✿✿★◈，任性地用16nm的工艺开启了自家的AI芯片之路✿✿★◈。芯片测试已有月余✿✿★◈，据传功耗60W左右✿✿★◈，同步在招揽产品✿✿★◈、市场人员✿✿★◈。最近的推文爆出了这款AI芯片的名字✿✿★◈：“智子（Sophon）”✿✿★◈，来自著名的《三体》凯发国际官网✿✿★◈，✿✿★◈，可见野心不小✿✿★◈，相信不就即将正式发布✿✿★◈。

　　华为&海思✿✿★◈。市场期待华为的麒麟970已经很长时间了✿✿★◈，内置AI加速器已成公开的秘密✿✿★◈，据传用了寒武纪的IP✿✿★◈，就等秋季发布会了✿✿★◈。还是据传✿✿★◈，海思的HI3559中用了自己研发的深度学习加速器✿✿★◈。

　　苹果✿✿★◈。苹果正在研发一款AI芯片✿✿★◈，内部称为“苹果神经引擎”(Apple Neural Engine)✿✿★◈。这个消息大家并不惊讶✿✿★◈，大家想知道的就是✿✿★◈，这个ANE会在哪款iphone中用上✿✿★◈。

　　高通✿✿★◈。高通除了维护其基于Zeroth的软件平台✿✿★◈，在硬件上也动作不断✿✿★◈。收购NXP的同时✿✿★◈，据传高通也一直在和Yann LeCun以及Facebook的AI团队保持合作✿✿★◈，共同开发用于实时推理的新型芯片✿✿★◈。

　　AI芯片✿✿★◈，百家争鸣✿✿★◈，机遇伴随挑战✿✿★◈，今天你争我夺✿✿★◈，明天就可能并购✿✿★◈。随着这些“xPU”的不断推陈出新✿✿★◈，26个字母使用殆尽✿✿★◈。但是凯发官网入口首页✿✿★◈。✿✿★◈，换个角度✿✿★◈，其实也没关系✿✿★◈，索性起个独特的名字✿✿★◈。或者✿✿★◈，抢先布局“processing in memory”路线✿✿★◈，先占个“xxxRAM”或“xxxMem”名字✿✿★◈。

　　最后✿✿★◈，安利一下清华汪玉老师的实验室做的网页NN Accelerator NICS EFC Lab✿✿★◈，收集了各种公开的神经网络加速器的数据✿✿★◈，并进行了可视化✿✿★◈，如图✿✿★◈。