介於上一篇文章中，有些人評論說寒武紀的產品還是沒有自己的芯片架構，依賴的還是美國的芯片架構，那麼今天我們先普及下寒武紀產品到底是什麼？作為非專業出身的我，趕緊好好查了一下資料，如果有不對的地方還請專業人士指出改正。
首先我們先梳理一下芯片的種類和發展史。我們大家最普遍的認識就是CPU和GPU。
CPU就是我們生活中最熟悉的中央處理器，CPU 的結構主要包括運算器（ALU）、控制單元（Contral unit）、寄存器（Register）、高速緩存器（Cache）。
CPU的運行過程就是運算器負責執行算數的計算、存儲單元負責保存運算中產生的數據和指令、控制單元負責對指令譯碼，並且發出完成每條指令所要執行的各個操作的控制信號。
基本流程就如下圖。這就是馮諾依曼架構，但是負責計算的AUL區域有點小，這就導致了CPU在計算能力上有著限制，為了提高運算能力，提高效率就產生了GPU。
GPU，就是我們日常所說的顯卡上的核心大腦，他可以多線程並行運行，大大提高了運算能力。GPU（Graphics Processing Unit），原意是圖形處理器，多線程的運算就好比，以前的CPU是一條線路運行，相當於1個人在幹活，現在有了GPU，就多線程同時運營，就好比是多個人同時幹活，這樣效率當然就高了。
有人可能就說了，為什麼不讓GPU單獨運行呢，因為GPU的運行需要CPU來發號指令，但是GPU的運行的時候就是靠著多線程，完全就是靠人海戰術來提高效率，簡單說就是有一群人，有的人擅長英語，有的人擅長數學，有的人擅長語文，但是GPU不管，出現了數學問題，也讓全部的人一起上，這樣就會造成大量的重複的工作，效率也會低，功耗也高的多，畢竟這麼多的人一起幹活，你肯定是要多付很多的工資的嘛。
現在為了解決上述問題，就出現了NPU（Neural network Processing Unit），看英文就知道是神經網絡處理器的意思，對了這就是模仿人類的神經網絡而產生的一種結構。
以前馮諾依曼的架構中，存儲器和運算是分離的，如果構建一個神經元，就需要上千條的指令來完成，但是NPU就突破的馮諾依曼的架構設計，一條指令就能夠完成一條神經元，既提高了運算能力，還減少了能耗。專人專派，效率高了，工資還不用發那麼多。這就是AI芯片。
目前的芯片領域的架構主要有三種主流。電腦端的架構主要是Intel的X86架構，Intel和微軟合作，授權給AMD，在電腦領域統治全球。還有一種估計大家可能聽過，就是Arm架構，高通、三星、華為、聯發科都是在ARM的架構上開發的。ARM在移動端，佔據著全球95%以上的市場份額。還有一種是MIPS架構，這種架構是開源的，但是隻能做一些最簡單的運算，更別說遊戲應用了，完全沒法和其他兩家相比。
在AI芯片領域，寒武紀在全球首個提出AI指令集的公司，寒武紀的架構是自主研發的
DianNao架構，主要方向就是加速計算的輔助芯片，IBM的真北芯片和寒武紀的想法非常的相似。
看到這裡應該有一個大體的概念了，寒武紀和Intel和ARM走的不是一條路，這是一條全新的AI智能芯片的跑道，而且寒武紀是2016年成立的，只有4年的時間，背靠中科院計算所，還有多家投資方，現在又將上市募集資金，未來路還很遙遠，現在只是起點。
結尾說一下針對華為的自研AI智能芯片，華為前期在2017年的時候著名的麒麟980芯片就是和寒武紀AI芯片合作，後來到了2018年，華為自主研發除了達芬奇架構，推出了昇騰910和昇騰310兩款AI芯片。
目前AI芯片跑道上有著很多強力的競爭者，國內有著華為和阿里巴巴旗下的平頭哥、百度、國外有著Google,英偉達、英特爾、AMD。在2018年的AI芯片排名中，華為海思排在全球第12位，寒武紀是全球23位。
閱讀更多 久財盒子 的文章
