谷歌芯片布局之道：下一代TPU人工智能芯片在路上

前言:

随着英伟达、英特尔、德州仪器等几家厂商黯然离场,手机芯片市场格局已经形成,高通、联发科、三星、独树一帜的苹果A系列和华为麒麟。

在芯片技术壁垒越来越高的同时,还是有一些野心勃勃的厂商想要攀上技术的高地。

作者 | 方文

图片来源 | 网 络

集贤:挖角大佬为自研芯片打基础

2017年,谷歌从苹果挖角了多位芯片行业的大佬,包括前苹果SoC芯片架构师 Manu Gulati、苹果芯片专家John Bruno、Wonjae Choi,以及来自高通的Mainak Biswas,Vinod Chamarty和Shamik Ganguly等人。

谷歌正在为其 Pixel智能手机打造自有芯片而努力。

而且在新架构不断涌现的趋势下,谷歌也希望在这块领域加强其自研芯片的实力。

谷歌在班加罗尔至少招募了16名技术老兵,还有4名招聘人员专门从英特尔、高通、博通和英伟达等传统芯片公司挖人才。

今年3月,谷歌还宣布公司已聘请英特尔长期高管乌里·弗兰克为副总裁来运营其定制芯片部门。

收购:加速自研芯片日程

2018年,谷歌宣布完成 11 亿美金对 HTC 智能手机Pixel团队的收购,HTC 的移动设备部门的部分成员将加入谷歌硬件部门;谷歌也将获取HTC的部分非独家知识产权。

在收购HTC负责Pixel的团队后,谷歌在自主芯片研发上的能力得到了进一步的提升。

今年,谷歌收购了Provino Technologies,开发用于机器学习的片上网络(NoC)系统的初创公司,能够助力其TPU的发展,从而推动其在云端AI芯片的发展。

NoC 相比于其它设计来说提高了系统芯片的可扩展性及复杂系统芯片的功率。

但从谷歌发布的产品来看,他们从自研手机芯片的突破口不是手机处理器芯片,而是手机协处理器。

上云:TPU延伸上云计划

TPU是谷歌在2015年推出的神经网络专用芯片,为优化自身的TensorFlow机器学习框架而打造,与GPU不同,谷歌TPU是一种ASIC芯片方案,是一种专门定制的芯片。

从2015年起,谷歌基于TPU逐步完善从云到端的布局。

在面向云服务的TPU和TPU POD之外,还推出了为端到端、端到边提供AI算力的Edge TPU,赋能预见性维护、故障检测、机器视觉、机器人、声音识别等更广泛的场景。

时至今日,谷歌的TPU已经迭代到了第四代,其第四代TPU的平均性能比其第三代TPU高出2．7倍。

凭借TPU芯片的出色性能表现,也使得谷歌也成为了专用AI芯片的代表玩家。而他所推出的这种新架构,也为新一代的人工智能浪潮带来了新的启发。

谷歌还计划将其TPU应用在EDA领域,利用云上资源,进行芯片验证,还可以大大加速芯片开发的时间。

谷歌还将其TPU芯片逐渐带入到了边缘端,并在2018年推出了Google Edge TPU。对Cloud TPU和Google Cloud服务的补充,提供端到端、云端到边缘、“硬件 + 软件”的基础架构,可协助客户部署基于 AI 的解决方案。

在 AI 芯片发展史上,无论是从片上内存上,还是从可编程能力来看,谷歌 TPU 都是不可多得的技术创新,打破 GPU 的垄断地位,且打开云端 AI 芯片的新竞争格局。

开源:首个开源PDK降低进入门槛

去年,谷歌宣布了第一个开源的PDK——SkyWater PDK。被选中的企业无需承担昂贵的制造费用,谷歌将为其提供完全免费的芯片制造流程。

这是同类产品中的第一个开放源代码处理工具,使用此PDK,可以在130nm节点的SkyWater晶圆厂生产芯片。

如果开源PDK的模式取得了成功,这会降低企业进入半导体行业的门槛。

下一代TPU人工智能芯片在路上

在AI硬件方面,在近日谷歌宣布将推出下一代定制的张量处理单元(TPU)人工智能芯片TPUv4 Pods人工智能芯片。

TPUv4 Pods人工智能芯片的运算速度是上一版本的两倍,而量子运算将挑战100万量子位运算规模,是Google目前部署的最快一代系统。

本次推出的TPUv4,对系统内部的互联速度及架构进行优化,以进一步提升互联速度。据悉,TPUv4集群的互连带宽是大多数其他网络技术的10倍,可以提供exaflop级别计算能力。

今年下半年,谷歌计划将该芯片作为云平台的一部分提供给开发者。

发力始终绕不开的AI芯片

尽管TPU不是用在手机上的AI芯片,且在深度学习任务上,与 CPU 、GPU 、FPGA相比,任务灵活度较低。但无论如何,谷歌进军AI领域的野心已经昭然若揭。

个人移动终端上的AI应用(语音识别、图像处理等)具有如此广阔的发展前景和市场潜力,谷歌自然不会视而不见,Android的升级早就成为该平台的一个关键点。

在已经推出的Pixel手机上,谷歌已经搭载了图像处理的专用AI芯片Visual Core,用于编译HDR +图像的速度比应用处理器快5倍,功耗仅为其1/10。

Visual Core还处理与相机相关的复杂成像和机器学习任务,其中包括基于场景的自动图像调整以及其他用途。

现在,该芯片正在开发中,并将在今年晚些时候面世的Pixel 6智能手机和另一台设备上首次亮相。

代号为Whitechapel的5纳米工艺芯片将为下一代Pixel手机提供动能。它在内部被称为GS101 – Google Silicon芯片。

这款先进的芯片将通过TPU进行三集群设置,给智能手机带来更强的机器学习能力,从而让这些现代应用程序从中获得更好的AI体验。

Whitechapel芯片将采用定制的神经处理单元和图像信号处理器。人工智能和机器学习的使用可能不仅仅是用来改善相机,而是用来提高Pixel 6和Pixel 6 Pro的性能标准。

结尾:

从云端,到边缘端和手机智能终端,谷歌围绕着AI芯片的布局越来越广。从谷歌的这些布局上看,谷歌在芯片领域的谋划似乎更具野心。

部分资料参考:半导体行业观察:《谷歌的芯片布局》,新浪科技:《谷歌的芯片布局:不仅仅是手机 从边到云一直在布局》,三易生活:《一款芯片用三代,谷歌的底气到底从何而来》。