​寒武纪的芯片到底是什么？还依赖国外吗？

寒武纪的芯片到底是什么？还依赖国外吗？

介于上一篇文章中，有些人评论说寒武纪的产品还是没有自己的芯片架构，依赖的还是美国的芯片架构，那么今天我们先普及下寒武纪产品到底是什么？作为非专业出身的我，赶紧好好查了一下资料，如果有不对的地方还请专业人士指出改正。

首先我们先梳理一下芯片的种类和发展史。我们大家最普遍的认识就是CPU和GPU。

CPU就是我们生活中最熟悉的中央处理器，CPU 的结构主要包括运算器（ALU）、控制单元（Contral unit）、寄存器（Register）、高速缓存器（Cache）。

CPU的运行过程就是运算器负责执行算数的计算、存储单元负责保存运算中产生的数据和指令、控制单元负责对指令译码，并且发出完成每条指令所要执行的各个操作的控制信号。

基本流程就如下图。这就是冯诺依曼架构，但是负责计算的AUL区域有点小，这就导致了CPU在计算能力上有着限制，为了提高运算能力，提高效率就产生了GPU。

GPU，就是我们日常所说的显卡上的核心大脑，他可以多线程并行运行，大大提高了运算能力。GPU（Graphics Processing Unit），原意是图形处理器，多线程的运算就好比，以前的CPU是一条线路运行，相当于1个人在干活，现在有了GPU，就多线程同时运营，就好比是多个人同时干活，这样效率当然就高了。

有人可能就说了，为什么不让GPU单独运行呢，因为GPU的运行需要CPU来发号指令，但是GPU的运行的时候就是靠着多线程，完全就是靠人海战术来提高效率，简单说就是有一群人，有的人擅长英语，有的人擅长数学，有的人擅长语文，但是GPU不管，出现了数学问题，也让全部的人一起上，这样就会造成大量的重复的工作，效率也会低，功耗也高的多，毕竟这么多的人一起干活，你肯定是要多付很多的工资的嘛。

现在为了解决上述问题，就出现了NPU（Neural network Processing Unit），看英文就知道是神经网络处理器的意思，对了这就是模仿人类的神经网络而产生的一种结构。

以前冯诺依曼的架构中，存储器和运算是分离的，如果构建一个神经元，就需要上千条的指令来完成，但是NPU就突破的冯诺依曼的架构设计，一条指令就能够完成一条神经元，既提高了运算能力，还减少了能耗。专人专派，效率高了，工资还不用发那么多。这就是AI芯片。

目前的芯片领域的架构主要有三种主流。电脑端的架构主要是Intel的X86架构，Intel和微软合作，授权给AMD，在电脑领域统治全球。还有一种估计大家可能听过，就是Arm架构，高通、三星、华为、联发科都是在ARM的架构上开发的。ARM在移动端，占据着全球95%以上的市场份额。还有一种是MIPS架构，这种架构是开源的，但是只能做一些最简单的运算，更别说游戏应用了，完全没法和其他两家相比。

在AI芯片领域，寒武纪在全球首个提出AI指令集的公司，寒武纪的架构是自主研发的

DianNao架构，主要方向就是加速计算的辅助芯片，IBM的真北芯片和寒武纪的想法非常的相似。

看到这里应该有一个大体的概念了，寒武纪和Intel和ARM走的不是一条路，这是一条全新的AI智能芯片的跑道，而且寒武纪是2016年成立的，只有4年的时间，背靠中科院计算所，还有多家投资方，现在又将上市募集资金，未来路还很遥远，现在只是起点。

结尾说一下针对华为的自研AI智能芯片，华为前期在2017年的时候著名的麒麟980芯片就是和寒武纪AI芯片合作，后来到了2018年，华为自主研发除了达芬奇架构，推出了昇腾910和昇腾310两款AI芯片。

目前AI芯片跑道上有着很多强力的竞争者，国内有着华为和阿里巴巴旗下的平头哥、百度、国外有着Google,英伟达、英特尔、AMD。在2018年的AI芯片排名中，华为海思排在全球第12位，寒武纪是全球23位。