目前主要的處理器架構(gòu)有：

X86: Intel, AMD, 海光, 兆芯
ARM: 華為，飛騰，華芯通，Cavium，Ampere，富士通，亞馬遜
POWER：IBM, 中晟宏芯
MIPS：龍芯
Alpha：申威

X86處理器

X86架構(gòu)（The X86 architecture）是微處理器執(zhí)行的計算機(jī)語言指令集，指一個intel通用計算機(jī)系列的標(biāo)準(zhǔn)編號縮寫，也標(biāo)識一套通用的計算機(jī)指令集合。

ARM處理器

ARM（Advanced RISC machines）一個32位元精簡指令集(RISC)處理器架構(gòu)，ARM處理器廣泛地使用在許多嵌入式系統(tǒng)設(shè)計。ARM處理器的特點有指令長度固定，執(zhí)行效率高，低成本等。

ARM 架構(gòu)是開放性的商業(yè) IP 授權(quán)，x86 是封閉架構(gòu)，美國 Intel 和 AMD 對知識產(chǎn)權(quán)處于壟斷地位(PS:現(xiàn)在華為等國內(nèi)公司研發(fā)多以ARM架構(gòu)為主）

ARM 比 x86 架構(gòu)的優(yōu)勢和劣勢

優(yōu)勢：

1) 物理核心更多，適用于當(dāng)前數(shù)據(jù)中心主流的分布式計算場景；例如大數(shù)據(jù)、分布式存儲、HPC 等；
2) 能耗更能，節(jié)能環(huán)保；與同樣性能的 x86 處理器相比，功耗低 20%以上；

劣勢：

1) 單核性能稍弱于 x86；
2) 相比于 Intel AVX512，向量指令運算能力偏弱，在 HPC 部分場景性能低于 x86；對通用場景無任何影響；

什么是異構(gòu)？

1) 從計算單元角度來看，x86 處理器之外的計算單元，都可認(rèn)為是異構(gòu)單元，例如 GPU，F(xiàn)PGA 加速卡等；
2) 從軟件系統(tǒng)集群角度來看，基于不同處理器的服務(wù)器可以認(rèn)為是異構(gòu)；例如基于 E5-2650v4 的大數(shù)據(jù)集群使用基于 Gold 5115 或者鯤鵬 916 的服務(wù)器來擴(kuò)容，就屬于擴(kuò)容異構(gòu)節(jié)點。

什么是眾核？

眾核是相對于單核而言，即最早的芯片只有一個核，到后來的雙核（dual core）和四核（quad core）。超過這個數(shù)量的，不多于 10 個核的，一般稱為多核“multi core”。當(dāng)前的 CPU 核數(shù)達(dá)到 32~64，業(yè)界稱為眾核“many core”。多核和眾核之間的界限，并沒有嚴(yán)格的限制。

AI處理器

所謂的AI芯片，一般是指針對AI算法的ASIC（專用芯片）。傳統(tǒng)的CPU、GPU都可以拿來執(zhí)行AI算法，但是速度慢，性能低，無法實際商用。

華為很早就開始布局AI芯片。2017年9月德國IFA電子消費展上，華為就率先推出了內(nèi)置NPU（獨立神經(jīng)網(wǎng)絡(luò)處理單元）的全球首款A(yù)I芯片麒麟970。

AI處理器的發(fā)展和設(shè)計目標(biāo)

目前在圖像識別、語音識別、自然語言處理等領(lǐng)域，精度最高的算法就是基于深度學(xué)習(xí)的，傳統(tǒng)的機(jī)器學(xué)習(xí)的計算精度已經(jīng)被超越，目前應(yīng)用最廣的算法，估計非深度學(xué)習(xí)莫屬，而且，傳統(tǒng)機(jī)器學(xué)習(xí)的計算量與深度學(xué)習(xí)比起來少很多，所以，我討論AI芯片時就針對計算量特別大的深度學(xué)習(xí)而言。畢竟，計算量小的算法，說實話，CPU已經(jīng)很快了。而且，CPU適合執(zhí)行調(diào)度復(fù)雜的算法，這一點是GPU與AI芯片都做不到的，所以他們?nèi)咧皇轻槍Σ煌膽?yīng)用場景而已，都有各自的主場。

GPU本來是從CPU中分離出來專門處理圖像計算的，也就是說，GPU是專門處理圖像計算的。包括各種特效的顯示。這也是GPU的天生的缺陷，GPU更加針對圖像的渲染等計算算法。但是，這些算法，與深度學(xué)習(xí)的算法還是有比較大的區(qū)別，而我的回答里提到的AI芯片，比如TPU，這個是專門針對CNN等典型深度學(xué)習(xí)算法而開發(fā)的。另外，寒武紀(jì)的NPU，也是專門針對神經(jīng)網(wǎng)絡(luò)的，與TPU類似。

谷歌的TPU，寒武紀(jì)的DianNao，這些AI芯片剛出道的時候，就是用CPU/GPU來對比的。

AI芯片，比如大名鼎鼎的谷歌的TPU1。

TPU1，大約700M Hz，有256X256尺寸的脈動陣列，如下圖所示。一共256X256=64K個乘加單元，每個單元一次可執(zhí)行一個乘法和一個加法。那就是128K個操作。（乘法算一個，加法再算一個）