跨界竞争不仅仅存在与商业模式中，技术体系的创新也能带来跨界竞争。AI行业的GPU竞争就是一例。
AI芯片领域的GPU一直采用传统的冯诺依曼架构，即串行指令集架构。
这是指令集架构图，它的优点是可控制性强，缺点是芯片需要根据指令进行运算并等待结果才能执行下一个指令，因此有高延时，芯片利用率低的缺点。
理论的数据流架构如下：
数据流架构的特点是：计算单元无需等待，无冗余指令，线性性能大幅提升。
因此采用数据流架构的芯片能够同时解决冯诺依曼指令集架构中的芯片利用率低和延时高的问题，可以说：鱼与熊掌兼得，这是技术创新带来的好处。
6月23日，鲲云科技在深圳发布了自主研发的AI芯片CAISA，这款芯片就是基于数据流架构，也是全球首款数据流架构AI芯片。它的定位是高性能AI推理，并已经完成量产。
CAISA的数据流技术在芯片实测算力上实现了技术突破，较同类产品在芯片利用率上最高可提升11.6倍。第三方测试数据显示仅用1/3的峰值算力，CAISA芯片可以实现英伟达T4最高3.91倍的实测性能。鲲云科技的定制数据流技术不依靠更大的芯片面积和制程工艺，通过数据流动控制计算顺序来提升实测性能，为用户提供了更高的算力性价比。
超高芯片利用率，定制数据流芯片架构完成3.0升级
CAISA 定制数据流芯片架构，相较于上一代芯片架构，CAISA3.0在架构效率和实测性能方面有了大幅的提升，并在算子支持上更加通用，支持绝大多数神经网络模型快速实现检测、分类和语义分割部署。CAISA3.0在多引擎支持上提供了4倍更高的并行度选择，架构的可拓展性大大提高，在AI芯片内，每一个CAISA都可以同时处理AI工作负载，进一步提升了CAISA架构的性能，在峰值算力提升6倍的同时保持了高达95.4%的芯片利用率，实测性能线性提升。同时新一代CAISA架构对编译器RainBuilder的支持更加友好，软硬件协作进一步优化，在系统级别上为用户提供更好的端到端性能。
CAISA3.0架构图
CAISA3.0架构继续保持在数据流技术路线的全球领先地位，指令集架构采用冯诺依曼计算方式，通过指令执行次序控制计算顺序，并通过分离数据搬运与数据计算提供计算通用性。CAISA架构依托数据流流动次序控制计算次序，采用计算流和数据流重叠运行方式消除空闲计算单元，并采用动态配置方式保证对于人工智能算法的通用支持，突破指令集技术对于芯片算力的限制。此次升级，CAISA架构解决了数据流架构作为人工智能计算平台的三大核心挑战：
具体来讲，鲲云CAISA3.0架构的三大技术突破主要通过以下的技术方式实现：
CAISA3.0架构由数据流来驱动计算过程，无指令操作，可以实现时钟级准确的计算，最大限度的减少硬件计算资源的空闲时间。CAISA3.0架构通过数据计算与数据流动的重叠，压缩计算资源的每一个空闲时钟；通过算力资源的动态平衡，消除流水线的性能瓶颈；通过数据流的时空映射，最大化复用芯片内的数据流带宽，减少对外部存储带宽的需求。上述设计使CNN算法的计算数据在CAISA3.0内可以实现不间断的持续运算，最高可实现95.4%的芯片利用率，在同等峰值算力条件下，可获得相对于GPU 3倍以上的实测算力，从而为用户提供更高的算力性价比。
CAISA3.0架构可以通过流水线动态重组实现对不同深度学习算法的高性能支持。通过CAISA架构层的数据流引擎、全局数据流网、全局数据流缓存，以及数据流引擎内部的人工智能算子模块、局部数据流网、局部数据流缓存的分层设计，在数据流配置器控制下，CAISA架构中的数据流连接关系和运行状态都可以被自动化动态配置，从而生成面向不同AI算法的高性能定制化流水线。在保证高性能的前提下，支持用户使用基于CAISA3.0架构的计算平台实现如目标检测、分类及语义分割等广泛的人工智能算法应用。
RainBuilder架构图
专为CAISA3.0架构配备的RainBuilder编译工具链支持从算法到芯片的端到端自动化部署，用户和开发者无需了解架构的底层硬件配置，简单两步即可实现算法快速迁移和部署。RainBuilder编译器可自动提取主流AI开发框架（TensorFlow，Caffe，Pytorch，ONNX等）中开发的深度学习算法的网络结构和参数信息，并面向CAISA结构进行优化；工具链中的运行时（Runtime）和驱动（Driver）模块负责硬件管理并为用户提供标准的API接口，运行时可以基于精确的CAISA性能模型，实现算法向CAISA架构的自动化映射，同时提供可以被高级语言直接调用的API接口；最底层的驱动可以实现对用户透明的硬件控制。RainBuilder工具链使用简单，部署方便，通用性强，可以让用户快速和低成本的部署和迁移已有算法到CAISA硬件平台上。
首款量产数据流AI芯片，CAISA带来AI芯片研发新方向
CAISA芯片
作为全球首款采用数据流技术的AI芯片，CAISA搭载了四个CAISA 3.0引擎，具有超过1.6万个MAC（乘累加）单元，峰值性能可达10.9TOPs。该芯片采用28nm工艺，通过PCIe 3.0×4接口与主处理器通信，同时具有双DDR通道，可为每个CAISA引擎提供超过340Gbps的带宽。
CAISA芯片架构图
作为一款面向边缘和云端推理的人工智能芯片，CAISA可实现最高95.4%的芯片利用率，为客户提供更高的算力性价比。CAISA芯片具有良好的通用性，可支持所有常用AI算子，通过数据流网络中算子的不同配置和组合，CAISA芯片可支持绝大多数的CNN算法。针对CAISA芯片，鲲云提供RainBuilder 3.0工具链，可实现推理模型在芯片上的端到端部署，使软件工程师可以方便的完成CAISA芯片在AI应用系统中的集成。
鲲云科技创始人牛昕宇发布全球首款数据流AI芯片
高算力性价比的AI计算平台星空加速卡系列产品发布
星空加速卡系列产品图
发布会上，鲲云科技创始人和CEO牛昕宇博士还发布了基于CAISA芯片的星空系列边缘和数据中心计算平台，X3加速卡和X9加速卡，并公布了由人工智能产业技术联盟（AIIA）测试的包括ResNet-50, YOLO v3等在内的主流深度学习网络的实测性能。
星空X3加速卡发布
星空X3加速卡是搭载单颗CAISA 芯片的数据流架构深度学习推断计算平台，为工业级半高半长单槽规格的PCIe板卡。得益于其轻量化的规格特点，X3加速卡可以与不同类型的计算机设备进行适配，包括个人电脑、工业计算机、网络视频录像机、工作站、服务器等，满足边缘和高性能场景中的AI计算需求。相较于英伟达边缘端旗舰产品Xavier，X3可实现1.48-4.12倍的实测性能提升。
|
CAISA X3 |
Xavier |
X3 vs Xavier |
||||||||||||
|
模型名称 |
网络来源 |
数据集 |
吞吐（batch=4，FPS） |
延时（batch=4, ms） |
芯片利用率 |
模型名称 |
网络来源 |
数据集 |
吞吐（batch=128，FPS） |
延时（batch=128, ms） |
芯片利用率 |
芯片利用率 |
延时降低 |
吞吐率 |
|
ResNet-50 |
TensorFlow |
ImageNet 50000 |
1306.93 |
3.06 |
92.3% |
ResNet-50 |
TensorFlow |
ImageNet 50000 |
879.00 |
145.70 |
21.1% |
4.37 |
47.61 |
1.49 |
|
ResNet-152 |
TensorFlow |
ImageNet 50000 |
460.27 |
8.68 |
95.4% |
ResNet-152 |
TensorFlow |
ImageNet 50000 |
310.90 |
411.66 |
21.9% |
4.35 |
47.43 |
1.48 |
|
YOLOv3 |
DarkNet |
COCO |
125.75 |
31.06 |
82.4% |
YOLOv3 |
GitHub* |
COCO |
30.50 |
4190.86 |
6.8% |
12.10 |
134.93 |
4.12 |
|
SSD-ResNet50 |
NVIDIA |
COCO |
182.16 |
21.96 |
77.1% |
SSD-ResNet50 |
NVIDIA |
COCO |
DNR |
DNR |
- |
- |
- |
- |
|
U-Net Industrial |
NVIDIA |
COCO2017 |
54.01 |
74.07 |
65.0% |
U-Net Industrial |
NVIDIA |
COCO2017 |
DNR |
DNR |
- |
- |
- |
- |
*模型参考：https://github.com/pushyami/yolov3-caffe/blob/master/deploy.prototxt
X3 vs Xavier芯片利用率对比图
X3 vs Xavier 性能对比图
X3 vs Xavier 延时对比图
星空X9加速卡发布
星空X9加速卡为搭载4颗CAISA 芯片的深度学习推断板卡，峰值性能43.6TOPS，主要满足高性能场景下的AI计算需求。同英伟达旗舰产品T4相对，X9在ResNet-50, YOLO v3等模型上的芯片利用率提升2.84-11.64倍。在实测性能方面，X9在ResNet50可达5240FPS，与T4性能接近，在YOLO v3、UNet Industrial等检测分割网络，实测性能相较T4有1.83-3.91倍性能提升。在达到最优实测性能下，X9处理延时相比于T4降低1.83-32倍。实测性能以及处理延时的大幅领先，让数据流架构为AI芯片的发展提供了提升峰值性能之外的另一条技术路线。
|
CAISA X9 |
T4 |
X9 vs T4 |
||||||||||||
|
模型名称 |
网络来源 |
数据集 |
吞吐（batch=16，FPS） |
延时（batch=16, ms） |
芯片利用率 |
模型名称 |
网络来源 |
数据集 |
吞吐（batch=128，FPS） |
延时（batch=128, ms） |
芯片利用率 |
芯片利用率 |
延时降低 |
吞吐率 |
|
ResNet-50 |
TensorFlow |
ImageNet 50000 |
5227.72 |
3.06 |
92.3% |
ResNet-50 |
TensorFlow |
ImageNet 50000 |
5415.00 |
23.64 |
32.1% |
2.88 |
7.73 |
0.97 |
|
ResNet-152 |
TensorFlow |
ImageNet 50000 |
1841.08 |
8.68 |
95.4% |
ResNet-152 |
TensorFlow |
ImageNet 50000 |
1935.25 |
66.14 |
33.6% |
2.84 |
7.62 |
0.95 |
|
YOLOv3 |
DarkNet |
COCO |
503.00 |
31.06 |
82.4% |
YOLOv3 |
GitHub* |
COCO |
128.80 |
993.78 |
7.1% |
11.64 |
32.00 |
3.91 |
|
SSD-ResNet50 |
NVIDIA |
COCO |
728.64 |
21.96 |
77.1% |
SSD-ResNet50 |
NVIDIA |
COCO |
212.00 |
150.94 |
7.5% |
10.25 |
6.87 |
3.44 |
|
U-Net Industrial |
NVIDIA |
COCO2017 |
216.04 |
74.07 |
65.0% |
U-Net Industrial |
NVIDIA |
COCO2017 |
118.00 |
135.59 |
11.9% |
5.46 |
1.83 |
1.83 |
*模型参考：https://github.com/pushyami/yolov3-caffe/blob/master/deploy.prototxt
X9 vs T4 芯片利用率对比图
X9 vs T4 性能对比图
X9 vs T4 延时对比图
鲲云科技通过CAISA数据流架构提高芯片利用率，同样的实测性能，对芯片峰值算力的要求可大幅降低3-10倍，从而降低芯片的制造成本，为客户提供更高的算力性价比。目前星空X3加速卡已经实现量产，星空X9加速卡将于今年8月推出市场。鲲云科技成为国内首家在发布会现场披露Benchmark的AI芯片公司。
商业落地
AI芯片最难的是商业落地，目前这款数据流AI芯片已与多家行业巨头达成战略合作，成为英特尔全球旗舰FPGA合作伙伴，与浪潮、戴尔达成战略签约，在AI计算加速方面开展深入合作；与山东产业技术研究院共建山东产研鲲云人工智能研究院，推进人工智能芯片及应用技术的规模化落地。
明星产品“星空”加速卡已在电力、教育、航空航天、智能制造、智慧城市、安监生产、轨道交通、智能遥感等领域落地。
用于数据中心小型服务器
浪潮AI服务器使用了鲲云科技的CAISA AI芯片
X3加速卡已经量产，X9计划8月份推出
打败你的往往不是同行，而是跨界。这是商业模式上的跨界竞争，在技术领域其实也是一样，我们一直在诟病几十年的冯诺依曼计算架构的性能，却一直没有突破，在AI领域，GPU芯片的领先者一直是英伟达，尽管英伟达的GPU是基于传统的指令集架构，但是其性能一直是行业最优的，尽管在理论界早就有了能够突破芯片利用率和高延时缺点的可定制的数据流架构，但一直未有实质性突破。如今，鲲云科技发布了全球首款数据流AI芯片CAISA，我们期待它成为技术领域的跨界竞争者。
责编：Challey
最前沿的电子设计资讯
