終端設備一路走來經歷了單片機、PC機、ARM、智能手機和平板的時代，語言和算法也從簡單匯編、C語言、Java發展到了神經網絡算法階段，現在的智能終端已經在芯片和存儲的發展推動下具有了強大的算力，GPU/FPGA/ASIC都將越來越多地應用于終端芯片，閃存的快速發展也使得終端存儲的容量和性能更優。

目前適合用于處理神經網絡算法，適應于人工智能需求的計算平臺有GPU（圖形處理器）、FPGA（現場可編程邏輯陣列）以及ASIC（專用集成電路）等。

GPU之所以被認為訓練深度學習模型的重要基礎芯片，主要是其有大量的核（多達幾千個核）和大量的高速內存，最初被設計用于游戲，計算機圖像處理等，后被發現擅長做類似圖像處理的并行計算。GPU擅長海量數據的處理，平行處理大量瑣碎信息，被應用到“深度學習”領域。

CPU與GPU架構對比

資料來源：公開資料整理

FPGA即可編程邏輯陣列，僅僅是提供了輸入輸出以及邏輯單元等硬件資源，具體的電路實現都是通過硬件描述語言HDL來配臵的。用HDL描述的邏輯被編譯成晶體管級的組合，所以FPGA不受固有架構的影響，每一個算法的實現都可以“定制化”。所以在可以利用并行加速的人工智能算法中，只要設計人員采用并行計算等技巧對運算進行加速，FPGA就可以實現目標功能。FPGA中的大量門電路全部都可以被用來作為計算單元。

FPGA結構

資料來源：公開資料整理

ASIC就是專用集成電路芯片，是為了某一類需求而特別定制的芯片。與FPGA相比，ASIC一旦確定電路結構就不能再改變，算法是固定不變的。這樣定制的芯片對于某一特定的算法效率更高，功耗也更低。但是缺點也顯而易見，算法一旦改變原有的芯片就不能再使用了。芯片出貨量越大成本越是低廉。所以，對于成熟的算法，芯片需求量大的場景ASIC是非常適合的。

ASIC版圖

資料來源：公開資料整理

可以說，GPU是相對更加通用化的計算平臺，FPGA是可編程重新配臵的用于專用計算的平臺，而ASIC是為了專用計算而產生，一旦生產出來，電路就固化無法改變。

這三類硬件系統各有優劣，而且使用場景不同。GPU從圖形處理領域逐漸進軍智能駕駛、圖像識別等AI領域，市場上以英偉達的芯片占比最多。FPGA一次性成本低廉，目標市場是企業軍工市場。ASIC一次性成本很高但在量產的情況下可大大降低成本，適合于消費電子市場。

一、唯快不破的新型閃存技術

智能攝像頭、智能音箱、智能手機大多數的嵌入式設備都能看到閃存的身影，閃存的存儲單元是場效應晶體管，是一種受電壓控制的三端器件，相比于傳統機械運動的磁盤有著速度快，帶寬高，體積小和能耗低的特點，非常適合應用于嵌入式智能系統。目前主流應用于嵌入式系統的閃存一般為16-64GB閃存標準eMMC，未來有向閃存標準UFS發展的趨勢，速度也將直逼系統級閃存標準SSD。從存儲介質來看，性能的提升是必然的趨勢，未來發展的3DXpoint和相變存儲技術將在耐用性和速度上有一個1000倍的提升。

閃存的發展

資料來源：公開資料整理

閃存在智能終端的使用已經比較普及，主要的原因是體積小、速度快、能耗低和帶寬高等特點，沒有機械裝臵也使得可以在更加復雜的環境中應用。傳統的馮諾依曼架構在數據的傳輸上消耗的時間較長，未來神經網絡算法更多是并行處理打破了傳統的馮諾依曼結構，性能更高和價格更便宜的閃存技術在未來將替代部分內存功能，實現計算和存儲更大的融合。

二、有容乃大的新型閃存技術

NAND閃存介質有SLC、MLC和TLC類型之分，NAND的制程工藝不斷進步，從早期的50nm一路發展到目前的15/16nm，提高容量、降低成本，但NAND閃存跟處理器不一樣，先進工藝雖然帶來了更大的容量，但NAND閃存的制程工藝是雙刃劍，容量提升、成本降低的同時可靠性及性能都在下降，因為這和NAND工藝有關，以至于制程工藝達到某個點后成本優勢逐漸消失。3DNAND的解決思路便出現了。廠商不再單單提高制程工藝，同時關注堆疊的層數。這樣3DNAND閃存的容量、性能、可靠性有了保證。

3DNAND從立體發展容量空間

資料來源：公開資料整理

閃存SSD容量也一路從2015年16TB發展到了2017年64TB容量，并且這個趨勢沒有絲毫減緩的跡象。智能終端多使用eMMC和UFS的標準，雖然性能上不如PC端SSD，但容量的擴大將對終端數據存儲和數據庫比對能力大大提升，智能終端配臵智能芯片和大容量存儲，能快速提取圖像特征值存儲并和目標數據庫進行高速比對，避免了大量數據傳輸到后端才能處理的延時

三、終端智能化成為未來趨勢

終端設備智能化是未來的發展趨勢。在大數據時代，數據中心是一切計算的核心，每時每刻都有海量的數據在云端進行不同的計算處理再傳輸到世界的各個角落，現在人工智能的發展更是離不開海量的數據與強大計算能力的硬件平臺。然而，面對正在爆發式增長的數據，對數據傳輸和存儲的要求都與日俱增，成本開銷也越來越大。通過嵌入式計算平臺，將終端設備不斷智能化，使之在本地可以進行全部離線計算或者部分計算是未來人工智能發展的趨勢。