AI晶元是否就是用硬體描述語言HDL去實現機器學習演算法？

01-21

謝邀。簡答回答，不是。

針對不同的任務，適合的機器學習演算法會不一樣。比如，各種network的構造都不一樣，而且還有CNN、RNN這種區別。

開發一個AI晶元，不可能只適用於一種結構的network。都希望在一個AI晶元上能跑多種網路結構，如resnet，alexnet，inception等等。所以，我們用HDL設計的，不是演算法本身。

用HDL設計AI晶元，主要包括三個層面的東西。

1。基本的算術單元，如MAC。這個和CPU類似吧。

2。這些Unit的組織結構，以及如何對這些unit進行並行化以實現DL的基本計算。如conv、pool等操作。這可以類比向量處理器中的VLIW架構，或者SIMD指令之類的概念。不過，針對DL演算法，數據都是多維的tensor，已經不是向量了。

3。數據存儲結構。如何組織memory的結構，以給計算部分提供足夠的數據和參數。這是SOC級別的架構。

總之，目前，DL演算法不像MP3、h264之類的編解碼演算法已經成為固定計算過程，還不可能直接用HDL實現演算法。

————————————————————————————————

更新一下，前面說的絕對了點，是針對做DL加速器來說的。DL加速器不面向特定某個網路，不面向特定某個演算法，所以，是個可編程的架構。

但是，也有例外。比如，當一個演算法在一個應用領域的精度足夠用了的時候，完全可以直接硬體化，留一些可配置項即可。這個時候，就是用HDL直接實現演算法了。比如，做特定的語音識別（不涉及語義理解，只做命令詞識別），用MFCC+CNN+viterbi decoder這種結構，可以直接完全硬體化，實現為ASIC。缺點就是，無法應對演算法升級，比如直接CTC做語音識別的演算法。

題主概念有點混淆。

hdl是硬體描述語言，這個概念本身說的已經很清楚了，硬體描述四個字是關鍵。就是說這個語言是對硬體結構的描述，幾乎每一句話都可能對應一部分電路結構。比如你寫一個＋，可能電路里就會綜合出來一個加法器，是實實在在以晶體管組合而成的電路結構。

而加速晶元指的是，晶元本身的體系結構，包括微結構，指令集等等一系列的硬體設計，其能夠高效的支持人工智慧演算法。而硬體描述語言只是用來把這個結構描述出來，讓EDA工具能夠看懂，並真正把你想要的晶元畫出來而已。

所以hdl本身跟演算法流程可以說沒什麼關係。

突然有事要忙，先寫這麼多吧。意思差不多到了，可能措辭或者描述存在不嚴密的地方，有人看了再更吧。

兩件事情。

AI晶元是指能高效實現 AI演算法的計算過程的晶元。

而實現AI演算法的硬體架構可以大致分為兩類，一類是徹底的Fix的處理器，也就是實現了一個特定的計算過程。一類是徹底的用可編程處理器，可實現通用的計算。一般都是在這兩者之間折衷。

硬體描述語言HDL只是設計描述硬體電路的一種工具。

這取決於題主所說的「AI晶元」是基於什麼樣的硬體平台來實現的。如果是用FPGA實現的AI晶元，那麼可以說是，因為FPGA本身就是硬體可編程的，不同的演算法用HDL，或者用高級語言實現之後綜合到FPGA上運行。

而其他諸如DSP，可編程硬體加速器，GPU等等，都是通過工具鏈將軟體實現的演算法映射到這些硬體平台上運行，這個時候氏不需要用HDL進行硬體編程的

不請自來。AI晶元大體可以分為兩種：通用晶元和專用晶元。通用晶元會實現一些CNN、RNN等的加速模塊，不特意針對某種任務；專用晶元指的是為某項任務專門設計的晶元，比如支持語音識別或者人臉識別。而且AI晶元通常是不支持學習的，只是把GPU訓練好的模型在上面跑。

AI晶元指的是適合運行AI程序的晶元。

硬體描述語言（HDL）是開發晶元所用的語言。

機器學習演算法是運行在晶元上的軟體。