ASIC (Application Specific Integrated Circuit )芯片是专用集成电路，是针对用户对特定电子体系的需求，从根级规划、制作的专有使用程序芯片，其核算才能和核算功率可依据算法需求进行定制，是固定算法最优化规划的产品。ASIC 芯片模块可广泛使用于人工智能设备、虚拟钱银挖矿设备、耗材打印设备、军事国防设备等才智终端。
在硬件层面，ASIC 芯片由根本硅资料、磷化镓、砷化镓、氮化镓等资料构成。在物理结构层面，ASIC 芯片模块由外挂存储单元、电源办理器、音频画面处理器、网络电路等IP核凑集而成。同一芯片模组可搭载一个或几个功用相同或不同的ASIC 芯片，以满意一种或多种特定需求。
(1) 依据定制程度不同，ASIC 芯片可被分为全定制ASIC 芯片、半定制ASIC 芯片及可编程ASIC芯片。
全定制ASIC 芯片是定制程度最高的芯片之一，研制人员依据不同电路结构规划针对不同功用的逻辑单元，于芯片板建立模仿电路、存储单元、机械结构。逻辑单元之间由掩模版衔接，ASIC 芯片掩模版也具有高度定制化特色。
全定制化ASIC 芯片规划本钱较高，均匀每单位芯片模块规划时刻超越9 周。该类芯片一般用于高档使用程序。
相对半定制化ASIC 芯片，全定制化ASIC 芯片在功用、功耗等方面体现优异。如应对相同功用，在同种工艺前提下，全定制化ASIC 芯片均匀算力输出约为半定制化ASIC 芯片均匀算力输出的8 倍，选用24 纳米制程的全定制化ASIC 芯片在功用上优于选用5 纳米制程的半定制化ASIC 芯片。
构成半定制ASIC 芯片的逻辑单元大部分取自规范逻辑单元库，部分依据特定需求做自界说规划。相对全定制ASIC 芯片规划本钱较低，灵敏度较高。
依据规范逻辑单元和自界说逻辑单元数量调配方式不同，半定制ASIC 芯片可细分为门阵列芯片和规范单元芯片。
门阵列ASIC 芯片包含有信道门阵列、无信道门阵列和结构化门阵列。门阵列ASIC 芯片结构中硅晶片上预订晶体管方位不行改动，规划人员多经过改动芯片底端金属层等方法调整逻辑单元互连结构。
有信道门阵列ASIC 芯片：该类芯片晶体管方位高度固定，规划人员可在晶体管行之间预订义的空白空间进行电路布局;
无信道门阵列ASIC 芯片：无信道结构下，晶体管行之间不存在电路布局空间，规划人员一般于门阵列单元上方进行布线;
结构化门阵列ASIC 芯片：该结构包含根本门阵列行及嵌入块。嵌入块可进步线路布局灵敏度，但对芯片体积构成约束。该结构下，线路布局面积运用功率较高，规划本钱较低，周转时刻较短。
该类ASIC 芯片由选自规范单元库的逻辑单元构成。规划人员可按算法需求自行安置规范单元。除规范单元外，微控制器、微处理器等固定块也可用于规范单元ASIC 芯片架构。
广义而言，可编程ASIC 芯片可分为FPGA 芯片和PLD 芯片。在实践出产过程中，将FPGA 芯片列为不同于ASIC 芯片的研究机构和企业数量不断添加，故本陈述仅将PLD(Programmable Logic Device)视为可编程ASIC 芯片子类别。
PLD 亦称可编程逻辑器件，在结构上包含根底逻辑单元矩阵、触发器、锁存器等，其互连部分作为单个模块存在。规划人员经过对PLD 进行编程以满意部分定制使用程序需求。
(2) ASIC 芯片可依据终端功用不同分类为TPU 芯片、BPU 芯片和NPU 芯片。
① TPU 为张量处理器，专用于机器学习。如Google 于2016 年5 月研制针对
Tensorflow 渠道的可编程AI 加速器，其内部指令集在Tensorflow 程序改变或更新算法时可运转。
② BPU 是大脑处理器，是由地平线科技提出的嵌入式人工智能处理器架构。
③ NPU 是神经网络处理器，在电路层模仿人类神经元和突触，并用深度学习指令集直接处理大规划电子神经元和突触数据。
CPU 等传统芯片经过读取、履行外部程序代码指令而生成成果，相对而言，ASIC 芯片读取原始输入数据信号，并经内部逻辑电路运算后直接生成输出信号。
相对CPU、GPU、FPGA 等类型芯片，ASIC 芯片在专用体系使用方面具有多元优势，具体体现在如下几方面。
① 面积优势：ASIC 芯片在规划时防止冗余逻辑单元、处理单元、寄存器、存储单元等架构，以朴实数字逻辑电路方式构建，有利于缩小芯片面积。应对小面积芯片，平等标准晶圆可被切割出更多数量芯片，有助于企业下降晶圆本钱。
② 能耗优势：ASIC 芯片单位算力能耗相对CPU、GPU、FPGA 较低，如GPU 每算力均匀约耗费0.4 瓦电力，ASIC 单位算力均匀耗费约0.2 瓦电力，更能满意新式智能家电对能耗的约束。
③ 集成优势：因选用定制化规划，ASIC 芯片体系、电路、工艺高度一体化，有助于客户取得高功用集成电路。
④ 价格优势：遭到体积小、运转速度高、功耗低一级特色影响，ASIC 芯片价格远低于CPU、GPU、FPGA 芯片。当时全球商场ASIC 芯片均匀价格约为3 美元，远期若到达量产规划，ASIC 芯片价格有望坚持继续下降态势。
① ASIC 芯片定制化程度较高，规划开发周期长，制品需求做物理规划和可靠性验证，面市时刻较慢。
② ASIC 芯片对算法依赖性较高。人工智能算法高速更新迭代，导致ASIC 芯片更新频率较高。
③ 因ASIC 芯片定制化程度较高，研制周期相对绵长，扩展了ASIC 制品被商场筛选的危险。
① 谷歌于2016 年推出TPU，谷歌旗下2017 版AlphaGo 物理处理器中镶嵌4 个TPU，可支撑谷歌云TPU 渠道和机器学习超级核算机。
② IBM 经过模仿大脑结构于2014 年8 月推出制程为28 纳米的第二代TrueNorth芯片，可使用于实时视频处理。
③ 英特尔于2017 年推出Xeon 系列ASIC 芯片。该系列芯片可独立充任处理器，无需附加主机处理器和辅佐处理器，可使用于机器深度学习。
④ 斯坦福大学推出依据新神经形状核算架构的ASIC 芯片运算速度为一般电脑9,000倍，可模仿约100 万个大脑神经元、几十亿个突触衔接。
⑤ 新式科创企业将ASIC 芯片使用拓宽至安防、辅佐驾驭、传统家电、才智医疗等范畴。
② 移动通讯设备、头显设备(AR、VR、MR)、平板电脑、无人机、智能家居设备等消费性电子产品将成为 ASIC 芯片产品会集使用范畴。
③ 以图形架构为根底的深度学习处理器盛行，ASIC 更适用于图形架构运算环境。
④ 估计 2022 年前后，可以一起进行练习和推理的人工智能终端设备将愈加遍及，ASIC芯片将被很多导入该类设备。
DCIM全称DataCenterInfrastructureManagement，即数据中心根底设施办理。DCIM是近两年在数据中心办理范畴鼓起的一个热点话题,旨在选用一致的渠道一起办理要害根底设施如UPS、空调以及IT根底架构如服务器，并经过数据的剖析和聚合，最大化数据中心的运营功率，进步可靠性。
快速链接
下载
公司