tpu生产工艺和技术手册,TPU的生产工艺

含光800

后续，在含光的技术手册上也找到含光800的一些参数，Int 8计算能力是825TOPS，简单推算，Float16的计算能力应该在410TFLOPS左右，与4块芯片的TPU V3相当，的确比华为昇腾要快，但功耗为276W，远比谷歌的TPU V3低，也比华为的昇腾低一些。

含光800性能的突破得益于软硬件的协同创新：硬件层面采用自研芯片架构，通过推理加速等技术有效解决芯片性能瓶颈问题;软件层面集成了达摩院先进算法，针对CNN及视觉类算法深度优化计算、存储密度，可实现大网络模型在一颗NPU上完成计算。

7、寒武纪思元290

2021年1月，我国另一个芯片公司寒武纪推出思元290人工智能芯片，思元290智能芯片是寒武纪的首颗训练芯片，采用台积电7nm先进制程工艺，集成460亿个晶体管，支持MLUv02扩展架构，全面支持AI训练、推理或混合型人工智能计算加速任务。

思元290

从公开的参数来看，在 350W 的最大散热功耗下提供 AI 算力高达 512 TOPS（INT8），与昇腾的640，含光的825比较，还是有一些差距，但也算不错了，这样中国在高端数据中心AI芯片上也有3席之地，可以与美国相抗衡了。

上面对几款主要的数据中心AI芯片进行了介绍，由于各家公布的数据不全，都突出自己的特点，比较难以一致比较，为了对比，对数据进行了一定的加工和综合推算，不一定很准确、分析厂商也不一定全，但为了研究与对比，也勉为其难，综合推理计算后列表如下：

从上面表格来看，数据中心单芯片计算能力应该是英伟达的A100 80G显存版本，FP16计算性能624TFLOPS，但在A100的数据中看到光显存增加一倍，它的计算能力就会提升一倍，有点玄乎，但是公开正式数据应该没问题。

从单卡性能来看，应该是谷歌的TPU 4性能最好，差不多能达到1000TFLOPS，但功耗惊人。

从推理来看，数据公布了的应该是阿里的含光800，其它我查到的数据不多，没有更深入的研究分析。

对于大规模的人工智能计算、模型训练来说，光是计算速度快没有用，还需要从算法优化，大规模AI服务器形成整体进行计算，这方面来说还应该是谷歌的TPU Pods厚厉害，TPU V4 Pods一个标准单元就碾压了当今全球最快的超算，毕竟谷歌是当今人工智能领域的领导者与开创者。

同时，人工智能芯片发展是动态的，各家发展都非常快，今年领先并不意味总明年能继续领先，由于华为面临美国全面打压与技术封锁，这两年无法继续在AI芯片发力，只能在开发平台上努力，芯片上与谷歌、英特达会有更大的差距，需要我国芯片制造突破美国技术封锁后，才可能有更大作为。

此外，AI芯片除高端的数据中心一侧，还有更广阔应用的边缘侧，将在另外的文章进行详细分析与介绍，欢迎大家关注了解。

#人工智能# #AI芯片#