终端设备一路走来经历了单片机、PC机、ARM、智能手机和平板的时代，语言和算法也从简单汇编、C语言、Java发展到了神经网络算法阶段，现在的智能终端已经在芯片和存储的发展推动下具有了强大的算力，GPU/FPGA/ASIC都将越来越多地应用于终端芯片，闪存的快速发展也使得终端存储的容量和性能更优。

目前适合用于处理神经网络算法，适应于人工智能需求的计算平台有GPU（图形处理器）、FPGA（现场可编程逻辑阵列）以及ASIC（专用集成电路）等。

GPU之所以被认为训练深度学习模型的重要基础芯片，主要是其有大量的核（多达几千个核）和大量的高速内存，最初被设计用于游戏，计算机图像处理等，后被发现擅长做类似图像处理的并行计算。GPU擅长海量数据的处理，平行处理大量琐碎信息，被应用到“深度学习”领域。

CPU与GPU架构对比

资料来源：公开资料整理

FPGA即可编程逻辑阵列，仅仅是提供了输入输出以及逻辑单元等硬件资源，具体的电路实现都是通过硬件描述语言HDL来配臵的。用HDL描述的逻辑被编译成晶体管级的组合，所以FPGA不受固有架构的影响，每一个算法的实现都可以“定制化”。所以在可以利用并行加速的人工智能算法中，只要设计人员采用并行计算等技巧对运算进行加速，FPGA就可以实现目标功能。FPGA中的大量门电路全部都可以被用来作为计算单元。

FPGA结构

资料来源：公开资料整理

ASIC就是专用集成电路芯片，是为了某一类需求而特别定制的芯片。与FPGA相比，ASIC一旦确定电路结构就不能再改变，算法是固定不变的。这样定制的芯片对于某一特定的算法效率更高，功耗也更低。但是缺点也显而易见，算法一旦改变原有的芯片就不能再使用了。芯片出货量越大成本越是低廉。所以，对于成熟的算法，芯片需求量大的场景ASIC是非常适合的。

ASIC版图

资料来源：公开资料整理

可以说，GPU是相对更加通用化的计算平台，FPGA是可编程重新配臵的用于专用计算的平台，而ASIC是为了专用计算而产生，一旦生产出来，电路就固化无法改变。

这三类硬件系统各有优劣，而且使用场景不同。GPU从图形处理领域逐渐进军智能驾驶、图像识别等AI领域，市场上以英伟达的芯片占比最多。FPGA一次性成本低廉，目标市场是企业军工市场。ASIC一次性成本很高但在量产的情况下可大大降低成本，适合于消费电子市场。

一、唯快不破的新型闪存技术

智能摄像头、智能音箱、智能手机大多数的嵌入式设备都能看到闪存的身影，闪存的存储单元是场效应晶体管，是一种受电压控制的三端器件，相比于传统机械运动的磁盘有着速度快，带宽高，体积小和能耗低的特点，非常适合应用于嵌入式智能系统。目前主流应用于嵌入式系统的闪存一般为16-64GB闪存标准eMMC，未来有向闪存标准UFS发展的趋势，速度也将直逼系统级闪存标准SSD。从存储介质来看，性能的提升是必然的趋势，未来发展的3DXpoint和相变存储技术将在耐用性和速度上有一个1000倍的提升。

闪存的发展

资料来源：公开资料整理

闪存在智能终端的使用已经比较普及，主要的原因是体积小、速度快、能耗低和带宽高等特点，没有机械装臵也使得可以在更加复杂的环境中应用。传统的冯诺依曼架构在数据的传输上消耗的时间较长，未来神经网络算法更多是并行处理打破了传统的冯诺依曼结构，性能更高和价格更便宜的闪存技术在未来将替代部分内存功能，实现计算和存储更大的融合。

二、有容乃大的新型闪存技术

NAND闪存介质有SLC、MLC和TLC类型之分，NAND的制程工艺不断进步，从早期的50nm一路发展到目前的15/16nm，提高容量、降低成本，但NAND闪存跟处理器不一样，先进工艺虽然带来了更大的容量，但NAND闪存的制程工艺是双刃剑，容量提升、成本降低的同时可靠性及性能都在下降，因为这和NAND工艺有关，以至于制程工艺达到某个点后成本优势逐渐消失。3DNAND的解决思路便出现了。厂商不再单单提高制程工艺，同时关注堆叠的层数。这样3DNAND闪存的容量、性能、可靠性有了保证。

3DNAND从立体发展容量空间

资料来源：公开资料整理

闪存SSD容量也一路从2015年16TB发展到了2017年64TB容量，并且这个趋势没有丝毫减缓的迹象。智能终端多使用eMMC和UFS的标准，虽然性能上不如PC端SSD，但容量的扩大将对终端数据存储和数据库比对能力大大提升，智能终端配臵智能芯片和大容量存储，能快速提取图像特征值存储并和目标数据库进行高速比对，避免了大量数据传输到后端才能处理的延时

三、终端智能化成为未来趋势

终端设备智能化是未来的发展趋势。在大数据时代，数据中心是一切计算的核心，每时每刻都有海量的数据在云端进行不同的计算处理再传输到世界的各个角落，现在人工智能的发展更是离不开海量的数据与强大计算能力的硬件平台。然而，面对正在爆发式增长的数据，对数据传输和存储的要求都与日俱增，成本开销也越来越大。通过嵌入式计算平台，将终端设备不断智能化，使之在本地可以进行全部离线计算或者部分计算是未来人工智能发展的趋势。