感觉深度学习芯片方向已经开始扎堆儿了

深度学习火了之后很多公司都在打鸡血的布局深度学习芯片啊，但总感觉门槛并不是很高，产品落地不久各家就会打起来。学校里大大小小的课题组只要搞个FPGA板子、能跑通caffe，也在强转这个方向。
自己并不是做这个方向的，一点浅见：目前主流的神经网络芯片本质还是基于矩阵乘法（比如CNN），从芯片设计的角度来看，难点与门槛更多还是传统的IC工程问题，主要利用大规模片上缓存和乘法-加法器阵列上的数据流调度使计算力和并行度最大化，外围接口也都是比较成熟的方案。
这样看来，其实各家设计的芯片本身，最终并不会有太大差异？
只是做芯片的话，应该还是传统IC巨头优势比较大，毕竟有足够的工程实力。
初创公司的优势主要在于打包从算法到芯片的一揽子方案，当然也有寒武纪那样直接开发指令集的。
真正能够达到差异化的就是这样的一揽子方案，但现在似乎除了扎堆儿图像、语音、自动车之外，其他落地的应用场景并不多，芯片似乎是有些超前于这样的整体方案了。
当然，算法组那边神仙打架，硅农们仍然只是根据新的架构和spec去埋头写rtl，没啥新东西玩儿。
芯片本身有技术门槛的模式可能是spike，但这东西仍然还主要是实验室成果。

原来是传统的ic巨头里的人，真酸

深度学习究竟能用在哪些方面赚钱?
分析股票?
行车记录仪识别车辆,行人?
做成机器人陪人下棋?
有没有好的商业模式?

这种芯片应该类似gpu芯片吧，那是不是还是nvidia的优势最大。

支持技术讨论
我的理解，深度学习就是一类算法，比如说视频压缩就是另一类，那么做实现的时候
就是一个通用性和性能的折中
通用性越好，性能和功耗效率越差，最通用的莫过于GPU
如果要提高性能和功耗效率，优化结构和运算单元的复杂度
代价就是降低通用性，对做芯片来讲，就是市场面变窄，mask费用摊销增大
目前各家做的就是找不同折中点

只是浮点矩阵运算的话用gpu就好了
  

NV也在做TPU那样的研究了，这个领域，我倾向于认为大家还是合作分工，各取所长会是最终的发展模式。想搞平台的搞应用平台就好了，像Google这种芯片、算法、操作系统一锅端的，市场也容不下他吧

同意，搞芯片的，除了技术创新，就是各种不同应用场合的折中。

分析挺好
扎堆上
又没有技术门槛
大部分都是完蛋

大规模卷积不需要浮点那么高精度
用gpu功耗有浪费

gpu本身就是会丢精度的，反而是做成指令集没法丢了  
  

单精度浮点开销太大，可以吧数据压缩到-1~1的范围内用16位定点来做。

抓住机会！大微电子要起飞了

这些芯片都有要求定点化网络么？话说现在的网络定点化都是咋弄的有综述么？
是先浮点训练然后强行定点化还是直接网络架构就是定点化的，训练也是定点化？
  

网络定点化怎么考虑？  
  

都out了，学术界的神仙们已经在弄非冯诺依曼架构神经网络了，芯片什么的完全落后