从深蓝到AI芯片：算力演进的技术解析与对比

1次阅读

共计 1455 个字符，预计需要花费 4 分钟才能阅读完成。

1997 年，IBM 的深蓝（Deep Blue）超级计算机击败国际象棋世界冠军卡斯帕罗夫，成为人工智能发展史上的里程碑事件。深蓝采用传统 CPU 架构，具体特点包括：

基于 RISC 架构 ：使用 32 位 PowerPC 604e 处理器，运行频率 120MHz
并行计算能力 ：由 30 个节点组成，每个节点包含多个 CPU，峰值速度约 11.38 GFLOPS
专用象棋芯片 ：包含 480 个专用 VLSI 芯片用于评估棋局

深蓝代表了上世纪 90 年代超级计算机的典型设计思路——通过大量通用 CPU 的并行堆叠来提升算力。

深蓝的 CPU 架构 ：
顺序执行指令
少量计算核心（每个 CPU 单核）
通用计算设计
现代 AI 芯片（以 NVIDIA A100 为例）：
并行计算架构（CUDA 核心）
数千个计算核心（A100 含 6912 个 CUDA 核心）
专用矩阵运算单元（Tensor Core）

指标	深蓝时代	现代 AI 芯片时代
主要标准	FLOPS（浮点运算）	TOPS（整数运算）
典型数值	11.38 GFLOPS	624 TFLOPS（A100）
精度	64 位浮点	混合精度（FP16/INT8）

下面是一个简单的矩阵乘法示例，展示 CPU 和 GPU 的实现差异：

# CPU 实现（顺序计算）def matmul_cpu(A, B, C, size):
    for i in range(size):
        for j in range(size):
            for k in range(size):
                C[i][j] += A[i][k] * B[k][j]

# GPU 实现（并行计算，PyCUDA 示例）import pycuda.autoinit
import pycuda.driver as drv
from pycuda.compiler import SourceModule

mod = SourceModule("""
__global__ void matmul_gpu(float *A, float *B, float *C, int size) {
    int i = blockIdx.x * blockDim.x + threadIdx.x;
    int j = blockIdx.y * blockDim.y + threadIdx.y;
    if (i < size && j < size) {
        float sum = 0;
        for (int k = 0; k < size; k++)
            sum += A[i*size + k] * B[k*size + j];
        C[i*size + j] = sum;
    }
}
""")

指标	深蓝 (1997)	NVIDIA A100 (2020)	提升倍数
峰值算力	11.38 GFLOPS	624 TFLOPS	54,800x
计算核心数	约 30 个 CPU	6912 个 CUDA 核心	230x
内存带宽	~2GB/s	2TB/s	1000x
能效比	0.05 GFLOPS/W	80 GFLOPS/W	1600x