本站原創，作者：章鷹，電子發燒友執行副主編。

在2018年和2019年這兩年，中外廠商AI芯片量產和上市的新聞層出不窮。小編為工程師來梳理一下，看看英特爾、英偉達、超微、華為、阿里巴巴幾家的動作。

1、2018年5月下旬，英特爾全球副總裁兼人工智能產品事業部總經理Naveen Rao表示，英特爾正在開發第一個商用神經網絡處理器產品英特爾Nervana NNP-L1000（Spring Crest），計劃在2019年發布。

2、2018年6月初，英偉達正式發布了全新AI芯片“Jetson Xavier”，在CEO黃仁勛看來：“這臺小電腦，將成為未來機器人的大腦”，將該芯片的使用范圍清晰定義在機器人領域。

3、2018年8月，英偉達圖靈芯片（Turing）臺積電大量以12納米投片，9月底已經開始出貨。

4、首度采用臺積電7納米的超微移動加速處理器（APU）架構芯片，最快2018年底至2019年上半年出貨。

5、據***工商時報報道，華為自行研發的云端運算AI芯片，包括采用臺積電12奈米的Ascend 310及采用臺積電7奈米的Ascend 910，預期在2019年第二季推出。

6、12月16日，阿里巴巴成立的芯片公司平頭哥（上海）半導體已經在上海完成注冊，阿里巴巴首席技術長、達摩院院長張建鋒透露，阿里首款AI芯片預計2019年下半年面世。這款芯片將應用在阿里數據中心、城市大腦和自動駕駛等云端數據場景中。

“AI芯片是AI技術發展過程中不可逾越的關鍵階段，不管有什么好的AI算法，要想最終得到應用，都必然通過芯片來實現。” 清華大學微電子所所長、中國半導體行業協會集成電路設計分會理事長魏少軍斷言，芯片是實現人工智能的當然載體。

圖：清華大學微電子所所長、中國半導體行業協會集成電路設計分會理事長魏少軍

在珠海舉辦的ICCA2018年會上，中國半導體行業協會集成電路設計分會理事長魏少軍教授指出，集成電路設計產業蓬勃發展，芯片設計企業再次大幅度上升，全國共有1698家設計企業，比過去一年暴增了23%。1600多家無晶圓廠設計公司，有AI方面產品的公司也有不少，產品如何落地，值得思考。

作為全球晶元代工龍頭的臺積電，其董事長張忠謀對外界表示，無論人工智能（AI）、5G等新應用，都脫離不了運算，因此，運算未來輝是非常普遍被需要的技術。而運算是集成電路（IC）的基本，未來無論什么殺手級產品出現，都需要IC，也讓IC產業長期看好。

圖：臺積電董事長張忠謀

張忠謀預料，運算（computing）在未來將會非常重要。他指出MIT新設立運算學院，是個跨學系的學院，原本機械、電子、電機等系所都可以來運算學院修讀運算課程，5G和AI的根本都是運算。

張忠謀分析指出，大陸之所以可以誕生寒武紀等AI芯片獨角獸，主要是因為大陸有人才和國內龐大的市場。這點和美國市場相同，比如Google， Facebook，這些獨角獸能夠成功，前提是很大的國內市場。

臺積電中國業務發展副總經理陳平陳平觀察這一波 AI 熱潮需要具備三個關鍵：海量數據、算法、技術工藝。AI 最先的要素是有“海量數據”才能成立，所有的場景推演和訓練都要有數據在背后做依據，如果想要做一個 AI 產品，但沒有數據庫做基礎，那評估的時候就要打個問號！

兩個關鍵點是算法和工藝，半導體工藝技術是臺積電的強項，IC 設計客戶要追求極致，有好的算法不夠，算力也很重要，用 7 納米就是比 28 納米的算力強，目前臺積電是唯一 7 納米工藝技術的提供者。寒武紀、華為海思、比特大陸都是臺積電的重要客戶。

圖：格芯市場總監朱宇

格芯市場總監朱宇在12月21日的《人工智能落地應用與趨勢》論壇上，指出，半導體給AI應用帶來了實現的可能性。他分析說：從云端到Edge端，AI應用分為三個大類：主要集中在AI訓練和inference，代表廠商是Google和英偉達；在自動駕駛領域，采用AI是減輕駕駛員在駕駛途中的精力。做自動駕駛，需要車在實時性環境中反應，需要強大的計算平臺和AI芯片；在邊緣（Edge）端，AI算力提升產品體驗，真正改變生活形態的挑戰部分。比如家里的空調根據家中人數多少，自動調節溫度和濕度，又比如智能門鎖，監控人的進出，為芯片設計的廠商帶來思考，用那種工藝實現AI算法。

從云端的AI處理器的趨勢，經過多年的演進，從CPU到GPU到FPGA，在做云端訓練和處理器，大家都在定義自己的架構，這種芯片需要先進工藝，做云端訓練，ASIC是必然之路。

服務器90%市場使用的是X86架構，做一個芯片要替代X86， 再加上AI功能，需要更長的過程。加速芯片+服務器芯片，這是比較現實的模式。

AI流程是怎樣的？訓練一個神經網絡，把訓練好的神經網絡灌到芯片上，以車為主，車子在使用當中，不斷有新數據產生和輸入，已有的神經網絡會做處理和判斷，云端不斷訓練神經網絡，終端門店不斷將神經網絡最新配置到更新車載上。AI的子應用，包括人臉識別、自動駕駛，都是這樣的套路。

他指出，大公司在云端AI創新更容易成功，中小型和初創公司在某個細分領域做一些子創新，做AI應用落地更容易找到市場機會。

從工藝角度，業界對AI客戶分為兩個級別：第一、在數據中心做訓練的AI芯片，需求是高效和功耗，先進工藝，效能要高，實現互聯互通，采用高帶寬Memory，2.5D/3D封裝（3／2.5D與多個HBMS或GDDRS的集成）。為了未來新的形態GDR5+GDR6，芯片內部嵌入的Memory也比較多，是一個很大的芯片。第二、邊緣端普遍算力不足，這類客戶對AI芯片的功耗非常敏感，要考慮功耗與成本的平衡。

手機Soc芯片是頂尖制程最主要應用領域，麒麟980芯片作為首發商用7nm工藝制程手機Soc，麒麟980在指甲蓋大小的尺寸上塞進69億個晶體管，實現了性能與能效的提升，相較上一代處理器在表現上提升75%，在能效上提升58%。為了7nm制程的研發，華為投資遠遠超過了3億美元，如果是數據中心使用的AI芯片,面積是麒麟980芯片的幾倍，不是一個小公司可以開發的。

朱宇強調，在邊緣（Edge）端的創新空間巨大， 終端上普遍存在AI算力不夠的情況。“我看到的人臉識別、圖像處理加上AI處理引擎，對Memory需求沒有那么高， 邊緣端對功耗非常敏感，要考慮功耗和成本的平衡。”

AI芯片有三大發展趨勢：第一、追求更高性能；第二、從CPU到FPGA的進展可以在沒有芯片設計公司的情況下進行，3、遷移到ASIC需要一個充足的設計團隊。