在“阿爾法狗”（AlphaGo）打敗人類圍棋頂尖高手之后，AI徹底火了，有關這方面的討論從那時候起就一直不絕于耳，各種相關的AI應用也層出不窮。現在遍地開花的人臉識別、圖像識別和語音識別等應用背后都有AI的身影，各種廠商也聚焦在這些市場提供各種差異化的AI方案。

如被稱為國內“AI四小龍”之一的依圖科技就憑借在計算機視覺、語音識別、語義理解和智能決策等多方面的技術積累，將人工智能技術注入到了智能安防、科技金融、智能醫療、智慧城市、新零售和智能制藥等多個領域，推出了全球領先的創新技術和產品。人工智能應用也在依圖等廠商的的推動下迅速發展，這也帶動了后面相關芯片需求的發展。

根據Gartner的預測數據，全球人工智能芯片市場規模將在未來五年內呈現飆升，從2018年的42.7億美元成長至343億美元，增長超過7倍。相關的芯片也從早期的CPU、GPU、FPGA發展到現在針對特殊應用開發的客制化AI芯片。尤其是后者，更是成為最近這些年產業不可逆轉的潮流。

從GPU、FPGA到專用AI芯片的演變

在人工智能的發展早期，市場上都是選用CPU、GPU和FPGA等芯片作為人工智能應用的“動力”來源，但隨著終端市場的發展，這些芯片的瓶頸開始凸顯：

如CPU雖然能夠為人工智能提供適合的算力、價格、功耗和時間，但因為AI的許多數據處理涉及矩陣乘法和加法，這并不是CPU所擅長的；GPU方面，雖然他們也是為了應對圖像處理中的大規模并行計算處理而生的，但因為其硬件結構方面的局限性，使得即使他們在人工智能訓練端如此重要，也還是有不少廠商嘗試尋找新的替代空間；FPGA也因為基本單元的計算能力有限，速度和功耗方面也略顯不足，再加上價格昂貴，在市場上也頗受爭議。于是擁有成本、性能和功耗等優勢的專門定制AI芯片就開始成為了市場追逐的目標。

這不但推動了一大波初創公司的誕生，很多做軟件和算法的公司也都先后投身其中。

在前者方面，國內的寒武紀、地平線和比特大陸都是先鋒。以寒武紀為例，他們在2016年推出了世界首款終端人工智能專用處理器“寒武紀 1A”處理器，并已應用于數千萬智能手機中。2018年，寒武紀推出了MLU100機器學習處理器芯片。按照他們的說法，這個昔年的運行主流智能算法時性能功耗比全面超越CPU和GPU。他們新一代的芯片最近也將浮出水面。

后者方面，谷歌和亞馬遜是當中的先行者。據谷歌介紹，他們設計的、專門用于神經網絡工作負載的矩陣處理器TPU可以極快地為神經網絡處理大量的乘法和加法運算，并且耗電量顯著降低，占用的物理空間更小。更重要的一點是通過其脈動陣列架構設計大幅度緩解了馮·諾依曼瓶頸；亞馬遜AWS部門也通過其定制設計的機器學習推理芯片Inferentia為客戶提供數百 TOPS（每秒萬億次運算）推理吞吐量，以允許復雜模型能夠進行快速預測。能以極低成本交付高吞吐量、低延遲推理性能。

對于前者來說，因為AI市場潛力巨大，他們做芯片去分一杯羹無可厚非。但對于后者來說，這當中的意義更是巨大。一方面是因為他們擁有了龐大的客戶，加入了自研芯片無疑可以降低他們的成本。另一方面，自研的AI芯片在性能和功耗上也有很大的提升空間，廠商甚至可以做一些差異化的設計，提高其競爭力，這也是那么多系統廠商進入這個市場的原因。

依圖科技則是這個市場的另一大玩家。

人工智能“老兵”的新疆界

和現在的一大波人工智能的新玩家相比，成立于2012年的依圖科技是不折不扣的老兵。在創始人朱瓏博士和林晨曦的領導，以及公司員工的腦力下，依圖科技在人臉識別、語音識別等多個領域積累了深厚的技術，公司也在多個市場攻城拔寨。這也幫助公司在一輪輪融資中，把市值推高，也讓公司創始人有底氣說出了”我們很貴，別人買不起“這樣的豪言。

而這個主打機器視覺，以“拓展人工智能新疆界”為Slogan的企業不滿足于此，他們正在橫向和縱向拓展他們的疆界，而芯片就是他們的目標。按照依圖的想法，把握住高集成度， 坐上數據、算法、算力這三駕馬車，順利走好AI芯片這條道路，這就是他們的目標。

基于此，依圖發布了云端深度學習推理定制化SoC芯片questcore。

據介紹，依圖科技的這款專為計算機視覺領域分析任務推出的芯片是基于自研的芯片架構打造的，它能高效適配各類深度學習算法（包括TensorFlow、PyTorch 等主流深度學習框架），在保持極低功耗的同時能大幅提升計算力，模型兼容性好，可擴展性高，無縫接入現有生態。

另外，questcore自帶的網絡支持模塊以及對虛擬化和容器化的支持，能將AI云的彈性計算和調度提升一個量級，這可以帶來能耗比的大幅提升。能夠充分發揮依圖世界級算法優勢。依圖方面強調，在同等功耗下，他們的questcore芯片能提供市面現有同類主流產品 2~5 倍的視覺分析性能。

為了實現其“極智”目標，依圖方面強調，他們從現在開始會在AI芯片和智能硬件垂直發力。

按照依圖的了解，在“算法定義芯片”的時代，算法即芯片，以 AI 為中心來思考架構能為芯片設計帶來無限的想象空間，而算法則成為在這廣袤空間中探尋搜索的指南針，擁有該領域知識的頂級算法廠商在智慧芯片和智能計算革命中開始發揮舉足輕重的作用。

又因為依圖 questcore作為服務器芯片可以獨立使用，有助于完善中國IC產業生態。這對于國內的人工智能產業乃至整個集成電路產業來說，也是一大幸事。

依圖此次也同時發布了基于questcore打造的原子服務器，一臺服務器提供的算力與 8 張英偉達P4卡服務器相當，而體積僅為后者的一半，功耗不到20%。這意味著，這樣一臺單手可持的小小服務器，就能驅動一條主干道、一整個小型園區所需的智能算力。

依圖方面進一步指出，questcore與依圖世界級算法結合，構成軟硬件一體化的多元產品和豐富解決方案，將依圖研發團隊的先進算法和工程團隊在智能安防、智能醫療、智慧零售和 AI CITY 等多個人工智能行業應用場景的實踐經驗相結合，能為客戶實現更大價值。

未來無限美好，但仍需謹慎

集成電路是 20 世紀最偉大的發明，而人工智能則是 21 世紀人類的希望。從依圖看來，在沒有先例可循的智能時代，中國人工智能創業公司與世界巨頭站在同一起跑線上，完全有機會成為新時代全球領先的全棧智能解決方案提供商。依圖將立足“算法+芯片+數據智能”的極智戰略，深入行業，降低人工智能應用落地和推廣成本，賦能行業，長期持續地為社會做出積極貢獻，與合作伙伴一起，共同推動中國智能產業發展，構建融合創新的智慧生態。

但我們也應該冷靜看到，在全民歡呼背后，還有一些問題值得我們關注。就拿AI芯片領域來說，杜克大學教授陳怡然在之前曾提到，AI芯片在設計方面這幾大挑戰：

杜克大學教授陳怡然就曾提到，AI芯片在設計方面有幾大挑戰：

第一是大容量存儲和高密度計算，當神經深度學習網絡的復雜度越來越高的時候，參數也會越來越多，怎么處理是一大難題；

第二個挑戰是要面臨特定領域的架構設計，因為場景越來越豐富，這些場景的計算需求是完全不一樣的。怎么樣通過對于不同的場景的理解，設置不同的硬件架構變得非常重要；

第三個挑戰是芯片設計要求高，周期長，成本昂貴。從芯片規格設計、芯片結構設計、RTL設計、物理版圖設計、到晶圓制造、測試封裝，需要2到3年時間，這段時間里軟件會快速發展，算法也在快速更新，芯片如何支持這些更新也是難點；

第四個挑戰是架構及工藝。隨著工藝不斷的提升，從90納米到10納米，邏輯門生產的成本到最后變得飽和。也許在速度、功耗上會有提升，但單個邏輯生產的成本不會再有新的下降。這種情況下如果仍然用幾千甚至上萬個晶體管去做一個比較簡單的深度學習的邏輯，最后在成本上是得不償失的；

雖然依圖在軟件和算法領域獨步天下，他們這些軟硬結合的想法也能讓人遐想連篇，但對于在芯片這個全新領域，依圖還是新兵，未來即使商機無限，但也困難重重。

但正如依圖科技創始人朱瓏所說：“科技進步極大降低了創新所需的經濟門檻，但是偉大所需的精神門檻——勇氣，從來沒有降低過”。換句話說，為理想，沒有什么不可以。