2月12日，The Information的報告證實，亞馬遜已經開始設計制造AI芯片，以提升Alexa語音助理的質量，為Echo設備提供支持。此舉緊隨蘋果和谷歌的步伐，被視為亞馬遜順勢而為的厚積薄發，至此，繁盛的AI芯片市場，百家爭鳴，鹿死誰手？

2月12日，根據The Information的一份報告，亞馬遜已經開始設計制造AI芯片，專用AI芯片也可以幫助Alexa減少對整體遠程服務器的依賴，為Echo設備提供支持。

亞馬遜希望Alexa能夠成為家中的大腦，控制門鎖，安全攝像頭和烤箱等家用電器。 如果不需要互聯網，那么與這些設備的連接將更安全可靠。

該報告稱，亞馬遜希望在智能家居硬件市場和面向消費者的人工智能產品領域保持競爭力，并已經擁有近450名芯片專業員工，這要歸功于亞馬遜發力招聘和收購。

在過去幾年中，2015年，亞馬遜以3.5億美元收購以色列芯片制造商Annapurna Labs，以及17年年底收購安全攝像頭制造商Blink。Blink的芯片可以降低生產成本并延長其他產品的電池壽命，從亞馬遜的云端攝像頭開始，并擴展到Echo揚聲器系列。

此舉緊隨蘋果和谷歌的步伐，后兩家公司已經開發并部署了各種規模的定制AI硬件。人工智能任務由于其計算密集程度高，通常需要為設備本身定制設計芯片，甚至需要為數據中心定制設計服務器，這些服務器通常從云端進行人工智能算法的訓練。

這一消息確實對Nvidia和英特爾等公司的業務構成風險，這兩家公司都將其大部分芯片制造專業技術轉移到了AI以及新興領域，并通過為蘋果、亞馬遜等公司設計和制造芯片來賺錢。

亞馬遜收購以色列芯片公司及攝像頭Blink, 發力AI芯片后勁十足

亞馬遜計劃開發自己的AI芯片，以便在其不斷擴展的Echo產品線中使用Alexa驅動的產品可以進行更多的計算處理，而不必與云進行通信，這一過程可以提高運算速度。

蘋果和谷歌都開始了類似的轉變。蘋果已經開始開發自己的iPhone芯片，比如該設備的圖形處理器和電源管理單元，并因此切斷了長期供應商。關于人工智能，蘋果公司設計了一種新的“神經引擎”，作為其A11仿生芯片的一部分，它在處理機器學習算法的設備上運行，為Face ID和ARKit應用程序提供幫助。

另一方面，谷歌已經開發了自己的AI硬件多年，首先是定制ASIC處理器，為其TensorFlow AI培訓平臺定制設計的TPU（去年升級為第二版），展現機器學習任務方面的優勢。PU是Google子公司DeepMind AlphaGo系統的基礎，它幫助Google保持與同樣設計自己AI培訓服務器硬件的Facebook的競爭力。

在過去的兩年左右時間里，谷歌已將其知識轉移到了消費者領域，開始開發自定義的AI芯片以支持相機設備，還在Pixel 2中設計了圖像處理器。

繁盛的AI芯片市場，百家爭鳴，鹿死誰手？

通用芯片并不能很好地適應深度學習算法的要求，效率低，功耗大，成本高。各種神經網絡算法需要專用芯片來保證其運行效率。人工智能的浪潮，催生了 AI 專用芯片的大爆發。

無論是云端的運算還是移動端的運算，都需要專門針對 AI 算法設計的芯片，但這二者對 AI 專用芯片的要求不同。云端要求 AI 芯片適應多種神經網絡架構，同時能進行高精度浮點運算，峰值性能至少要達到Tflops（每秒執行10^12次浮點數運算）級別，對功耗沒有嚴苛要求；支持陣列式結構以進一步提高性能。

移動端 AI 芯片對設計的要求截然不同。一個根本的要求是控制功耗，這就需要使用一些辦法（如網絡壓縮）來提升計算能效，同時盡可能少地降低計算性能和計算精度的損失。

各個廠商紛紛在這兩個方向上發力 AI 芯片的研發，當然云端和移動端也無法截然分開。比如寒武紀，此前研發的寒武紀深度學習處理器是面向大規模神經網絡和多種機器學習算法的，而2016 年推出的寒武紀1A處理器（Cambricon-1A）則是面向智能手機、安防監控、可穿戴設備、無人機和智能駕駛等各類終端設備的。

在云端，除了上文的英偉達，英特爾在收購 Altera 之后推出了基于FPGA的專用深度學習加速卡，更收購了Nervana，瞄準為深度學習專門定做和優化的 ASIC 芯片；收購了Movidius，其高性能視覺處理芯片將補足英特爾在移動端 AI 芯片的缺失。另外還有IBM的類腦芯片 TrueNorth。當然還有本文開頭講到的谷歌TPU。日前，百度又正式推出了 XPU，它是基于百度FPGA 的新一代 AI 處理架構，擁有GPU的通用性和FPGA的高效率和低能耗，對百度的深度學習平臺PaddlePaddle做了高度的優化和加速。

在移動端，谷歌、蘋果和三星等都在用專門的 AI 芯片構建手機。微軟正在為增強現實耳機專門設計這樣的芯片。同時從科技巨頭谷歌到傳統車廠豐田，所有人都在進行自動駕駛汽車的研發，正需要能夠在移動端良好運行的 AI 芯片。

比如擅長底層架構改進的蘋果，其最新發布的 Apple X采用了定制的芯片來處理人工智能工作負載。這是一個雙核的“A11 生物神經網絡引擎”（A11 bionic neural engine）芯片，每秒運算次數最高可達6000億次。該芯片賦能的最重要的事情就是使 Face ID 身份認證功能能夠快速識別人臉，從而解鎖 iPhone X 或進行購物。

芯片走向定制化，以滿足AI軟件的需求，在行業中已經變成一股新的大趨勢。谷歌已經設計了兩代芯片來處理數據中心的AI計算工作負載。 微軟也為未來版本的 HoloLens 混合現實頭盔開發了一款AI芯片。在iPhone上安裝新的專用芯片意味著主芯片的工作量將會減少，從而提高電池壽命。 否則，例如，通過手機攝像頭進行物體識別同時進行視頻錄制時，可能會迅速地將電池消耗完。此外，在不久的將來， iPhone以外的更多移動設備都可能包含針對AI的處理器。

又如華為。在德國IFA 2017舉辦期間，華為正式發布全球首款人工智能移動計算平臺麒麟970。華為方面表示，這一帶有強大AI計算力的手機端移動計算平臺，是業界首顆帶有獨立NPU（Neural Network Processing Unit）專用硬件處理單元的手機芯片。創新性集成NPU專用硬件處理單元，創新設計了HiAI移動計算架構，其AI性能密度大幅優于CPU和GPU。相較于四個Cortex-A73核心，處理相同AI任務，新的異構計算架構擁有約 50 倍能效和 25 倍性能優勢，圖像識別速度可達到約2000張/分鐘。麒麟970高性能8核CPU，對比上一代能效提高20%。率先商用 Mali G72 12-Core GPU，與上一代相比，圖形處理性能提升20%，能效提升50%，可以更長時間支持3D大型游戲的流暢運行。

此外，中國也有幾家公司在進行 AI 芯片的研發。此前騰訊發布的 AI 產業報告指出，AI 芯片作為產業核心，也是技術要求和附加值最高的環節，產業價值和戰略地位遠遠大于應用層創新。而在這一點上，中國和美國的差距還很大。報告顯示，從基礎層的芯片企業數量來看，中國擁有14家，美國33家，中國僅為美國的42%。

國內在 AI 芯片研發表現突出的企業，除上文介紹的寒武紀外，還有推出具備深度學習人工智能的嵌入式視頻采集壓縮編碼系統級芯片“星光智能一號”的中星微電子，致力于軟硬件一體化解決方案的地平線機器人，以及打造了“深度學習處理單元”（Deep Processing Unit，DPU）的深鑒科技。深鑒科技的目標是以 ASIC 級別的功耗，達到優于 GPU 的性能，目前第一批產品基于FPGA平臺。

美國國防部研究部門 Darpa 的項目經理吉爾·普拉特（Gill Pratt）表示，這種向專業芯片和新的計算機架構轉型的趨勢可能導致人工智能芯片的“寒武紀爆炸”。正如他所看到的那樣，將計算量擴展到大量微小的低功耗芯片，以使機器可以像人類的大腦一樣運行，這樣就有效地利用了能量。