Compass Intelligence對全球100多家AI芯片企業進行了排名，結果顯示，前十名中中國大陸沒有一家企業上榜，華為（海思）進入第12，寒武紀和地平線分別為第22和24位。

最近，調研公司Compass Intelligence出了一份扎“芯”的報告。這份報告對全球100多家AI芯片企業進行了排名（AI Chipset Index），結果顯示：前十名中，沒有一家中國大陸企業上榜。不過，有一點欣慰的是，華為（海思）進入到榜單第12名，寒武紀排第22名，地平線排第24，這是中國大陸僅有的三家上榜企業。

排名的依據是什么？

AI Chipset Index的A-list包括提供AI芯片組的軟件和硬件公司。AI芯片組包括中央處理器（CPU），圖形處理器（GPU），神經網絡處理器（NNP），專用集成電路（ASIC），現場可編程門陣列（FPGA），精簡指令集計算機（RISC）處理器， 加速器等。有些芯片組針對邊緣處理或設備，有些針對云計算中使用的服務器，以及一些針對機器視覺和自動駕駛平臺等。

該榜單的評分標準包括：

供應商指標（30分）：公司收入和AI收入（或范圍）；并購可能性；員工或資源；增長潛力；商業化年份

產品和客戶指標（30分）：產品組合實力；功能實力；創新水平；客戶成功案例；市場覆蓋率；品牌實力

經濟指標（25分）：市場寬度；潛在市場；可獲得市場；彈性水平；市場份額

其他（共15分）：領導力；近期新聞和活動；Google Mentions和AI

根據上述指標，Compass Intelligence給出的AI芯片公司排名（前15名）如下圖：

前十五名分別是：

英偉達、英特爾、恩智浦（NXP）、IBM、AMD、谷歌、ARM/軟銀、蘋果、高通、三星電子、華為（海思）、Imagination、新思科技（Synopsys）和聯發科

遺憾的是，中國大陸的AI 芯片公司未能進入前十，排名最高的華為（海思）進入第12，寒武紀和地平線分別排第22、24位。

認識一下中外比較突出的AI芯片公司

英偉達：一馬當先

英偉達針對自動駕駛汽車領域的全新人工智能超級計算器Xavier，是一款完整的片上系統(SoC)，集成了Volta的全新 GPU 架構、定制 8 核 CPU 架構以及新的計算機視覺加速器。

該處理器提供 20 TOPS（萬億次運算 / 秒）的高性能，而功耗僅為 20 瓦。單個 Xavier 人工智能處理器包含 70 億個晶體管，采用最前沿的 16nm FinFET 加工技術進行制造，能夠取代目前配置了兩個移動 SoC 和兩個獨立 GPU 的 DRIVE PX 2，而功耗僅僅是它的一小部分。

在今年的GTC大會上，英偉達推出新版 Tesla V100 ，將內存提升2倍，支持更多人工智能的工作負載；此外，英偉達還發布了“世界上最大的GPU”DGX-2，由 16 塊 32GB 內存的 Tesla V100 通過 NVSwitch 連接組成，成為首款能夠提供每秒兩千萬億次浮點運算能力的單點服務器。

同樣在GTC 2018上，英偉達宣布打造下一代名為 DRIVE Orin 的自動駕駛芯片，但除了代號外沒有透露更多信息。

英特爾：攪局計算機視覺芯片

英特爾子公司Movidius 在 2017 年推出視覺處理器（VPU，vision processing unit）Myriad X，是全球第一個配備專用神經網絡計算引擎的片上系統芯片（SoC），用于加速設備端的深度學習推理計算。

該神經網絡計算引擎是芯片上集成的硬件模塊，專為高速、低功耗且不犧牲精確度地運行基于深度學習的神經網絡而設計，讓設備能夠實時地看到、理解和響應周圍環境。引入該神經計算引擎之后，Myriad X 架構能夠為基于深度學習的神經網絡推理提供 1TOPS 的計算性能。

IBM：另辟蹊徑，不用馮諾依曼結構

IBM 在 2014 年推出 TrueNorth 芯片，該芯片包括 4096 個核心和 540 萬個晶體管，功耗 70mW，模擬了一百萬個神經元和 2.56 億個突觸。TrueNorth 芯片模仿人類大腦神經元，不同于通常的馮諾依曼結構。

谷歌：集大成者

谷歌2017 年發布第二代 TPU 芯片，其針對機器學習的訓練速度能比現在市場上的圖形芯片（GPU）節省一半時間；第二代 TPU 包括了四個芯片，每秒可處理 180 萬億次浮點運算；如果將 64 個 TPU 組合到一起，升級為所謂的 TPU Pods，則可提供大約 11500 萬億次浮點運算能力。

蘋果：逐漸自研，功力不必多說

蘋果自研的A11 Bionic（仿生）芯片，搭載了64位ARMv8-A架構的6核CPU，同時搭載蘋果自研的3核GPU。每秒運算次數最高可達6000億次，相當于0.6TFlops。

再來看看上榜的三家大陸企業。

華為：第二代AI芯片海思麒麟 980在本季度量產？

2017年9月，華為在德國柏林國際電子消費品展覽會（IFA）上正式推出其最新 AI 芯片 “麒麟 970”（Kirin 970）。麒麟 970 采用行業高標準的 TSMC 10nm 工藝，在指甲大小的芯片上，集成了 55 億個晶體管，功耗降低了 20%，并實現了 1.2Gbps 峰值下載速率。麒麟 970集成 NPU 專用硬件處理單元（寒武紀IP），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。

此外，據業內消息，華為第二代AI芯片海思麒麟 980也將在本季度正式量產，采用臺積電 7nm 制程工藝。這款處理器將配置第二代 NPU，在前代的基礎上，支持更多的場景應用，NPU 的性能提升 2 倍以上。

寒武紀：最新一代云端 AI 芯片 MLU100問世

昨天，寒武紀重磅發布第三代 IP 產品 Cambricon 1M 和最新一代云端 AI 芯片 MLU100 和板卡產品。MLU100 采用寒武紀最新的 MLUv01 架構和 TSMC 16nm 的先進工藝，平衡模式下的等效理論峰值速度達每秒 128 萬億次定點運算，高性能模式下的等效理論峰值速度更可達每秒 166.4 萬億次定點運算。

MLU100 云端芯片

MLU100 云端芯片不僅可獨立完成各種復雜的云端智能任務，更可以與寒武紀 1A/1H/1M 系列終端處理器完美適配，讓終端和云端在統一的智能生態基礎上協同完成復雜的智能處理任務。

寒武紀去年11月發布了三款智能處理器 IP 產品：面向低功耗場景視覺應用的寒武紀 1H8、擁有更廣泛通用性和更高性能的寒武紀 1H16，以及面向智能駕駛領域的寒武紀 1M。

地平線：發布新一代自動駕駛處理器征程 2.0 架構

地平線在去年12月發布了兩款AI處理器征程（Journey）和旭日（Sunrise），都屬于嵌入式人工智能視覺芯片，分別面向智能駕駛和智能攝像頭。這兩款芯片，性能可達到 1Tops，實時處理 1080P@30 幀，每幀可同時對 200 個目標進行檢測、跟蹤、識別，典型功耗只有1.5w。

地平線搭載征程2.0處理器架構的Matrix平臺

4月26日，地平線在北京車展上發布了新一代自動駕駛處理器征程 2.0 架構，目前正在研發中，即將流片，而未來在軟硬件的進一步協同優化后，征程 2.0 處理器將可實現更強大的自動駕駛性能。

對于此次地平線進入榜單，地平線聯合創始人兼算法VP黃暢認為：

人工智能算法的發展會在接下來的十年間引導處理器架構的設計。而繼感知和建模之后，預測未來的能力會成為自主機器人的關鍵技術。這是一個將抽象的算法與具象的電路聯合起來激烈碰撞高速迭代的黃金年代。

地平線生逢其時，位列其中定要將那技術乃至人文的邊界，推向下一個如今看來難以企及的極限。

再來談談問題：核心部件國產化率極低；AI芯片過份地追求完全獨立是一個怪圈

新智元從中國某高校微電子所獲取的一份集成電路產業報告顯示，雖然在國家IC產業政策持續帶動下，中國IC產業呈現良好的增長勢頭，但核心部件處理器和操作系統產業與國外先進國家差距大，保障國家信息安全和產業安全能力不足，CPU和操作系統國產化率極低，難以達到自主可控的要求。

各類軟硬件系統中CPU和OS市場占有率

服務器中CPU和操作系統的國際市場占有率為0；

桌面計算機的CPU占有率為0，國產Linux操作系統也小于1%；

移動終端應用處理器國際市場占有率達到18%，但操作系統則為Google壟斷；

智能電視應用處理器占有率小于1%，其操作系統也為Google壟斷；

網絡處理器在華為和中興等國內企業的努力下，市場占有率達到20%左右。

同時，相關產業基礎能力不足，核心技術創新能力不強。

隨著系統芯片和IP復用技術的興起，越來越多的設計企業依賴于IP復用、商業EDA工具和先進工藝，甚至于濫用的傾向，導致研發的芯片同質化嚴重，缺乏核心競爭力，難以達到世界一流。

到2020年之前，可以預見的是國內先進工藝和世界領先水平相比差距兩代，甚至更大是一個大概率事件。

國產EDA的產業能力與設計需求關系

國內EDA（電子設計自動化）市場發展較為迅速，但本土EDA工具的市場嚴重落后。從國際上看，EDA與IC設計產值的比例大概在6%，而國內EDA/IC設計的比值只有不到3%，本土EDA的比值更低，只有0.14%，相差40多倍。本土EDA工具需要更快更高效的發展，才能有效支撐我國整個集成電路設計的發展。

至于國內AI芯片行業，出現百家爭鳴、各自為政的格局，特別是每個初創企業的人工智能芯片都具有自己獨特的體系結構和軟件開發套件，既無法融入英偉達和谷歌建立的生態圈，又不具備與之抗衡的實力。

中科院自動化所集成中心吳軍寧曾發文認為，國產人工智能芯片的發展，一如早年間國產通用處理器和操作系統的發展，過份地追求完全獨立、自主可控的怪圈，勢必會如眾多國產芯片一樣逐漸退出歷史舞臺。

另外，目前大多數國產人工智能處理器都針對于神經網絡計算進行加速，而能夠提供單芯片解決方案的很少；微控制器領域的發展，ARM 的 Cortex-A 系列和 Cortex-M 系列占據主角，但是新興的開源指令集架構 RISC-V 也不容小覷，完全值得眾多國產芯片廠商關注。