近幾年，人工智能迎來了自學科建立60年以來最大規模的市場應用爆發潮。

這一新興技術既為科技巨頭的業務升級和拓展帶來轉機，也給了新創企業顛覆現有格局的機會。

作為人工智能產業的重中之重，AI芯片已經成了最熱門的投資領域，各種AI芯片層出不窮。

從三個維度看懂AI芯片種類

為了進行大數據處理，當前的方案一般采用高性能的處理器輔助MCU進行計算，但是隨著摩爾定律時間周期拉長，處理器上可集成的器件數量會達到極限，因此需要通過架構的變化來滿足數據量的增長，這就是人工智能芯片推出的背景。

機器人文明君從技術架構、功能、應用場景三個維度對人工智能芯片進行分類。

從技術架構來看，人工智能芯片分為通用性芯片（GPU）、半定制化芯片（FPGA）、全定制化芯片（ASIC）、類腦芯片四大類。

GPU是單指令、多數據處理，采用數量眾多的計算單元和超長的流水線，主要處理圖像領域的運算加速。

但GPU無法單獨工作，必須由CPU進行控制調用才能工作。CPU可單獨作用，處理復雜的邏輯運算和不同的數據類型，但當需要大量的處理類型統一的數據時，則可調用GPU進行并行計算。

FPGA適用于多指令，單數據流的分析，與GPU相反，因此常用于預測階段，如云端。FPGA是用硬件實現軟件算法，因此在實現復雜算法方面有一定的難度，缺點是價格比較高。

對比FPGA和GPU可以發現，一是缺少內存和控制所帶來的存儲和讀取部分，速度更快。二是因為缺少讀取的作用，所以功耗低，劣勢是運算量并不是很大。結合CPU和GPU各自的優勢，有一種解決方案就是異構。

ASIC是為實現特定要求而定制的專用AI芯片。除了不能擴展以外，在功耗、可靠性、體積方面都有優勢，尤其在高性能、低功耗的移動端。

類腦芯片架構是一款模擬人腦的新型芯片編程架構，這一系統可以模擬人腦功能進行感知、行為和思考，簡單來講，就是復制人類大腦。

很多人認為ASIC是人工智能芯片的一個主要發展方向，但也有另一部分人認為真正的人工智能芯片未來發展的方向是類腦計算。

要做類腦芯片非常難，IBM、高通、英特爾等公司的芯片策略都是用硬件來模仿人腦的神經突觸。

總的來說：GPU未來的主攻方向是高級復雜算法和通用性人工智能平臺，其發展路線分兩條走：一是主攻高端算法的實現，對于指令的邏輯性控制要更復雜一些，在面向需求通用的AI計算方面具有優勢;二是主攻通用性人工智能平臺，GPU的通用性強，所以應用于大型人工智能平臺可高效完成不同的需求。

FPGA更適用于各種細分的行業，人工智能會應用到各個細分領域。

ASIC芯片是全定制芯片，長遠看適用于人工智能。因為算法復雜度越強，越需要一套專用的芯片架構與其進行對應，而ASIC基于人工智能算法進行定制，其發展前景看好。

類腦芯片是人工智能最終的發展模式，但是離產業化還很遙遠。

從應用場景來看，人工智能芯片應用于云端和設備端。

在深度學習的訓練階段需要極大的數據量和大運算量，單一處理器無法獨立完成，因此訓練環節只能在云端實現。

云AI芯片的特點是性能強大、能夠同時支持大量運算、并且能夠靈活地支持圖片、語音、視頻等不同AI應用。

我們現在使用的各種互聯網AI能力（比如在線翻譯、人證比對），背后都有云AI芯片在發揮作用或提供算力。

英特爾、IBM等老牌云服務器芯片廠商同樣在積極布局這一市場，各自通過并購、投資、研發等方式不斷切入云AI芯片市場。

在設備端，智能終端的數量龐大，而且需求差異較大，推理環節無法在云端完成，要求設備有獨立的推理計算能力。這便需要有嵌入到設備內部的端AI芯片，讓設備不需要聯網就能具備AI能力。

它們的特點是體積小、耗電少，而且性能不需要特別強大，通常只需要支持一兩種AI能力。

現在手機里的芯片、攝像頭里的芯片、甚至你家電飯煲里的芯片都開始陸續AI化。

云端格局應該變化不大，但是在終端方面變數未定，邊緣計算值得關注。云端市場已被巨頭瓜分殆盡，創業公司生存空間幾乎消失。倒是終端市場群雄割據，機會尚存。

從功能上來看，人工智能包括推理和訓練兩個環節。

訓練是指通過大數據訓練出一個復雜的神經網絡模型，即用大量標記過的數據來“訓練”相應的系統，使之可以適應特定的功能。推理是指利用訓練好的模型，使用新數據推理出各種結論。

訓練市場目前能與NVIDIA競爭的就是Google，傳統CPU/GPU廠家Intel和AMD也在努力進入這Training市場。

訓練和推理在目前大多數的AI系統中，是相對獨立的過程，其對計算能力的要求也不盡相同。

總的來說：訓練需要極高的計算性能，需要較高的精度，需要能處理海量的數據，需要有一定的通用性，以便完成各種各樣的學習任務。

推理相對來說對性能的要求并不高，對精度要求也要更低，在特定的場景下，對通用性要求也低，能完成特定任務即可，但因為推理的結果直接提供給終端用戶，所以更關注用戶體驗的方面的優化。

訓練將在很長一段時間里集中在云端，推理的完成目前也主要集中在云端，但隨著越來越多廠商的努力，很多的應用將逐漸轉移到終端。

全球最受關注AI芯片廠商

在人工智能芯片領域，國外芯片巨頭占據了絕大部分市場份額，不論是在人才聚集還是公司合并等方面，都具有領先優勢。而國內人工智能公司則也呈現百家爭鳴的局面。

2018年5月，市場研究顧問公司Compass Intelligence發布了關于AI芯片最新調研報告。這份報告總計對100多家公司進行評估，最終名單包括24家排名最高的公司。

在企業排名表中，前三名為英偉達、英特爾和恩智浦。該排行榜中共有七家中國人工智能（AI）芯片公司入圍榜單Top24。華為排12名，成中國大陸地區最強芯片廠商。其余六家中國公司分別為：聯發科、Imagination、瑞芯微、芯原、寒武紀、地平線。

附排行榜前十名企業的資料：

英偉達：占全球AI芯片50%以上市場份額

成立于1993年的英偉達無疑是AI芯片市場中無可爭議的領導者。

英偉達一直致力于設計各種GPU：針對個人和游戲玩家的GeForce系列，針對專業工作站的Quadro系列，以及針對服務器和高性能運算的Tesla系列。

英偉達占據了全球AI芯片市場的50%以上份額，旗下產品線遍布自動駕駛汽車、高性能計算、機器人、醫療保健、云計算、游戲視頻等眾多領域。

由于在AI領域的一家獨大，英偉達的股價在過去一年的時間里狂漲了300%。

2017年，從游戲、數據中心到人工智能，市場對英偉達芯片的需求一路上升。

英特爾：專注計算機視覺芯片VPU

英特爾作為傳統PC芯片的老大，也在積極向PC以外的市場轉型。在AI芯片方面，英特爾專注于計算機視覺優化方面的VPU（Vision Processing Unit）。

為了加強在人工智能芯片領域的實力，英特爾以 167 億美元收購 FPGA 生產商 Altera，以 153 億美元收購自動駕駛技術公司 Mobileye，以及機器視覺公司 Movidius和為自動駕駛汽車芯片提供安全工具的公司Yogitech。

IBM：啟動類人腦芯片的研發

IBM很早以前就發布過watson，早就投入了很多的實際應用中去。除此之外，還啟動了對類人腦芯片的研發，那就是TrueNorth。

TrueNorth是IBM參與DARPA的研究項目SyNapse的最新成果。SyNapse全稱是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自適應可塑可伸縮電子神經系統，而SyNapse正好是突觸的意思），其終極目標是開發出打破馮?諾依曼體系的硬件。

谷歌：為機器學習應用而設計的專用芯片TPU

Google在2016年宣布獨立開發一種名為TPU的全新的處理系統。在2016年3月打敗了李世石和2017年5月打敗了柯杰的的阿爾法狗，就是采用了谷歌的TPU系列芯片。

TPU是專門為機器學習應用而設計的專用芯片。

通過降低芯片的計算精度，減少實現每個計算操作所需的晶體管數量，從而能讓芯片的每秒運行的操作個數更高，這樣經過精細調優的機器學習模型就能在芯片上運行得更快，加深了人工智能在學習和推理方面的能力，進而更快地讓用戶得到更智能的結果。

蘋果：神經網絡引擎提升蘋果手機性能

在iPhone 8和iPhone X的發布會上，蘋果明確表示其中所使用的A11處理器集成了一個專用于機器學習的硬件——“神經網絡引擎（Neural Engine）”，每秒運算次數最高可達6000億次。

這塊芯片將能夠改進蘋果設備在處理需要人工智能的任務時的表現，比如面部識別和語音識別等。

AMD：重回服務器市場

AMD首先挑戰的是x86服務器市場，試圖在這個領域尋找立足點。AMD在去年6月正式推出全線的超智能服務器處理器產品——EPYC（霄龍）。

時隔兩個月，AMD又將全套EPYC 7000系列數據中心處理器家族帶到中國。

值得注意的是包括騰訊、京東、百度、聯想、曙光等十余家產業鏈合作伙伴帶著產品和合作成果為AMD回歸服務器的中國站活動見證，可見中國市場將是AMD復興之路的一個重要陣地。

另外，去年12月，相爭50多年的Intel和AMD宣布將聯手推出一款結合英特爾處理器和AMD圖形單元的筆記本電腦芯片，一時間業內嘩然。Intel和AMD的合作或許會對Nvida產生一些影響。

ARM：讓平民也能用上人工智能

ARM曾在去年推出了一套全新芯片架構技術DynamIQ，這套IP套件可以與其無縫集成。

DynamIQ不僅采用了新的指令集，專門針對人工智能進行了優化；而且同時可容納8個核，并且提高了芯片架構的靈活性，支持大小核的靈活配置。

今年又推出了一套全新的Mali多媒體IP套件，適用于手機、平板、電視等芯片。

這套全新的Mali多媒體IP套件中包括Mali-G52 GPU、Mali-G31 GPU、Mali-D51顯示處理器、Mali-V52視頻處理器，其中Mali-G52 GPU將機器學習方面性能提高了3.6倍、Mali-G31則是ARM最小的處理器，能夠為中低端智能設備帶來人工智能能力。

高通：力推深度學習的移動設備芯片

在智能手機芯片占據絕對優勢的高通也在人工智能方面積極布局。

據高通提供的資料顯示，其在人工智能方面已投資了Clarifai公司和中國“專注于物聯網人工智能服務”的云知聲。

而早在2015年CES上，高通推出了一款搭載驍龍SoC的飛行機器人——Snapdragon Cargo。高通認為在工業、農業的監測以及航拍對拍照、攝像以及視頻新需求上，公司恰好可以發揮其在計算機視覺領域的能力。

此外，高通的額驍龍820芯片也被應用于VR頭盔中。事實上，高通已經在研發能在本地完成深度學習的移動設備芯片。

三星：三年內自家智能手機都采用人工智能芯片

2017年，華為海思推出了麒麟970芯片，據知情人士透露，為了對標華為，三星已經研發了許多種類的人工智能芯片。

三星計劃在未來三年內自家智能手機中都采用人工智能芯片，并且他們還將為人工智能設備建立新的組件業務。

三星還投資了Graphcore、深鑒科技等人工智能芯片企業。

中國有哪些值得關注的AI芯片企業？

在資本和媒體的熱捧之下，國內AI芯片創業市場逐漸升溫加熱，順勢而為的創業者也不在少數。

僅僅是在2017年10月-11月這兩個月間，國內就有四家AI芯片公司同時宣布獲得千萬美元以上的巨額融資。在去年下半年的幾個月時間里，至少有十幾款AI芯片面市。

芯片產品升級周期普遍長達12-24個月，如今這樣密集火熱的市場轟炸，簡直有如一場AI芯片的集體狂歡。

以下是機器人文明盤點的17家國內涉足AI芯片的企業：