國內外新老AI芯片勢力百花齊放，也必將會為芯片市場帶來更多可能。

10月9日華為兩顆AI芯片問世；

9月26日英偉達宣布推出全新的TensorRT 3人工智能推理軟件；

9月19日，阿里巴巴在杭州云棲大會上宣布，成立“平頭哥半導體有限公司”；

9月13日蘋果發布新款iPhone XS系列手機搭載A12仿生芯片；

8月31日華為發布AI加持的麒麟980芯片；

最近幾個月，“AI芯片”無疑成為科技界的一大熱門話題，顯卡大戶英偉達、CPU大佬英特爾、搜索界一哥谷歌、“平頭哥”阿里巴巴、“凌晨偷笑”的華為等科技公司都在專注于同一件事：AI芯片。

那么問題來了，AI芯片究竟是什么芯片？目前哪家公司做的最好？為什么每家科技巨頭都在爭先恐后的研究它？我國在AI芯片能否和國外巨頭一戰？AI銳見帶你一探究竟。

芯片縱有三千，AI只取一瓢！

隨著人工智能、深度學習的春風吹遍世界各地，各類芯片的頭銜都與AI密不可分。知名市場調研公司ReportLinker預計，到2023年，全球人工智能（AI）芯片市場規模將達到108億美元，復合年均增長率達到53．6％。AI芯片很可能是芯片界的一次變革。

其實芯片的種類有千千萬萬，AI芯片只是其中的一部分，甚至有些專家認為目前不存在所謂的人工智能芯片。我們都知道芯片最重要的的工作就是處理數據，AI芯片也不例外，我們所熟知的CPU與GPU亦是如此。

人工智能是什么？簡單來說，人工智能分為機器學習和深度學習兩部分，無論是機器學習還是深度學習都需要構建算法和模型，以實現對數據樣本的反復運算和訓練，降低對人工理解功能原理的要求。所以，AI芯片通常要處理規模非常龐大的數據。

那傳統的CPU和GPU難道不能計算這些數據嗎？當然可以，但問題也不少。CPU在處理AI算法時就比較緩慢，比如自動駕駛的車輛需要識別復雜的路況信息，如果慢了幾秒就會發生嚴重的事故，時間就是生命。CPU就不太適合處理這些數據了。

GPU在處理數據時效率雖然提高很多，但黃教主的顯卡動輒上萬，而且功耗驚人。在幾年前，谷歌的人工智能阿爾法狗（Alpha Go）下一盤圍棋就動用了1000個CPU和200個GPU，每分鐘的電費高達300美元，其網絡規模還只有人腦的千分之一。假設一盤圍棋的時間為兩小時，這就需要花費36000美元。

這種方式雖然可行，但成本太高。也就是谷歌這種大佬用得起，換作其它家中小型企業自然是望而卻步的。AI芯片還需廣泛應用于手機中，比如面部識別和語音識別。如果像GPU的功耗情況對于手機來說是不現實的。

總結來說，AI芯片的作用就是就是專注于處理機器學習和深度學習的海量數據，比起傳統的CPUGPU既能提高效率，又可以減少功耗。

兩大應用場景，面向云端與終端

當今AI芯片主要應用于兩大場景：面向大型服務器的云端和面向智能硬件的終端。

人工智能首先需要深度學習，深度學習就意味著需要大量的數據和繁瑣的運算，在云端AI芯片能夠滿足當前算法訓練的要求。比如給一個系統成千上萬種“狗”的圖片，并告訴這個系統這種生物是“狗”，系統經過深度學習之后“知道”了什么是“狗”，之后這個系統就可以判斷一張圖片是不是“狗”了。

所以，云端AI芯片的特點就是性能強大，能夠進行大量運算，并且能夠靈活地支持圖片、語音、視頻等不同AI應用。

終端AI芯片則是面向消費者的智能硬件，AI芯片讓數據處理等操作實現“本地化”，脫離了“聯網”的限制。比如手機，將AI芯片整合在手機CPU中，高通、蘋果、華為都實現了這種整合AI芯片的手機CPU。

終端AI芯片的特點是體積小、功耗小、性能無需特別強大，通常只有一種或兩種AI功能。如今所說的“智能家居”就離不開終端芯片的功勞。像生活中常見的掃地機器人，智能音箱，手機里的語音助手等設備都配備了終端芯片。

云端英偉達一騎絕塵，終端市場群雄割據

云端AI芯片無論是從硬件還是軟件，已經被各大巨頭控制。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。因為目前AI芯片在終端應用較少，所以榜單頭部的排名可以近似的認為就是云端AI芯片的目前市場格局。

從圖中看出，排名靠前的無疑就是英偉達、英特爾、IBM與谷歌。排行榜中共有七家中國人工智能芯片公司入圍榜單Top24。華為排名12，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。

英偉達：云端芯片·大佬

英偉達目前占據了全球云端AI芯片一半以上的市場，這僅僅是保守數字。GPU非常適合深度學習，而英偉達正好以GPU稱霸世界，研究人工智能的科學家就沿著GPU自然而然地找到了英偉達。

黃教主則立馬抓住了這個機會，動用數千工程師、投入20億美元，短時間內研發出第一臺專門為深度學習而優化的Pascal GPU。所以，在深度學習大行其道的今天，英偉達變身成了最大贏家。

2018年9月26日，英偉達正式發布最新的TensorRT 3 神經網絡推理加速器。目前使用英偉達的AI技術的公司有很多，其中包括國內的BAT、京東等公司，以及國外的亞馬遜、谷歌、Facebook等公司。

英偉達旗下產品線更是不在少數：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。

英特爾：瘋狂收購·不差錢

談到芯片和CPU，怎能少了PC界的老大英特爾。盡管英特爾自身的CPU不適合AI芯片，但人家不差錢啊！

英特爾在AI芯片上可是下了血本。

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4億美元收購深度學習初創企業Nervana Systems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。

但遺憾的是，目前還沒有成熟的產品面世。用英特爾自己的話說，其要建立一個人工智能全棧式的解決方案，從而充分釋放AI的潛力。這可能是英特爾AI芯片遲遲沒有落地的原因吧。

谷歌：圍棋NO．1·阿爾法狗

谷歌在2016年宣布獨立開發一種名為TPU的全新的處理系統。打敗眾多人類圍棋大師的人工智能阿爾法狗采用的是谷歌自主研發的全定制化芯片（ASIC）TPU。

TPU是專門為機器學習應用而設計的專用芯片。TPU特別適合谷歌自家的TensorFlow系統。在2018谷歌開發者大會上，谷歌已經發布了TPU 3．0。谷歌旗下的Waymo自動駕駛公司采用的正是TPU。

2018年2月13日，谷歌正式宣布，向谷歌云客戶開放張量處理器TPU beta版服務，每小時6．5美元。

對于選擇在谷歌云平臺上運行機器學習模型的客戶來說，這算是個好消息，但谷歌這次開放的TPU數量有限且按時收費，每小時成本為6．50美元。

蘋果：仿生加持·A12芯片

從去年的iPhone X使用的A11處理器開始，蘋果公司在處理器的AI中大做文章。在今年剛剛發布的iPhone XS系列使用的A12芯片更是披上了“仿生”的神秘面紗。簡單來說，蘋果的“仿生”只是在其CPU中配備了新一代神經網絡引擎。A12仿生處理器相當于模仿了人類大腦的神經網絡。

當然，目前的仿生芯片還處于一個比較初級的階段，多為概念而已，體驗上并不會有太大的變化。

這些功能體現在：智能省電優化，Face ID 3D人臉識別，AR表情，相機一鍵換背景等都離不開仿生芯片的功勞。

根據最新消息，蘋果公司正在支付3億美元現金購買Dialog半導體公司的一部分。該交易預計將于2019年初完成，待監管部門批準。

寒武紀：中國·獨角獸之一

寒武紀科技成立于2016年，其擁有終端AI芯片和云端AI芯片兩條產品線。華為的麒麟970采用的正是寒武紀開發的NPU。

2018年5月發布的寒武紀MLU100智能芯片，適用于視覺、語音、自然語言處理等多種類型的云端人工智能應用場景。寒武紀目前已經完成B輪融資，整體估值為25億美元。

華為：順勢而為·AII In AI

就在今年蘋果發布會召開的同時，華為余承東深夜發微博：穩了。余總信心滿滿也許是因為華為自己的麒麟980芯片。早在去年，麒麟970就已經搭載了NPU。NPU也屬于全定制化芯片（ASIC），因為定制，所以專業。

而今年的麒麟980更是搭載了雙NPU，華為表示，麒麟980的全新雙核NPU比麒麟970的NPU快2．2倍，每分鐘可實現4500次推斷。NPU的功能就是負責AI運算，在大幅提高手機AI性能的同時降低了AI任務功耗，體現在在語音助手、智能識物、省電等功能上，和蘋果A12芯片功能類似。

10月10日，華為發布了AI發展戰略與全棧全場景AI解決方案，并發布了兩款AI芯片：Ascend 910和Ascend 310，一款面向云端，一款面向終端。

當然，華為并不會單獨銷售這兩款AI芯片，而是以芯片為基礎開發AI加速模組，AI加速卡，AI服務器，AI一體機，以及面向自動駕駛和智能駕駛進行銷售。這次發布的兩款芯片都會在2019年第二季度上市，究竟實力如何我們拭目以待。

這是AI芯片最好的時代，也是最壞的時代

根據Gartne報告分析稱，AI芯片在2017年的市場規模為48億美元，2020年預計達到146億，其中云端應用可望達到105億。目前AI芯片云端市場被英偉達牢牢占據，終端市場群雄并起。

當然，AI芯片全球起步時間幾乎相差無幾， 國內外新老AI芯片勢力百花齊放，也必將會為芯片市場帶來更多可能。