近幾年，人工智能迎來了自學科建立60年以來最大規(guī)模的市場應用爆發(fā)潮。

這一新興技術(shù)既為科技巨頭的業(yè)務(wù)升級和拓展帶來轉(zhuǎn)機，也給了新創(chuàng)企業(yè)顛覆現(xiàn)有格局的機會。

作為人工智能產(chǎn)業(yè)的重中之重，AI芯片已經(jīng)成了最熱門的投資領(lǐng)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(shù)據(jù)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(shù)量會達到極限，因此需要通過架構(gòu)的變化來滿足數(shù)據(jù)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(shù)架構(gòu)、功能、應用場景三個維度對人工智能芯片進行分類。

從技術(shù)架構(gòu)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(shù)據(jù)處理，采用數(shù)量眾多的計算單元和超長的流水線，主要處理圖像領(lǐng)域的運算加速。

但GPU無法單獨工作，必須由CPU進行控制調(diào)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(shù)據(jù)類型，但當需要大量的處理類型統(tǒng)一的數(shù)據(jù)時，則可調(diào)用GPU進行并行計算。

FPGA適用于多指令，單數(shù)據(jù)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(xiàn)軟件算法，因此在實現(xiàn)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(fā)現(xiàn)，一是缺少內(nèi)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(jié)合CPU和GPU各自的優(yōu)勢，有一種解決方案就是異構(gòu)。

ASIC是為實現(xiàn)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(yōu)勢，尤其在高性能、低功耗的移動端。

類腦芯片架構(gòu)是一款模擬人腦的新型芯片編程架構(gòu)，這一系統(tǒng)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(fā)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(fā)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(jīng)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(fā)展路線分兩條走：一是主攻高端算法的實現(xiàn)，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(yōu)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(yè)，人工智能會應用到各個細分領(lǐng)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(gòu)與其進行對應，而ASIC基于人工智能算法進行定制，其發(fā)展前景看好。

類腦芯片是人工智能最終的發(fā)展模式，但是離產(chǎn)業(yè)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(shè)備端。

在深度學習的訓練階段需要極大的數(shù)據(jù)量和大運算量，單一處理器無法獨立完成，因此訓練環(huán)節(jié)只能在云端實現(xiàn)。

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(xiàn)在使用的各種互聯(lián)網(wǎng)AI能力（比如在線翻譯、人證比對），背后都有云AI芯片在發(fā)揮作用或提供算力。

英特爾、IBM等老牌云服務(wù)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(fā)等方式不斷切入云AI芯片市場。

在設(shè)備端，智能終端的數(shù)量龐大，而且需求差異較大，推理環(huán)節(jié)無法在云端完成，要求設(shè)備有獨立的推理計算能力。這便需要有嵌入到設(shè)備內(nèi)部的端AI芯片，讓設(shè)備不需要聯(lián)網(wǎng)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(xiàn)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(xù)AI化。

云端格局應該變化不大，但是在終端方面變數(shù)未定，邊緣計算值得關(guān)注。云端市場已被巨頭瓜分殆盡，創(chuàng)業(yè)公司生存空間幾乎消失。倒是終端市場群雄割據(jù)，機會尚存。

從功能上來看，人工智能包括推理和訓練兩個環(huán)節(jié)。

訓練是指通過大數(shù)據(jù)訓練出一個復雜的神經(jīng)網(wǎng)絡(luò)模型，即用大量標記過的數(shù)據(jù)來“訓練”相應的系統(tǒng)，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(shù)據(jù)推理出各種結(jié)論。

訓練市場目前能與NVIDIA競爭的就是Google，傳統(tǒng)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(shù)的AI系統(tǒng)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(shù)據(jù)，需要有一定的通用性，以便完成各種各樣的學習任務(wù)。

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(wù)即可，但因為推理的結(jié)果直接提供給終端用戶，所以更關(guān)注用戶體驗的方面的優(yōu)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(zhuǎn)移到終端。

全球最受關(guān)注AI芯片廠商

在人工智能芯片領(lǐng)域，國外芯片巨頭占據(jù)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(lǐng)先優(yōu)勢。而國內(nèi)人工智能公司則也呈現(xiàn)百家爭鳴的局面。

2018年5月，市場研究顧問公司Compass Intelligence發(fā)布了關(guān)于AI芯片最新調(diào)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(yè)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(qū)最強芯片廠商。其余六家中國公司分別為：聯(lián)發(fā)科、Imagination、瑞芯微、芯原、寒武紀、地平線。

附排行榜前十名企業(yè)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(lǐng)導者。

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

英偉達占據(jù)了全球AI芯片市場的50%以上份額，旗下產(chǎn)品線遍布自動駕駛汽車、高性能計算、機器人、醫(yī)療保健、云計算、游戲視頻等眾多領(lǐng)域。

由于在AI領(lǐng)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(shù)據(jù)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(tǒng)PC芯片的老大，也在積極向PC以外的市場轉(zhuǎn)型。在AI芯片方面，英特爾專注于計算機視覺優(yōu)化方面的VPU（Vision Processing Unit）。

為了加強在人工智能芯片領(lǐng)域的實力，英特爾以 167 億美元收購 FPGA 生產(chǎn)商 Altera，以 153 億美元收購自動駕駛技術(shù)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(fā)

IBM很早以前就發(fā)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(fā)，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(jīng)系統(tǒng)，而SyNapse正好是突觸的意思），其終極目標是開發(fā)出打破馮?諾依曼體系的硬件。

谷歌：為機器學習應用而設(shè)計的專用芯片TPU

Google在2016年宣布獨立開發(fā)一種名為TPU的全新的處理系統(tǒng)。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(shè)計的專用芯片。

通過降低芯片的計算精度，減少實現(xiàn)每個計算操作所需的晶體管數(shù)量，從而能讓芯片的每秒運行的操作個數(shù)更高，這樣經(jīng)過精細調(diào)優(yōu)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(jié)果。

蘋果：神經(jīng)網(wǎng)絡(luò)引擎提升蘋果手機性能

在iPhone 8和iPhone X的發(fā)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(jīng)網(wǎng)絡(luò)引擎（Neural Engine）”，每秒運算次數(shù)最高可達6000億次。

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

AMD：重回服務(wù)器市場

AMD首先挑戰(zhàn)的是x86服務(wù)器市場，試圖在這個領(lǐng)域?qū)ふ伊⒆泓c。AMD在去年6月正式推出全線的超智能服務(wù)器處理器產(chǎn)品——EPYC（霄龍）。

時隔兩個月，AMD又將全套EPYC 7000系列數(shù)據(jù)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(lián)想、曙光等十余家產(chǎn)業(yè)鏈合作伙伴帶著產(chǎn)品和合作成果為AMD回歸服務(wù)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(lián)手推出一款結(jié)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(yè)內(nèi)嘩然。Intel和AMD的合作或許會對Nvida產(chǎn)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(gòu)技術(shù)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(yōu)化；而且同時可容納8個核，并且提高了芯片架構(gòu)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(shè)備帶來人工智能能力。

高通：力推深度學習的移動設(shè)備芯片

在智能手機芯片占據(jù)絕對優(yōu)勢的高通也在人工智能方面積極布局。

據(jù)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(lián)網(wǎng)人工智能服務(wù)”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(yè)、農(nóng)業(yè)的監(jiān)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(fā)揮其在計算機視覺領(lǐng)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(jīng)在研發(fā)能在本地完成深度學習的移動設(shè)備芯片。

三星：三年內(nèi)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(jù)知情人士透露，為了對標華為，三星已經(jīng)研發(fā)了許多種類的人工智能芯片。

三星計劃在未來三年內(nèi)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(shè)備建立新的組件業(yè)務(wù)。

三星還投資了Graphcore、深鑒科技等人工智能芯片企業(yè)。

中國有哪些值得關(guān)注的AI芯片企業(yè)？

在資本和媒體的熱捧之下，國內(nèi)AI芯片創(chuàng)業(yè)市場逐漸升溫加熱，順勢而為的創(chuàng)業(yè)者也不在少數(shù)。

僅僅是在2017年10月-11月這兩個月間，國內(nèi)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(chǎn)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(nèi)涉足AI芯片的企業(yè)：