2018年以來(lái)，不少以算法為主的語(yǔ)音、視覺(jué)、自動(dòng)駕駛等公司也開(kāi)始研發(fā)AI芯片，將算法和芯片進(jìn)行更好的結合，來(lái)針對多樣化的場(chǎng)景，未來(lái)軟硬結合將會(huì )是趨勢。
隨著(zhù)深度學(xué)習和AI應用的不斷演進(jìn)，近兩年AI芯片廠(chǎng)商不斷涌現，加之貿易摩擦中芯片概念的普及，2018年的AI芯片領(lǐng)域持續火熱。在國內，貼上AI芯片標簽的公司已經(jīng)超過(guò)40家，其中的佼佼者們獲得不菲融資。
盡管目前AI在行業(yè)應用方面的滲透有限，但是算力的供需還是不平衡。近日，華為智能計算業(yè)務(wù)部總裁邱隆就向21世紀經(jīng)濟報道記者表示：“原來(lái)由摩爾定律驅動(dòng)的計算產(chǎn)業(yè)，面對爆發(fā)式的計算需求無(wú)以為繼。摩爾定律在正常的時(shí)候，以每年1．5倍增長(cháng)，50％的算力增長(cháng)，在過(guò)去幾年間，每年的算力實(shí)際增長(cháng)只有10％。人工智能在過(guò)去幾年間，算力增長(cháng)了30萬(wàn)倍，至少每一年我們的算力要增長(cháng)10倍�！�
這意味著(zhù)人工智能除了算法外，對算力也存在強大的需求。面對增多的B端應用場(chǎng)景，也有更多的AI芯片公司加入角逐。從功能角度細分，AI芯片可分為訓練芯片和推理芯片，在訓練方面，目前英偉達獨樹(shù)一幟，但是在推理方面，可選擇的芯片種類(lèi)不只是GPU，還有FPGA（現場(chǎng)可編程門(mén)陣列）、ASIC（專(zhuān)用集成電路）等。在各個(gè)分類(lèi)中，芯片巨頭們各有千秋，接下來(lái)還要考驗落地情況。

群雄混戰
芯片目前主要是提供算力支持，2018年，AI芯片大廠(chǎng)和創(chuàng )業(yè)公司們均有不少新動(dòng)作。
最大的玩家當屬英偉達和英特爾。英偉達的GPU抓住了計算設備需求的關(guān)鍵時(shí)機，在圖形渲染、人工智能和區塊鏈領(lǐng)域的計算表現突出，希望成為真正的算力平臺，其中，英偉達在訓練方面的代表芯片就是Tesla V100。由于英偉達GPU布局AI的時(shí)間早于英特爾、賽靈思等公司，整體生態(tài)較為完整，產(chǎn)品在IT公司中得到廣泛應用。
英特爾則通過(guò)收購案來(lái)彌補AI芯片的賽道：2015年167億美金收購FPGA巨頭Altera。FPGA在云計算、物聯(lián)網(wǎng)、邊緣計算等方面有很大的潛力。隨著(zhù)5G浪潮的到來(lái)，物聯(lián)網(wǎng)的數據分析及計算需求會(huì )暴增，物聯(lián)網(wǎng)的接入節點(diǎn)至少是數百億級的規模，比手機規模要高出1－2個(gè)數量級。物聯(lián)網(wǎng)的典型需求是需要靈活使用算法的變化，這是FPGA的強項，FPGA可以通過(guò)自身結構的改變來(lái)適應定制化計算場(chǎng)景的需求，能為不同類(lèi)型的設備提供高效芯片。
同時(shí)，英特爾還收購了Nervana，計劃用這家公司在深度學(xué)習方面的能力來(lái)對抗GPU，Nervana的最新版深度學(xué)習芯片將在2019年量產(chǎn)。此外，英特爾還收購了視覺(jué)處理芯片初創(chuàng )公司 Movidius、自動(dòng)駕駛公司Mobileye。
算法巨頭谷歌則另辟蹊徑，以ASIC類(lèi)型的芯片來(lái)滿(mǎn)足自身需求。具體來(lái)看，谷歌的TPU通過(guò)脈動(dòng)陣列（systolic array）這一核心架構來(lái)提升算力，2018年發(fā)布的TPU3．0版本采用8位低精度計算節省晶體管，速度能加快最高100PFlops（每秒1000萬(wàn)億次浮點(diǎn)計算）。
再看國內，華為在2018年10月發(fā)布了兩顆AI芯片——昇騰910（max）和昇騰310（mini）。昇騰910主要用于云端計算，其半精度算力達到了256 TFLOPS，預計將于2019年第二季度量產(chǎn)；昇騰310用于終端低功耗場(chǎng)景，擁有8TFLOPS半精度計算力，目前已經(jīng)量產(chǎn)，但是并不對外銷(xiāo)售。
國內的明星初創(chuàng )企業(yè)也紛紛獲得投資或者收購。2018年中，寒武紀推出面向數據中心市場(chǎng)云端智能芯片 MLU100，浪潮、聯(lián)想、曙光的AI服務(wù)器產(chǎn)品將搭載MLU100 芯片。但是在手機端，華為麒麟芯片將用達芬奇架構代替寒武紀架構。另一家公司地平線(xiàn)選擇自動(dòng)駕駛的場(chǎng)景，奧迪是其合作伙伴。產(chǎn)品包括基于旭日2．0處理器架構的XForce邊緣AI計算平臺、基于征程（Journey）2．0 架構的地平線(xiàn) Matrix 自動(dòng)駕駛計算平臺、核心板旭日X1600、智能攝像機解決方案等。
深鑒科技則在2018年被賽靈思收購，價(jià)格約3億美元。深鑒科技一方面提供基于神經(jīng)網(wǎng)絡(luò )深度壓縮技術(shù)和DPU平臺，為深度學(xué)習提供端到端的解決方案。另一方面通過(guò)神經(jīng)網(wǎng)絡(luò )與FPGA的協(xié)同優(yōu)化，提供高性?xún)r(jià)比的嵌入式端與云端的推理平臺，已應用于安防、數據中心、汽車(chē)等領(lǐng)域。

挑戰與趨勢
整體而言，英偉達的實(shí)力在第一梯隊，但是競爭者眾多，除了上述企業(yè)外，AMD、高通、聯(lián)發(fā)科、三星等公司均在A(yíng)I芯片上有所布局，并且戰況愈發(fā)激烈。
不過(guò)，目前在A(yíng)I芯片領(lǐng)域沒(méi)有哪一家占據絕對優(yōu)勢，集邦咨詢(xún)向21世紀經(jīng)濟報道記者表示：“初創(chuàng )企業(yè)方面，就我們的觀(guān)察，畢竟仍在草創(chuàng )階段，客戶(hù)的采用意愿，以及導入后，終端市場(chǎng)的接受狀況，將是未來(lái)需要觀(guān)察的地方�？偨Y來(lái)看，還是國際芯片大廠(chǎng)的布局速度較快�！�
從國內和國外的角度看，一位AI業(yè)內人士告訴21世紀經(jīng)濟報道記者：“國內外主要是技術(shù)結構上的差距，底層技術(shù)科學(xué)上和國外的差距顯著(zhù)，但是應用層面上差距不大，甚至有創(chuàng )新的應用點(diǎn)。不少AI芯片公司通過(guò)定制化服務(wù)小規�？蛻�(hù)，針對B端場(chǎng)景進(jìn)行開(kāi)發(fā)，比如專(zhuān)門(mén)處理語(yǔ)音、圖像�！�
同時(shí)，AI芯片也面臨不少挑戰，杜克大學(xué)教授陳怡然就曾提到，AI芯片在設計方面有四大挑戰。
其一是大容量存儲和高密度計算，當神經(jīng)深度學(xué)習網(wǎng)絡(luò )的復雜度越來(lái)越高的時(shí)候，參數也會(huì )越來(lái)越多，怎么處理是一大難題；第二個(gè)挑戰是要面臨特定領(lǐng)域的架構設計，因為場(chǎng)景越來(lái)越豐富，這些場(chǎng)景的計算需求是完全不一樣的。怎么樣通過(guò)對于不同的場(chǎng)景的理解，設置不同的硬件架構變得非常重要。
第三個(gè)挑戰是芯片設計要求高，周期長(cháng)，成本昂貴。從芯片規格設計、芯片結構設計、RTL設計、物理版圖設計、晶圓制造、晶圓測試封裝，需要2到3年時(shí)間，正常的時(shí)間里軟件會(huì )有一個(gè)非�？焖俚陌l(fā)展。但是算法在這個(gè)期間內將會(huì )快速更新，芯片如何支持這些更新也是難點(diǎn)。
第四個(gè)挑戰是架構及工藝。隨著(zhù)工藝不斷的提升，從90納米到10納米，邏輯門(mén)生產(chǎn)的成本到最后變得飽和。也許在速度上、功耗上會(huì )有提升，但單個(gè)邏輯生產(chǎn)的成本不會(huì )再有新的下降。這種情況下如果仍然用幾千甚至上萬(wàn)個(gè)晶體管去做一個(gè)比較簡(jiǎn)單的深度學(xué)習的邏輯，最后在成本上是得不償失的。
在芯片的產(chǎn)業(yè)鏈中，生產(chǎn)環(huán)節主要依靠臺積電、格芯等芯片代工廠(chǎng)商。但是國內在設計領(lǐng)域逐步前進(jìn)，并且AI專(zhuān)用芯片相對于CPU、GPU來(lái)說(shuō)難度沒(méi)有那么大，因此不少創(chuàng )業(yè)公司也為自己精通的行業(yè)定制AI芯片。
2018年以來(lái)，不少以算法為主的語(yǔ)音、視覺(jué)、自動(dòng)駕駛等公司也開(kāi)始研發(fā)AI芯片，將算法和芯片進(jìn)行更好的結合，來(lái)針對多樣化的場(chǎng)景，未來(lái)軟硬結合將會(huì )是趨勢。