不久前，谷歌在I/O大會發(fā)布了其第三代TPU，并宣稱其性能比去年的TUP 2.0提升8倍之多，達到每秒1000萬億次浮點計算，同時谷歌展示了其一系列基于TPU的AI應用。

可以說，AI已經(jīng)成為科技行業(yè)除了區(qū)塊鏈之外最熱門的話題。AI芯片作為AI時代的基礎設施，也成為目前行業(yè)最熱門的領域。

下面這個表是媒體統(tǒng)計的部分AI芯片企業(yè)融資情況：

可以看到，AI芯片已經(jīng)成為資本追逐的最熱門領域，資本對半導體芯片的熱情被AI技術徹底點燃。在創(chuàng)業(yè)公司未真正打開市場的情況下，AI芯片初創(chuàng)企業(yè)已經(jīng)誕生了不少的獨角獸，多筆融資已經(jīng)超過億元。

AI技術的革新，其從計算構架到應用，都和傳統(tǒng)處理器與算法有巨大的差異，這給創(chuàng)業(yè)者和資本市場無限的遐想空間，這也是為什么資本和人才對其趨之若鶩的原因。

但是，產(chǎn)業(yè)發(fā)展還是要遵循一定的產(chǎn)業(yè)規(guī)律，「商業(yè)技術評論」認為，絕大多數(shù)AI芯片公司都將成為歷史的炮灰，最后，在云端和終端只剩下為數(shù)極少的幾個玩家。

目前對AI芯片的需求主要集中在哪些方面？

先來講講AI目前芯片大致的分類：從應用場景角度看，AI芯片主要有兩個方向，一個是在數(shù)據(jù)中心部署的云端，一個是在消費者終端部署的終端。從功能角度看，AI芯片主要做兩個事情，一是Training（訓練），二是Inference（推理）。

目前AI芯片的大規(guī)模應用主要還是在云端。云端的AI芯片同時做兩個事情：Training和Inference。

· Training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，比如給系統(tǒng)海量的“貓”的圖片，并告訴系統(tǒng)這個就是“貓”，之后系統(tǒng)就“知道”什么是貓了；

· Inference即用訓練好的系統(tǒng)來完成任務，接上面的例子，就是你將一張圖給之前訓練過的系統(tǒng)，讓他得出這張圖是不是貓這樣的結論。

Training和Inference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。

Training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。

Inference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Inference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(yōu)化。

Training將在很長一段時間里集中在云端，Inference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。

目前的市場情況

· 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

云端AI芯片無論是從硬件還是軟件，已經(jīng)被傳統(tǒng)巨頭控制，給新公司預留的空間極小。

下面這張圖是Compass Intelligence公布了全球AI芯片榜單。因為AI芯片目前在終端應用極少，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。

我們可以看到，芯片巨頭Nvidia（英偉達）已經(jīng)牢牢占據(jù)AI芯片榜首，由于CUDA開發(fā)平臺的普及，英偉達的GPU是目前應用最廣的通用AI硬件計算平臺。除了有實力自研芯片的企業(yè)（全世界也沒幾家），如果需要做AI相關的工作，必定需要用到Nvidia的芯片。

Nvidia的芯片應用普遍，現(xiàn)在所有的AI軟件庫都支持使用CUDA加速，包括谷歌的Tensorflow，F(xiàn)acebook的Caffe，亞馬遜的MXNet等。

除了一騎絕塵的英偉達，其他老牌的芯片巨頭都沒閑著，特別是Intel通過買、買、買奮力的將自己擠到了頭部玩家的位置。微軟在最新的Build大會上公布了基于英特爾FPGA的AI方案，而英特爾的FPGA業(yè)務正是通過收購Altera獲得的。

除此之外，我們可以看到像Google這樣的互聯(lián)網(wǎng)廠商也亂入了前五。

這當然要歸功于上面提到的TPU，雖然谷歌不直接售賣芯片，但是谷歌通過云服務提供TPU的調用服務。谷歌很早就開源了Tensorflow軟件平臺，這使得Tensorflow成為最主流的機器學習軟件平臺，已經(jīng)成了事實上行業(yè)的軟件平臺標準。而Tensorflow最佳的計算環(huán)境必定就是谷歌自己的云服務了，通過軟件、硬件（或者說云）環(huán)境的打通，谷歌妥妥的成為AI芯片領域的一方霸主。

現(xiàn)在業(yè)界爭論的焦點是AI芯片的處理器架構用哪種是最好的，有前面提及的有GPU、FPGA、DSP和ASIC，甚至還有更前沿的腦神經(jīng)形態(tài)芯片。現(xiàn)在GPU可以認為是處于優(yōu)勢地位，但其他幾種的處理器架構也各有優(yōu)勢。

Intel則是多方下注，不錯過任何一種處理器架構。谷歌在TPU（其實就是一種ASIC）方面的巨大投入帶來了硬件效能的極大提高，目前看來對GPU的沖擊將是最大的，原因不單單是因為專用架構帶來的效率優(yōu)勢，還有商業(yè)模式方面帶來的成本優(yōu)勢。

在半導體行業(yè)內(nèi)的普遍觀點是，一旦AI的算法相對穩(wěn)定，ASIC肯定是最主流的芯片形態(tài)?？纯赐诘V芯片的進化歷程，這個觀點非常有說服力。

在云端，互聯(lián)網(wǎng)巨頭已經(jīng)成為了事實上的生態(tài)主導者，因為云計算本來就是巨頭的戰(zhàn)場，現(xiàn)在所有開源AI框架也都是這些巨頭發(fā)布的。在這樣一個生態(tài)已經(jīng)固化的環(huán)境中，留給創(chuàng)業(yè)公司的空間實際已經(jīng)消失。所以地平線的余凱在前幾年就對「商業(yè)技術評論」表示，云端市場是巨頭的禁臠，創(chuàng)業(yè)公司沒有任何機會。

· 終端市場群雄割據(jù)，機會尚存

上面說到了Inference現(xiàn)在主要是在云端完成的，這主要是因為現(xiàn)在終端上基本沒有合適的處理單元可以完成相應功能。所以我們發(fā)現(xiàn)很多AI功能都需要聯(lián)網(wǎng)才可以使用，這大大限制了AI的使用場景。所以將Inference放到終端來，讓一些功能可以本地完成，成了很多芯片廠商關注的領域。

華為的麒麟970便是最早將AI處理單元引入到終端產(chǎn)品的芯片，其中該芯片中的AI核心，是由AI芯片創(chuàng)業(yè)公司寒武紀提供的IP（知識產(chǎn)權）。該芯片的引入，可以幫助華為手機在終端完成一些特定的AI應用，比如高效的人臉檢測，相片的色彩美化等。

此后，蘋果，三星都宣布了在其處理器中引入相應的AI處理單元，提升手機終端的AI應用能力。

在終端上，由于目前還沒有一統(tǒng)天下的事實標準，芯片廠商可以說是八仙過海各顯神通。

給手機處理器開發(fā)AI協(xié)處理器是目前看來比較靠譜的方式，寒武紀Cambricon-1A集成進入麒麟970就是一個很好的例子。由于華為手機的巨大銷量，寒武紀迅速成為AI芯片獨角獸。

而另外一家創(chuàng)業(yè)公司深鑒科技此前獲得了三星的投資，其AI芯片IP已經(jīng)集成到三星最新的處理器Exynos 9810中。

然而能獲得手機大廠青睞的AI芯片廠商畢竟是少數(shù)，更多的AI芯片廠商還需要找到更多的應用場景來使自己的芯片發(fā)光發(fā)熱。

一些傳統(tǒng)AI服務廠商很容易想到將自己的服務進行垂直拓展，比如的自然語音處理廠商云知聲從自己的傳統(tǒng)語音業(yè)務出發(fā)，開發(fā)了自己的芯片UniOne語音AI芯片，用于物聯(lián)網(wǎng)IOT設備。

相對于語音市場，安防更是一個AI芯片扎堆的大產(chǎn)業(yè)，如果可以將自己的芯片置入攝像頭，是一個不錯的場景，也是很好的生意。包括云天勵飛、?？低?/u>、曠視科技等廠商都在大力開發(fā)安防領域的AI嵌入式芯片，而且已經(jīng)完成了一定的商業(yè)化部署。