時間：2018-08-31 來源：互聯網 瀏覽量：
要說如今科技圈什麼最火，人工智能肯定是其中之一。穀歌、微軟、亞馬遜、IBM等全球科技巨頭才紛紛投入巨資加速人工智能核心芯片的研發，目標在於搶占新計算時代的戰略製高點，掌控人工智能時代主導權。
人工智能包括了從芯片器件、計算設備、程序平台到大數據、功能層、應用端等複雜結構。在這樣一個產業生態中，一些有實力的國際互聯網巨頭，如穀歌、Facebook、亞馬遜、百度以及蘋果公司，是以垂直整合模式介入的，它們成為最有實力的玩家。英特爾、高通、英偉達等國際芯片龍頭則以整合芯片、計算以及部分軟件程序為發展策略，力求扮演硬件設施平台供應商的角色。一些有實力的終端品牌公司，包括近年來得到快速發展的中國智能手機廠商，如華為、小米、VIVO、OPPO，希望AI成為終端設備供應商。
由於具有得天獨厚的技術和應用優勢，英偉達和 穀歌 幾乎占據了 人工智能 處理領域80%的市場份額，而且在穀歌宣布其Cloud TPU開放服務和英偉達推出自動駕駛處理器Xavier之後，這一份額占比在2018年有望進一步擴大。其他廠商，如英特爾、特斯拉、ARM、IBM以及Cadence等，也在人工智能處理器領域占有一席之地。
市場巨頭地位MVP——英偉達
在人工智能領域，英偉達可以說是目前涉及麵最廣、市場份額最大的公司，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、雲計算、遊戲視頻等眾多領域。憑借通用的GPU單元，專門的TensorRT加速器，強勁的矩陣運算性能加上對其他算法的兼顧，英偉達不僅能用GPU滿足AI構建的訓練需求，還能用TeslaRT用來部署，很好實現AI構建。所以英偉達也率先成了這一波AI熱潮的最大受益者。
產學研優秀課代表——穀歌
如果你隻是知道穀歌的AlphaGo、無人駕駛和TPU等這些人工智能相關的產品，那麼你還應該知道這些產品背後的技術大牛們：穀歌傳奇芯片工程師Jeff Dean、穀歌雲計算團隊首席科學家、斯坦福大學 AI 實驗室主管李飛飛、Alphabet董事長John Hennessy和穀歌傑出工程師David Patterson。
2016年5月的穀歌I/O大會，穀歌首次公布了自主設計的TPU，2017年穀歌I/O大會，穀歌宣布正式推出第二代TPU處理器，在今年的Google I/0 2018大會上，穀歌發布了新一代TPU處理器——TPU 3.0。TPU 3.0的性能相比目前的TPU 2.0有8倍提升，可達10億億次，計算規模堪比TOP500超算冠軍，所以散熱要求也很高，穀歌直接上了水冷係統。
TPU全名為Tensor Processing Unit，是穀歌研發的一種神經網絡訓練的處理器，主要用於深度學習、AI運算。在7月份的Next 雲端大會，穀歌又發布了 Edge TPU 芯片搶攻邊緣計算市場。雖然都是 TPU，但邊緣計算用的版本與訓練機器學習的 Cloud TPU 不同，是專門用來處理AI預測部分的微型芯片。Edge TPU可以自己運行計算，而不需要與多台強大計算機相連，因此應用程序可以更快、更可靠地工作。它們可以在傳感器或網關設備中與標準芯片或微控製器共同處理AI工作。
計算機視覺領域的打野專家——英特爾
英特爾作為世界上最大的計算機芯片製造商，近年來一直在尋求計算機以外的市場，其中人工智能芯片爭奪成為英特爾的核心戰略之一。為了加強在人工智能芯片領域的實力，不僅以167億美元收購FPGA生產商Altera公司，還以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，背後凸顯這家在PC時代處於核心位置的巨頭麵向未來的積極轉型。
不可忽視的力量，輔助上分——學術界
比利時魯汶大學的Bert Moons等在2017年頂級會議IEEE ISSCC上麵提出了能效比高達10.0TOPs/W的針對卷積神經網絡加速的芯片ENVISION，該芯片采用28nm FD-SOI技術。
韓國科學技術院K AI ST的Dongjoo Shin等人在ISSCC2017上提出了一個針對CNN和RNN結構可配置的加速器單元DNPU，除了包含一個RISC核之外，還包括了一個針對卷積層操作的計算陣列CP和一個針對全連接層RNN-LSTM操作的計算陣列FRP，相比於魯汶大學的Envision，DNPU支持CNN和RNN結構，能效比高達8.1TOPS/W。該芯片采用了65nm CMOS工藝。
中國芯片路在何方
目前為止整個AI產業依然受到缺少“殺手級”應用的困擾。如果去除智能駕駛、智能汽車、智能監控、人臉識別、語音識別少數幾個應用市場，我們就很難再找到AI的典型應用場景了，特別是缺少與人們工作生活密切相關，又非AI支持不可的應用市場。
目前很難談在終端 AI 芯片上的新機遇，因為大家都才剛剛起步，包括資本市場才剛剛進入沒有多久。尤其是初創型的 AI 芯片公司，一定要迅速做好軟件生態係統的布局，否則很容易就被大浪淘沙。對於深度學習的軟件開發人員，他們無需學習在 AI 芯片上是如何編程和優化，利用我們的工具就可以自動產生相應的跨平台的代碼。
