随着全球（qiú）科（kē）技（jì）的（de）不断发展（zhǎn），人工智能产业（yè）规模高（gāo）速增长，人工智能应用的成熟，既催生了（le）新的市场（chǎng），也为传统产（chǎn）业（yè）的发展注入了新的活力。

全球（qiú）市场（chǎng）调研（yán）机构（gòu）IHS Markit发（fā）布数据显示，到2025年AI应（yīng）用（yòng）市场规（guī）模（mó）将从2019年的（de）428亿美元激增（zēng）到（dào）1289亿美元。

回顾2019年，AI机器人群（qún）聊、管控道路桥梁（liáng）积水、写作（zuò）、智能客服（fú）……人工智能做了许（xǔ）多原本人类才会做（zuò）的事（shì）情。数不尽的（de）纷繁应用（yòng）背后离（lí）不开（kāi）AI 芯片的基础支撑。

日前，AI芯片新老（lǎo）牌厂商“混战”国际消费类（lèi）电（diàn）子产品展（zhǎn）览（lǎn）会（huì），全面覆盖当（dāng）前人（rén）工智能六（liù）大核（hé）心（xīn）落地场景，包括（kuò）云（yún）端训练、云端推理、智能手机、AIoT视觉推理、AIoT语（yǔ）音推理、自动驾驶等，国内AI芯片（piàn）进入落地阶（jiē）段。

根据中国人工智能产业发（fā）展联盟提供的数（shù）据，2019年以来国内外芯片厂商共发（fā）布AI芯片近30款。

AI芯片怎（zěn）样支（zhī）撑多姿多彩（cǎi）的人工智能应用落地?评测标（biāo）准进展如（rú）何?今年的亮（liàng）点、看（kàn）点又在哪?

在过去一年，国内外产业玩家们共同推动（dòng）着（zhe）AI芯片的车轮（lún）向前滚（gǔn）动。7nm芯片还未全面铺开（kāi），5nm冲锋的号（hào）角已（yǐ）经吹响（xiǎng），在AI强势侵（qīn）入并颠覆各个（gè）传统领（lǐng）域的同时，AI芯片的架构创新持续发（fā）酵。“AI芯片”这个新鲜（xiān）的（de）概念在（zài）过去一年间逐渐走过了普及的阶段，越来（lái）越（yuè）被大众所熟知。在行业走过野蛮生（shēng）长，开始加速落地、加速整合的过程中，也有更多（duō）的（de）AI芯片公司也开始走出属于（yú）自（zì）己的差异化路线。

如今，AI芯片正在云计算、手机、安防监（jiān）控（kòng）、智能家居、自动驾驶五大场景上（shàng）演新的群雄争霸（bà）赛，包括华为、阿里、百度（dù）等巨头企业（yè），均拿出自己的“杀手（shǒu）锏”。这些“杀手锏（jiǎn）”在（zài）不同（tóng）程度上提振了自己（jǐ）在行业的影响力，也给产业带来巨大（dà）变（biàn）革，更让业界看到了中国半导体（tǐ）行业的希望。但是，在（zài）经历（lì）了（le）一次次疯狂（kuáng）打call之后，每次都觉得差了点（diǎn）什么——那（nà）种感觉仿佛（fó）就是看了一晚上网（wǎng）红带（dài）货，但（dàn）是当主播大喊“买它！”之后，却（què）无人（rén）下单（dān）的尴（gān）尬（gà）。

可以说，尽（jìn）管去年（nián）各大厂商纷纷推出了多款（kuǎn）产品，但至今仍（réng）然没有（yǒu）任何一款产品可以称得上“现象级爆款”。为什么（me）出（chū）现（xiàn）了此种叫好不叫买（mǎi）的情况？不由让笔者深感疑惑。

究（jiū）其原（yuán）因不难发现，覆盖细分领域，偏离主战场是其中的（de）重要问题。相关调研公（gōng）司数据显（xiǎn）示，到2022年，整体AI芯片市（shì）场（chǎng）规模（mó）将会达到596.2亿美元，其中云端训练+云端推断（duàn）芯片达到244亿美元，占（zhàn）据（jù）四成（chéng）以上的（de）市场规模。毫无（wú）疑问，云端服务器市场是AI芯片的（de）主战场。目前的现状是具备通用性优势（shì）的GPGPU占（zhàn）据了云端人工（gōng）智（zhì）能主导市（shì）场，以TPU为代表的ASIC目前只运用在巨头的闭环生（shēng）态（tài），FPGA在（zài）数据中心业务中还在尝试阶段。目（mù）前全球各（gè）大公司（sī）云计算中心如谷歌、微（wēi）软（ruǎn）、亚马（mǎ）逊、阿里巴巴等主流公司均采用GPU进行AI计算。英伟（wěi）达就是在这（zhè）里赚的钵（bō）满盆满。目前（qián），全球主流的硬件（jiàn）平台都（dōu）在使（shǐ）用英（yīng）伟达的 GPU 进行（háng）加（jiā）速，AMD 也在积（jī）极参与。亚马逊网（wǎng）络服务 AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等（děng）计算（suàn）平台都使（shǐ）用了英伟达的（de） GPU 产品提（tí）供深（shēn）度学（xué）习算法训练服务。

portant;" />

反观其他专用AI芯片厂商，在各自（zì）聚焦（jiāo）的细分领域都表现（xiàn）抢（qiǎng）眼，但难以粉饰自身配（pèi）角（jiǎo）的地位。赛迪顾问的预测（cè）数据（jù）显示（shì），2019年中国对于AI芯片（piàn）需求（qiú）最大的市场（chǎng）依次（cì）为安防、零售、医疗、教育、金融（róng）、制造、交通、物（wù）流等行（háng）业。其中（zhōng）最大的安（ān）防市场也仅占20%，多家聚焦安防（fáng）领域（yù）的AI芯片厂商在经历（lì）了奋力厮杀后，也难以在出（chū）货量等方面（miàn）取得好成（chéng）绩。

而深究（jiū）下去，聚焦单一领域又（yòu）诱发了另一问题：成本问题。随着芯片制造工艺（yì）的日益（yì）先进（jìn），芯片制造成本也水涨船高，如（rú）今设计制造（zào）一颗（kē）10nm芯片的成本（běn）要（yào）几千万美元，综合成本高达上亿美元。因此，如果不能保证某款单一应用场景下能够（gòu）大量出货，专（zhuān）用芯（xīn）片需要保（bǎo）持一定的通用性与（yǔ）灵活度。

最（zuì）近两年间，产业界开始陆续涌（yǒng）现出神经网络（luò）计（jì）算专用芯片（AI芯片），寒武纪、深鉴科技、中星（xīng）微电子等玩家的AI芯片产品采用（yòng）的都（dōu）是（shì）28nm的芯片工（gōng）艺，前期（qī）从投入到（dào）流片的成本超过400万美元（yuán），单一品类出货（huò）量没有百万的级别将很难收回成（chéng）本。

而除（chú）了成本之外，AI算法的演进也需要纳入（rù）考虑。由（yóu）于（yú）目前人工（gōng）智能算法还在不断变化、不断演进的过程中，人工智能（néng）经历了六十多年的发展才（cái）迎来了深度学（xué）习的大规模爆发，然（rán）而现在深度学习（xí）算（suàn）法还有众多有待优化的方面，比如稀疏化、低功耗、小（xiǎo）数（shù）据（jù）训练等，算法尚未（wèi）定（dìng）型。

此外，目前语音/文字/图像/视频等不同应用无（wú）法使用统一算（suàn）法（fǎ），然（rán）而许多（duō）实际生（shēng）活（huó）中的AI应用（yòng）程序（识别图（tú）像中的对（duì）象或理解人类语（yǔ）言）需要不同类（lèi）型的具有不同层数的神经（jīng）网络的组合（hé）。

因此，在确保AI应（yīng）用性能（néng）的前提下，AI芯片需要（yào）尽可能（néng）地（dì）保持芯片通（tōng）用性（xìng）。那么问题来了：既（jì）然GPGPU如此强大，能够大小“通吃”，为什（shí）么厂商反（fǎn）而顾左（zuǒ）右而言他（tā）？其实真（zhēn）正的困（kùn）难在于GPGPU的技术难度（dù）。

硬件角度看，最核心的是（shì）指令集（jí）。指（zhǐ）令集的（de）覆（fù）盖面、颗（kē）粒度、效率等（děng）决（jué）定一款芯（xīn）片（piàn）能否覆盖到足够宽的应用市场领域，并对软件开发（fā）和（hé）产品迭代足够友好。无论（lùn）是英伟达还是AMD的（de）GPGPU，指令集都在千条量级，而目前国内（nèi）的AI芯（xīn）片（piàn）指（zhǐ）令集大（dà）多数都在百条以（yǐ）内。类型（xíng）与数量的（de）差别映射到（dào）硬（yìng）件高（gāo）效实现（xiàn）的复杂程（chéng）度，差距是（shì）巨大（dà）的（de），在这方面（miàn）国（guó）内（nèi）的团队还（hái）存在着一定的（de）差（chà）距。另一个重（chóng）要方面（miàn）就是基于硬件层的任务管理和智能调度，这可（kě）以让芯片从硬件层即提高算力的利用率，也就是大（dà）家常说的实际算力。大多数（shù）AI芯片的做（zuò）法是完全依赖于软件层的调（diào）度实现（xiàn），但这种方式（shì）第一增（zēng）加了软件开发（fā）的复杂度，第二降低了硬件算力（lì）的利用（yòng）率，第三（sān）减（jiǎn）缓（huǎn）了软（ruǎn）件栈（zhàn）迭代更新的速（sù）度，这在AI领域，面向算法模型、开（kāi）发环境、应用场景加速更新的（de）大背景下无疑大（dà）大增加（jiā）了（le）产品落（luò）地与工程化的难度。

在软（ruǎn）件方面（miàn），毫无疑问，最重（chóng）要的必然是开发生态，GPGPU通过英伟达十多年的耕耘（yún），已经（jīng）建（jiàn）立起了（le）一个超过160万开发用户的庞大而（ér）成熟（shú）的生态-CUDA。AI芯片（piàn）则需要（yào）搭建全（quán）新的生态，它会带来两个维度显著（zhe）的问（wèn）题，第一个维度（dù）是客（kè）户端，客户需要冗长的适配期，从原有的开发环境（jìng）切（qiē）换到新的软（ruǎn）件（jiàn）生态，这不仅带来了资源（yuán）投入，推迟（chí）了业务部署时（shí）间窗口，增加（jiā）了业务的（de）不确定性，更严重的是不利于保护已有的软（ruǎn）件投资，软件的很多部分都要重新来写并适配，这对（duì）企业级用户（hù）来（lái）讲恰恰是非（fēi）常敏感与慎重的（de）事（shì）情。另一个（gè）维度是（shì）产品开发（fā）端，从底（dǐ）层芯片与系统软件，跳过CUDA层去直接支持开发框架，必然带来巨大的软件（jiàn）投入（rù），不停得（dé）追赶（gǎn）现有框架的新版本，以及生态巨头的新框架，这在底层软（ruǎn）件人员缺乏（fá）的背景下矛盾（dùn）显得尤其突出。

本文（wén）在一开头就提（tí）出了一个貌（mào）似针对产品的问题，而事实上，这还是（shì）一个关于市场的（de）问题。能（néng）否（fǒu）成为爆（bào）款，一方面要看产品，另一方面（miàn）还需要看市（shì）场需求。数（shù）据显示，2018年中国AI芯片市场依然保持增（zēng）长，整体市场规模（mó）达到80.8亿元，同比增长50.2%。且目前依然以云端训（xùn）练芯片（piàn）为主（zhǔ）。2018年（nián）中国云端训练芯片市场份额达（dá）到51.3%。巨（jù）大的市场前（qián）景，也（yě）引（yǐn）来各方诸侯前来抢（qiǎng）夺。

除了一骑绝尘（chén）的英（yīng）伟（wěi）达，其他老牌（pái）的芯（xīn）片巨头都没闲着，特别是Intel也在加紧布（bù）局通用（yòng）GPU。英特尔眼馋GPU路人皆（jiē）知，其背后（hòu）是一段（duàn）辛酸史——从开始对GPU的不屑，到基于自家（jiā）的x86架构（gòu）开（kāi）发（fā）独立显（xiǎn）卡，英特尔折腾了十年之久仍（réng）然没做（zuò）出来（lái）一款像（xiàng）样的GPU。近两（liǎng）年传出消息英特尔将在今年推出首款独立（lì）GPU，这恐怕要得益于（yú）英（yīng）特尔的重金挖人——原AMD RTG显卡部门负责人Raja、Zen架构的功勋领袖Jim Keller、显卡技术市场总监Damien Triolet这几（jǐ）位大神都在2018年被英特尔招入麾下。

而在国内，一家名为“天数（shù）智芯”的公（gōng）司（sī）也宣布将在今（jīn）年（nián）发（fā）布（bù）GPGPU芯片。这家公司目前围绕（rào）GPGPU的系统（tǒng）研发已聚集（jí）了一支（zhī）百余人的技术团队，其中不乏AMD在美国和上（shàng）海做 GPU的（de）核心（xīn）团队（duì）成员、行业经验超20年的世界级技术专家（jiā）。

从产（chǎn）业（yè）发（fā）展规律来看，在（zài）过去两年之内AI芯片将持续火热，大家扎堆进入（rù）；但是到了2020年前（qián）后，则将会出现一批出局者，行业洗牌（pái）开始。由（yóu）于目前AI算法还在不断演进汇总的过程中，最终的（de）成功与否则将取（qǔ）决于各家技（jì）术路径的选择和（hé）产品落地（dì）的速度。

目前人工（gōng）智能已经发展到了新（xīn）的阶段，呈现出专业性、专用性和普惠性的特点。2020年AI人工智能芯片的第一个“爆（bào）款”会花落（luò）谁家呢？让我们拭目（mù）以待。