随着全球科技的不断（duàn）发展（zhǎn），人工智能产（chǎn）业规模高（gāo）速（sù）增长（zhǎng），人工智能应用的成熟，既催生了新的市场，也（yě）为传（chuán）统产（chǎn）业的发展注入了新的活力。

全球市场调研机（jī）构IHS Markit发布（bù）数（shù）据显示，到（dào）2025年AI应用（yòng）市场规模（mó）将从2019年的428亿美元（yuán）激增到1289亿美元。

回顾2019年，AI机器人（rén）群（qún）聊、管控道路桥（qiáo）梁积水、写作、智能客服（fú）……人工智能做了许多原本（běn）人类才（cái）会做的事情（qíng）。数不尽的纷繁（fán）应用背后离不开AI 芯片的基（jī）础（chǔ）支（zhī）撑（chēng）。

日前，AI芯片新老牌厂商“混战”国际消费类电子产（chǎn）品（pǐn）展览会，全面（miàn）覆盖当前人工智能六大核心落地场景，包括（kuò）云端训练、云端推理、智能手（shǒu）机、AIoT视（shì）觉推理（lǐ）、AIoT语音推理、自动驾驶等，国内AI芯片（piàn）进入落（luò）地阶段（duàn）。

根据中（zhōng）国人工智能产业发展（zhǎn）联（lián）盟提供（gòng）的（de）数据，2019年以来国内外（wài）芯片厂（chǎng）商共发布AI芯片近30款。

AI芯（xīn）片怎样支撑多姿多（duō）彩的（de）人工智（zhì）能应用落地?评测标准（zhǔn）进展（zhǎn）如（rú）何（hé）?今年的（de）亮点、看点又在哪?

在（zài）过去一年，国内外产业玩家们共同推动（dòng）着AI芯片的车轮向前滚（gǔn）动（dòng）。7nm芯（xīn）片还未（wèi）全面铺开，5nm冲锋的号角（jiǎo）已经吹（chuī）响，在AI强势侵入并颠（diān）覆各（gè）个传统领域（yù）的（de）同时，AI芯片的架构创新持续发酵。“AI芯片”这（zhè）个新（xīn）鲜的（de）概念在过去一年间逐（zhú）渐走过了普及的阶段，越来越被大众所熟知。在（zài）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（gèng）多的（de）AI芯片公司也开始走出属于自己（jǐ）的差异化路线。

如今，AI芯片正在云计算（suàn）、手机、安防监控（kòng）、智（zhì）能家居、自动驾（jià）驶五大（dà）场景上演新（xīn）的群雄争霸赛，包括华为、阿里、百度等巨头（tóu）企业，均拿出自己的“杀手锏”。这些（xiē）“杀手锏”在不同程度上提（tí）振了自己在行业（yè）的（de）影响（xiǎng）力，也给产（chǎn）业带来巨大（dà）变革，更让业界看到了中国半导体行业的希（xī）望。但是，在经（jīng）历了一（yī）次次疯狂打call之后，每次都觉得差了点什么——那种感觉仿佛就是（shì）看了（le）一晚上（shàng）网红带货，但是当主播大喊“买它！”之后，却（què）无人下单的尴尬。

可以说，尽管去年（nián）各大（dà）厂商（shāng）纷纷推出了多款产品，但至今（jīn）仍然（rán）没有（yǒu）任何一款产品可以称得上“现象级爆款”。为什么出（chū）现（xiàn）了此种叫好（hǎo）不叫买（mǎi）的情况？不（bú）由让笔者（zhě）深感（gǎn）疑惑（huò）。

究（jiū）其原因（yīn）不难发现，覆（fù）盖细分领域，偏离（lí）主战场是其中的重要问题。相（xiàng）关调研公司数据显示（shì），到（dào）2022年（nián），整体AI芯片市（shì）场规模将（jiāng）会达到596.2亿美元，其（qí）中云端训（xùn）练+云端推断（duàn）芯片达到244亿美元，占据四成以上的市场规（guī）模。毫无疑问，云端服（fú）务器市（shì）场是AI芯片的主战场。目前（qián）的现状是具备（bèi）通用性优势的GPGPU占据了云端人（rén）工（gōng）智能主导市场，以（yǐ）TPU为代表的ASIC目前只（zhī）运用在巨头（tóu）的闭（bì）环生态，FPGA在数据（jù）中心业（yè）务中还在尝试阶（jiē）段（duàn）。目前全球各大公司云计算中（zhōng）心如谷（gǔ）歌、微（wēi）软、亚马逊（xùn）、阿里巴巴等主流（liú）公司（sī）均（jun1）采用（yòng）GPU进行AI计算。英伟达就是在这里赚（zuàn）的钵（bō）满盆满。目前，全（quán）球主流的硬件（jiàn）平台都在使用英伟达的 GPU 进行（háng）加速，AMD 也在积极参与（yǔ）。亚马逊网络（luò）服务 AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等计算平台都使（shǐ）用了英伟达的 GPU 产品提供深（shēn）度（dù）学（xué）习算法训练（liàn）服务（wù）。

portant;" />

反观（guān）其他专用AI芯片厂商，在各自聚焦的细分领域（yù）都表现抢眼，但难以粉饰自身（shēn）配（pèi）角的（de）地位。赛迪顾问的预测数据显示，2019年中（zhōng）国对于（yú）AI芯片需求最（zuì）大的市场依次为安防、零售、医疗、教育、金融（róng）、制造、交（jiāo）通、物流等行业。其中最大的安防市场也仅占20%，多家聚焦（jiāo）安防领（lǐng）域的AI芯（xīn）片厂（chǎng）商（shāng）在经历了奋力厮杀后，也（yě）难以在（zài）出货量等方（fāng）面取得（dé）好成（chéng）绩。

而深究下去，聚焦单一（yī）领域又（yòu）诱发了（le）另一问（wèn）题：成本问题。随着芯片制造工（gōng）艺的日益先进，芯片制（zhì）造成本也（yě）水涨船高，如今设计制造一（yī）颗10nm芯片的成（chéng）本要几千万美元，综合成本高达（dá）上（shàng）亿美元。因（yīn）此（cǐ），如（rú）果不能保证（zhèng）某（mǒu）款单一应用场景下能够大（dà）量出（chū）货，专用芯片（piàn）需要保持一定的（de）通用性与灵活度。

最近两年间（jiān），产业（yè）界开始（shǐ）陆续涌现出神经网络计算（suàn）专用芯片（AI芯片（piàn）），寒武纪、深鉴科技、中星（xīng）微电（diàn）子等玩（wán）家的AI芯片产品采用的都是28nm的芯（xīn）片工艺，前期（qī）从（cóng）投入到（dào）流片的成本（běn）超过400万美元，单一品类出货量没有百万的级别将（jiāng）很难收（shōu）回成本。

而除（chú）了（le）成本（běn）之外，AI算（suàn）法的演进（jìn）也需要（yào）纳入考虑。由于目（mù）前（qián）人（rén）工智能（néng）算法还在（zài）不断变化、不断演进（jìn）的过程中，人工智能经历了六十多（duō）年（nián）的发展才迎来了深（shēn）度学习的大规模爆发，然（rán）而现在深度学习算（suàn）法还（hái）有（yǒu）众（zhòng）多有待优（yōu）化的方面，比如稀疏化、低（dī）功耗、小数据训练等，算（suàn）法尚未定型。

此外（wài），目（mù）前语音/文（wén）字（zì）/图像/视频等（děng）不同应用无法使用（yòng）统一（yī）算法，然（rán）而许多实际生活中的AI应用程序（识别图像中的对象（xiàng）或理解人类（lèi）语言）需（xū）要不同类型的具（jù）有不（bú）同层数的神经（jīng）网络的（de）组合。

因此，在确保（bǎo）AI应用性能的前提下，AI芯片需要（yào）尽（jìn）可能地保持芯片通用（yòng）性。那（nà）么（me）问题来了：既然（rán）GPGPU如此（cǐ）强大，能够大（dà）小（xiǎo）“通吃”，为什么厂商（shāng）反（fǎn）而顾左右而言他？其实真正的困（kùn）难在于GPGPU的技术难度（dù）。

硬件角（jiǎo）度看，最核（hé）心（xīn）的是（shì）指令集。指令集（jí）的覆（fù）盖面、颗（kē）粒度、效（xiào）率等决定（dìng）一款芯（xīn）片能否覆盖到足（zú）够宽的应用市场领域，并对软（ruǎn）件开发和产品迭代足够友好。无论是英伟达还是AMD的GPGPU，指令集都在千条量级，而目（mù）前国内（nèi）的AI芯片指令集大多数都在百（bǎi）条以内。类（lèi）型（xíng）与数量（liàng）的差（chà）别（bié）映射到硬件高效实（shí）现的复杂（zá）程度，差距（jù）是巨大的（de），在这方面国内的团队还存在着一定（dìng）的差距（jù）。另一（yī）个重要方面就是（shì）基于（yú）硬件层的任务管理（lǐ）和（hé）智能调（diào）度，这（zhè）可（kě）以让芯片（piàn）从硬（yìng）件层（céng）即提高算力的利用率，也就是大家常说的实际算力。大多数AI芯片的做法（fǎ）是（shì）完全依（yī）赖（lài）于（yú）软件层的（de）调度实现，但（dàn）这种方式第一增（zēng）加了（le）软件开发的复杂（zá）度，第（dì）二降低了硬件（jiàn）算力的利用率，第三减缓了软（ruǎn）件栈迭代更（gèng）新的速度（dù），这在AI领域，面（miàn）向算法（fǎ）模型、开发环（huán）境、应用场景加速更新的大背景（jǐng）下无疑（yí）大大（dà）增加了（le）产品落地与（yǔ）工程化的难度。

在软（ruǎn）件方（fāng）面，毫（háo）无疑问（wèn），最重要的必然是开发生态，GPGPU通过英伟达十多年的耕耘，已经（jīng）建（jiàn）立（lì）起了一（yī）个超过160万开发用户（hù）的庞大而成熟的生（shēng）态-CUDA。AI芯（xīn）片则需（xū）要搭（dā）建全新的（de）生态，它会带来两个维（wéi）度（dù）显著的问（wèn）题，第一个维度是（shì）客（kè）户端，客户需要冗（rǒng）长的适配（pèi）期，从原有的开发环境切换到新的软件（jiàn）生（shēng）态，这（zhè）不仅带（dài）来了资源投入，推迟（chí）了业务部署时间窗口（kǒu），增加了业务的（de）不确定性（xìng），更严重的是（shì）不利于保护已有的软件（jiàn）投资，软件的很多（duō）部（bù）分都要重新来写并适配（pèi），这对企业级用户来讲恰恰是非常敏感（gǎn）与慎重的事情。另一个维度是产品开发端，从（cóng）底层芯（xīn）片与系统软件，跳过CUDA层（céng）去直接支持（chí）开发框架，必然带来（lái）巨大的软（ruǎn）件投入，不停得追赶现有（yǒu）框架的新版本，以及（jí）生（shēng）态巨头的新框架，这在底层（céng）软件人员缺乏的背景（jǐng）下矛盾显得尤其突（tū）出。

本文在一开头就（jiù）提出了一个貌（mào）似针对产品的问题，而事实（shí）上（shàng），这（zhè）还是一个关于市（shì）场的问（wèn）题。能否成为爆款，一方面要看产品，另一方面还需要看市场需求。数据显示，2018年中国AI芯片市场依然保持增长，整体市场规模达到80.8亿（yì）元，同（tóng）比（bǐ）增长50.2%。且目前依然（rán）以云端训练芯（xīn）片为主。2018年中国云端训练芯片市场份额达到（dào）51.3%。巨大的市场前景，也引来各（gè）方诸（zhū）侯前来（lái）抢夺。

除了一（yī）骑绝尘的英伟达，其（qí）他老牌的芯片巨头都没闲着，特（tè）别是（shì）Intel也在加紧（jǐn）布局通用（yòng）GPU。英特尔眼馋GPU路人皆知，其背后（hòu）是一（yī）段辛（xīn）酸史——从开始对（duì）GPU的不屑，到基于自家的x86架构开发独（dú）立显卡，英特尔折腾（téng）了十年之久（jiǔ）仍然没（méi）做出来（lái）一款（kuǎn）像样的（de）GPU。近两年传出消息英特尔将（jiāng）在今年推出首款独立GPU，这恐怕要得（dé）益于英特尔的重金（jīn）挖（wā）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（dà）神都（dōu）在2018年被英特尔招入麾下。

而在国（guó）内，一（yī）家（jiā）名为“天数智（zhì）芯”的公司（sī）也宣（xuān）布（bù）将在今年（nián）发布GPGPU芯片。这家（jiā）公司（sī）目前围绕GPGPU的系（xì）统研发已聚集了一支百余（yú）人的技术团队，其（qí）中（zhōng）不乏AMD在美国（guó）和上海做（zuò） GPU的核心团队成员、行业经验超20年的世（shì）界级技术专家（jiā）。

从产业发（fā）展规（guī）律来（lái）看（kàn），在过去两年之（zhī）内AI芯片（piàn）将持（chí）续（xù）火（huǒ）热，大（dà）家（jiā）扎堆进入；但是到了2020年前后，则将会（huì）出现一批出局者，行业（yè）洗牌开始。由（yóu）于目前AI算法还在不（bú）断演进（jìn）汇总的过程中，最终的（de）成功与否则（zé）将取决（jué）于各家技（jì）术路径的（de）选择和（hé）产品落地的（de）速度（dù）。

目前人工智能已经发展到了新的阶段，呈现出专业性、专（zhuān）用性和普（pǔ）惠性的特点。2020年AI人工智能芯片的第一（yī）个（gè）“爆款”会花落谁（shuí）家（jiā）呢？让我们拭目以待。