忽如一夜春風來，千樹萬樹梨花開。隨著 AI 產業(yè)的迅速發(fā)展，越來越多的企業(yè)都投身到了 AI 淘金這股浪潮中，而其中最為耀眼的便是 AI 芯片。

　　2016 年 5 月，谷歌發(fā)布自主設計芯片 TPU（張量處理器），同年英特爾也發(fā)布 Nervana AI 處理器，去年，Deep Mind 投資的 Graphcore 公司也推出了 IPU 智能處理器；而就在國外企業(yè)紛紛研發(fā) AI 芯片的同時，國內企業(yè)也同樣沒有閑著：在寒武紀推出神經網絡處理器 NPU（今年其又被重命名為機器學習處理器 MLU）之際，深鑒科技則做了一款基于 FPGA 平臺的 DPU（深度學習處理器），就連地平線也推出了嵌入式大腦處理器（BPU）……

　　為什么會突然出現(xiàn)這么多 CPU、GPU 的兄弟？

　　眾所周知，目前業(yè)內最為人所知、應用范圍最廣的芯片是 CPU 和 GPU。

　　其中，CPU 出現(xiàn)的歷史最長，在電子設備中的作用也最為重要，但由于其僅用于串行計算，所以在需要海量計算的 AI 場景下，其數據處理能力已顯然不夠，而且雪上加霜的是，處理器的性能每 18 個月就能翻倍的摩爾定律也已幾近失效，想要依靠摩爾定律提升 CPU 的性能已經不太現(xiàn)實。

　　而就在此時，因為具有并行計算能力而擁有更強運算力的 GPU 開始被人們重視，并被廣泛用于人工智能領域。從此，人工智能有了 GPU 在算力方面的支持，人工智能也迅速進入應用階段。甚至有人表示， 沒有 GPU，就沒有這一波 AI 浪潮。

　　而 GPU 領域的絕對霸主英偉達也因此扶搖直上，成為了當今人工智能領域最為成功的企業(yè)： 2015 年，英偉達的市值是 100 億美元，而目前其股價已暴漲至 1300 億美元。

　　然而，GPU 雖然幫助人工智能走過了蹣跚學步的初級階段，但人工智能接下來的要走的路卻不一定適合由 GPU 來走了。

　　首先在云端，數據中心最大的成本支出一般都是電力成本，因此，能耗壓力是迫使 GPU 讓位的重要原因。比如，根據谷歌去年 4 月曝光的數據，當時，TPU 已經在谷歌數據中心內部使用大約兩年，而且 TPU 在推理方面的性能要遠超過 GPU（TPU 平均比當前的 GPU 或 CPU 快 15~30 倍，性能功耗比高出約 30~80 倍）。谷歌甚至還將 TPU 稱之為 AlphaGo 擊敗李世石的“秘密武器”。

　　其次便是在終端，隨著用戶越來越關心個人隱私安全與時效性，此前以云端為基礎的人工智能正逐漸部分或完全被終端智能所取代。而終端智能則要求芯片同時具備高性能與低功耗的特征。

　　雖然 GPU 在處理很多人工智能問題時已經很高效了，而且 GPU 作為通用芯片可以適應各種不同的應用場景，但 GPU 在運行不同場景中的程序時，芯片的整體性能其實是很難完全發(fā)揮出來。其實也可以說，沒有任何單一的 AI 系統(tǒng)能夠在任何場景完美地工作。因此，AI 在不同場景中的應用，都需要針對場景的需求，在功耗、延遲、數據吞吐量、加速器方案的選擇上做出調整和優(yōu)化，使其能夠完美運行適應特定應用場景的算法——于是，各種 CPU、GPU 的兄弟便誕生了。

　　另外，地平線算法 VP 黃暢還表示即使是在同一細分應用場景下，只要深入行業(yè)，就會發(fā)現(xiàn)算法依然會有所不同。而這便意味著市場需要更多種類的 AI 芯片。

　　總的來說，AI 芯片在此時出現(xiàn)是順應時代發(fā)展趨勢的。

　　技術與落地，決定 AI 芯片生死的關鍵

　　雖然目前市面上各種 X-PU 都因趕上了 AI 風口而欣喜不已，然而，今天擁擠在身邊的是“兄弟”，在明天就可能是敵人了，想想 CPU、GPU 目前的寡頭天下不就是活生生的例子嗎？X-PU 們真都能笑到最后嗎？這也是很多入局者都關心的一個問題。

　　OnceAI 創(chuàng)始人張春亮堅信 AI 芯片行業(yè)不太可能出現(xiàn)一兩家企業(yè)統(tǒng)治全部 AI 芯片的情況?！氨热绗F(xiàn)在的通信市場，有追求高性能高速率的 5G 標準，但其也必然再來高功耗（的問題）。所以小數據量傳輸但低功耗的窄帶需求量也越來越大。而且還有像 wifi、藍牙、紅外之類的不同場景間的傳輸協(xié)議?！睆埓毫猎谥跎匣貞J為市場非常大，而且市場需求也不可能統(tǒng)一，因此，“AI 芯片以后很有可能深化出像 PIC/AVR 這樣的低功耗低計算力的芯片，還有像 Intel/amd 這樣的高計算能力高功耗的芯片，或者像 arm 適用于移動場景的芯片?！?/p>

　　“AI 和任何一個新興的技術都一樣，引起市場廣泛關注的時候都會有很多大佬以及創(chuàng)業(yè)公司進入到這個市場，然后開始做芯片。我其實覺得這是一件有趣的事情，因為只有這么多的公司從不同的角度去看待技術，去研發(fā)他們的技術，才能給市場帶來真正的變革，然后才能把這些技術真正的落地?！庇⑻貭栃录夹g業(yè)務 Movidius 產品業(yè)務拓展負責人 Gordon 雖然很認可當前 AI 芯片的大量崛起，但這并不意味著現(xiàn)在所有但 AI 芯片企業(yè)都能活到最后，AI 芯片行業(yè)跟其他行業(yè)一樣，也都將有一個優(yōu)勝劣汰的過程：

　　首先，做 AI 芯片的技術難度不小?！霸趺窗押侠淼募軜嫼蛻脠鼍敖Y合起來，把芯片的性能、功耗和使用場景結合起來，做出一個非常好的產品，這實際上對每個企業(yè)都是巨大的挑戰(zhàn)?！? 為了說明這一點，Gordon 還透露了一個他的經驗：很多企業(yè)可能買了很多 IP，以為把它組在一起就能達到好的性能，但實際上這些產品并不一定能有市場。

　　其次，也是最關鍵的，那就是市場化與產品落地。Gordon 就強調落地是一個“非常重要”的事情。Gordon 認為做芯片在技術上雖然有難度，但只要找到合適的人，其實也會有很多人都能做，但創(chuàng)業(yè)的本質并不是要做出一款技術上的好產品，而是要解決行業(yè)特定問題，從而賺錢養(yǎng)活自己?！岸@里的問題就是你對產品的開發(fā)到底有多深的理解，一個是架構，一個是平衡，如何在性能、功耗、延遲等方面做好取舍，再一個就是對市場的理解，決定做那個行業(yè)等?！?/p>

　　而該觀點也得到了黃暢的認同，“只是做芯片是遠遠不夠的，關鍵還是應用的落地，所以地平線是把算法和芯片結合在一起迭代優(yōu)化，針對應用場景全程推動落地?！秉S暢如此表示。

　　給國內 AI 芯片創(chuàng)業(yè)公司的建議

　　Gordon 表示，英特爾其實是眾多 AI 芯片創(chuàng)業(yè)公司的巨大競爭對手，“我們雖然進來的晚，但我們在芯片領域有著多年的研究，慢只是慢在軟件以及與場景的結合上?！盙ordon 認為英特爾一個重要優(yōu)勢便是與行業(yè)有著非常緊密的結合，因此，Gordon 認為英特爾想要后來者居上其實也并非不可能。

　　不過，面對巨頭，中小 AI 芯片創(chuàng)業(yè)公司也并非沒有成功的可能性。目前，市面上有一個觀點就是像英特爾這樣的大企業(yè)因為精力有限，無法覆蓋所有的細分場景，因此，小企業(yè)便有了得以生存的夾縫。

　　而該觀點也得到了 Gordon 的證實：雖然英特爾非?？粗卮怪?，但英特爾也會評估哪個垂直可能會先起來，或者有更大的市場，從而排優(yōu)先級。“比如對某些行業(yè)，我們就必須要滿足其需求，而對另一些行業(yè)，我們則只是盡量滿足其需求，對第三種行業(yè)，那可能就是愛用不用了?！盙ordon 認為對于像英特爾這么的大企業(yè)“必須學會取舍”。

　　另外，Gordon 也為國內的 AI 芯片企業(yè)提了一些具體的建議：

　　首先，要找對人，找對場景非常了解人，并可以跟產業(yè)結合，那就有機會成功。而如果只是純做技術，不跟產業(yè)、應用結合，那就走不了多遠。

　　其次，選擇行業(yè)是不要一窩蜂地盲干?！皣鴥茸?AI 的企業(yè)都集中在非常窄的幾個領域，比如所有人都恨不得要去做安防的，但在海外，我們就看不見這種情況，海外企業(yè)會非常專注于自己擅長的行業(yè)，而這也是很容易做成績的方法?！?/p>

　　另外，ARM 的崛起也能給與大家一定的參考。

　　ARM 公司 1978 年在英國成立，1985 年，設計了第一代 32 位、6MHz 的處理器，它支持的指令比較簡單，雖然功能遠不如英特爾處理器強大，但是功耗小、價格便宜。不過，當時處理器行業(yè)的霸主是英特爾，占據著 PC 處理器市場絕大多數的市場份額。ARM 處理器能力不足，根本無法撼動英特爾在 PC 處理器的市場份額。

　　因此，ARM 找到了嵌入式設備市場，但是整個 20 世紀 90 年代，ARM 公司的業(yè)績平平，處理器的出貨量徘徊不前。但在而在 2007 年之后，隨著智能手機時代的到來，ARM 處理器迎來了快速增長，有資料顯示目前全世界 95% 的智能手機和 80% 的相機都用到了 ARM 的技術。目前 ARM 也已經成了嵌入式芯片領域的實際標準。ARM 也因此成為了一家能夠與英特爾抗衡的企業(yè)。

　　顯然，ARM 的成功經驗就是找準方向，然后就是咬定青山不放松地等風來，這對 AI 芯片企業(yè)而言，顯然也是一個好建議。