人工智能主（zhǔ）要包括（kuò）三大（dà）要素（sù），分别是数（shù）据、算法和算力。其中数据（jù）是基础，正是因为在实际应（yīng）用当中（zhōng）的数据量越来（lái）越大，使得传统计算（suàn）方式（shì）和硬（yìng）件难以（yǐ）满（mǎn）足要求，才催生了AI应用的（de）落地。

portant;" />

AI芯片的生态圈

从广（guǎng）义说（shuō），能够（gòu）驱动AI程序的芯（xīn）片都叫（jiào）做AI芯片（piàn）。从狭义来（lái）说（shuō），AI芯片是为适应AI算法进（jìn）行了特（tè）殊设计的芯片。

从（cóng）应用层（céng）面（miàn）讲（jiǎng），AI芯片（piàn）主（zhǔ）要分为云AI芯片和端AI芯片。云AI芯片应用于云端服务器及数（shù）据中心；端AI芯片应用于智能设备、IoT端设备。未来（lái），人工智能将（jiāng）会在我们的日常生活中得到（dào）极大普（pǔ）及，正如（rú）英伟达创始人黄仁勋所说：“未来，AI与AI芯（xīn）片将无处不在（zài）：咖啡（fēi）机、保温杯、麦克风（fēng）、甚至耳环、鞋子（zǐ）这些小物件都会智能化。”

云AI芯片的特点是性能强大、能够同时支持大量运算、支持图片（piàn）识别、以及语音（yīn）、视频处理。端AI芯片则需要嵌（qiàn）入到设备内部，让设（shè）备不联网（wǎng）就能具备AI能力。AI芯片（piàn）之于人工智能的意义，可以（yǐ）理解（jiě）为发（fā）动机之于（yú）汽车（chē）。人工（gōng）智能理论已经提出多（duō）年（nián），由于它需要一（yī）台计算能力超强（qiáng）的“发动机（jī）”驱（qū）动，所以（yǐ）多年没有真正跑起（qǐ）来，直到AI算（suàn）法、大数据以及（jí）AI芯片的（de）出现。

人（rén）工智能的破局是在2012年计（jì）算机视觉届的“奥（ào）林匹（pǐ）克”—ImageNet挑战赛（sài）的赛场上，来自多伦多大学（xué）的Geoffrey Hinton教（jiāo）授和他的（de）团队第一次（cì）用上了（le）GPU芯片和深度（dù）学习算法，成为AI史上的（de）一个重要节点（diǎn）。

在2015年的ImageNet大赛上，微软亚洲（zhōu）研究（jiū）院（yuàn）团（tuán）队更是凭借GPU与（yǔ）深度学习算法，第一次让计算机的图像（xiàng）识别超过了人（rén）类。人类识图错（cuò）误率约为4％，而冠（guàn）军团队（duì）机（jī）器识图的错误率（lǜ）为3．57％。在图（tú）像识别（bié）兴起（qǐ）之后，视频识别、语音识（shí）别、翻译（yì）、语（yǔ）音助手等一系（xì）列AI应用应运而（ér）生。

AI芯片（piàn）的爆发，至（zhì）少将会影响到四个（gè）应用场（chǎng）景：家居（jū）／消费（fèi）电子（zǐ）、安防监控、自（zì）动驾驶以及云计算。

AI芯片困局：竞争力与差异化

目前，无论（lùn）是初创公司还是芯片设计（jì）巨头（tóu），压（yā）力都是与（yǔ）日俱增。一般而言，只要有应用场景的支持（chí）、足够（gòu）的资金（jīn）和工程能力，AI芯片做出来不会成为大的问题。但对于AI芯片（piàn）这一新（xīn）兴市场而言，谈市（shì）场布局实（shí）在有些为时过（guò）早，大家（jiā）心中都明（míng）白这将（jiāng）是一场持久战，而产业真正的（de）未（wèi）来和（hé）发展方向还是取决于创新。

从（cóng）现（xiàn）有（yǒu）的市（shì）场（chǎng）情况来看，2019年整个产业趋于平静也反应（yīng）出了大家已经逐渐从（cóng）保（bǎo）证功能的粗放设计转变为提高竞争力和（hé）差异性（xìng）的精耕（gēng）细作了，但（dàn）要（yào）做（zuò）出竞争力和差异化却不（bú）容（róng）易。

想要赢得客（kè）户，做服务、建生态是当（dāng）下打开（kāi）市场的出路，但是（shì）“硬件好做，软件难”却是（shì）大（dà）家（jiā）普遍反映（yìng）的问题（tí）。有业内人指出（chū），无止（zhǐ）境的软件（jiàn）工（gōng）具优化让（ràng）大家备（bèi）受困扰，从单（dān）核（hé）、多（duō）核（hé）到（dào）多芯片、多板（bǎn）卡，再（zài）到神经网络算法（fǎ）与非NN算法（fǎ）、异（yì）构系统、软硬件联合（hé）优化，软件工程（chéng）师会遇到各种问题（tí），这（zhè）都（dōu）将为大家不断深耕上层的（de）带来阻力。