随着全球科技的不断发展，人工智（zhì）能产业规模高速增长，人工智能应用的成熟，既催生了（le）新的市场，也为传统产业的发（fā）展注（zhù）入了新的活力（lì）。

全球市场调研机构IHS Markit发布数据显示，到2025年AI应（yīng）用市场规（guī）模将从2019年的（de）428亿（yì）美（měi）元激增到1289亿美元（yuán）。

回顾2019年，AI机器人群聊（liáo）、管控道路桥梁积水、写作、智能客（kè）服……人工（gōng）智能做（zuò）了（le）许多（duō）原本（běn）人类才会（huì）做的事情。数不尽的纷繁应用背后离不开AI 芯（xīn）片（piàn）的基（jī）础（chǔ）支撑。

日前，AI芯（xīn）片（piàn）新老牌厂商“混（hún）战（zhàn）”国际消费类电子产品展览会，全面覆盖当前人（rén）工智能六大核心（xīn）落地（dì）场景，包括云端训练、云端推理、智能手机、AIoT视觉推（tuī）理、AIoT语音推理、自（zì）动驾（jià）驶等，国内（nèi）AI芯片进入落地阶段。

根据（jù）中（zhōng）国人（rén）工（gōng）智能产业发展联盟（méng）提供（gòng）的数据，2019年（nián）以（yǐ）来国内外芯（xīn）片厂商共发（fā）布AI芯片近30款（kuǎn）。

AI芯片怎样支撑多姿多彩的（de）人工智能应（yīng）用（yòng）落（luò）地?评测标准进展如何?今年的亮点（diǎn）、看点（diǎn）又在哪?

在过去一年（nián），国内外产业玩家（jiā）们共同推动着AI芯片的车轮向前滚动。7nm芯（xīn）片还（hái）未全面铺（pù）开，5nm冲（chōng）锋（fēng）的号角已经吹响（xiǎng），在AI强势侵入并颠覆各（gè）个传统领域的（de）同时，AI芯片（piàn）的（de）架构创新持续发酵。“AI芯（xīn）片”这（zhè）个新鲜的概念在过去一年（nián）间逐渐走过（guò）了普及（jí）的阶段，越（yuè）来越被大众所熟知（zhī）。在行业走过野蛮生长，开始加速落地、加速整合的过（guò）程中，也有更多（duō）的AI芯片公司也开始（shǐ）走出属于自（zì）己的差异（yì）化路线。

如今，AI芯片（piàn）正在云计算、手机、安防监（jiān）控（kòng）、智能家居、自（zì）动驾驶（shǐ）五大场（chǎng）景上演（yǎn）新的群雄争霸赛，包括华为、阿里、百度（dù）等巨头（tóu）企（qǐ）业（yè），均拿出自己的“杀手锏”。这些“杀手（shǒu）锏”在不同（tóng）程（chéng）度上提振了（le）自己在行业的影响力，也（yě）给产业带（dài）来巨（jù）大变革，更让业界看到了中（zhōng）国半导体（tǐ）行业的希望。但是，在经（jīng）历（lì）了一次次（cì）疯狂打（dǎ）call之后，每（měi）次都觉得（dé）差了点什么——那种（zhǒng）感觉仿佛就（jiù）是（shì）看了一晚上网（wǎng）红带货，但是（shì）当主播大喊“买它！”之后，却无（wú）人（rén）下单的尴尬（gà）。

可（kě）以说，尽管去年各大（dà）厂商纷纷推出（chū）了多款产（chǎn）品，但至（zhì）今仍然没有任何一款产品可以（yǐ）称得上“现（xiàn）象（xiàng）级爆款（kuǎn）”。为什么（me）出（chū）现了此种叫好不叫（jiào）买的情况（kuàng）？不由让笔者深感疑惑（huò）。

究其原因（yīn）不难发现，覆盖细分领域，偏（piān）离主战场是其（qí）中（zhōng）的重要问题。相关调研公司数据显示（shì），到2022年，整体AI芯片（piàn）市（shì）场规模将会达到（dào）596.2亿美元，其中云端训练+云端推断芯片（piàn）达到244亿美元，占据（jù）四成以上的市场（chǎng）规模。毫无疑问，云端服（fú）务器市场是AI芯片的（de）主战场（chǎng）。目前的（de）现状（zhuàng）是具备通用性优势的GPGPU占据了（le）云端（duān）人工智能主（zhǔ）导市场，以TPU为代表的ASIC目前只运用在巨头的闭（bì）环生态，FPGA在数（shù）据中（zhōng）心业务（wù）中还（hái）在（zài）尝试阶段。目前全（quán）球（qiú）各大公（gōng）司云计算中心如（rú）谷歌、微软、亚马（mǎ）逊、阿里（lǐ）巴巴等主（zhǔ）流公司均采用GPU进行（háng）AI计（jì）算。英（yīng）伟达就是在这里赚的钵（bō）满盆满。目前，全球主流的硬件平台都在使用英伟达的 GPU 进行加速，AMD 也在（zài）积极参与。亚马逊网（wǎng）络服务（wù） AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云（yún）、平安云等计算平台都使（shǐ）用（yòng）了英伟达的 GPU 产（chǎn）品提供深度学习（xí）算法训（xùn）练服务。

portant;" />

反（fǎn）观（guān）其他专用AI芯（xīn）片厂商，在（zài）各自聚焦的细分领域（yù）都表现抢（qiǎng）眼，但难以（yǐ）粉饰自身配角的地位。赛迪顾问的预（yù）测（cè）数据显示，2019年中国对于（yú）AI芯片需求（qiú）最大的市场依次为安防、零售（shòu）、医疗、教育、金融、制造、交通、物流（liú）等行业（yè）。其（qí）中最（zuì）大的安防（fáng）市场也仅（jǐn）占20%，多家聚（jù）焦安（ān）防领域的AI芯（xīn）片厂商在经历了奋（fèn）力厮杀后，也难以在出货量（liàng）等方面取（qǔ）得好成绩。

而（ér）深究下（xià）去，聚焦（jiāo）单一领域又诱（yòu）发了另一问题：成本（běn）问（wèn）题（tí）。随着芯片制（zhì）造工艺的日益先进，芯片制造成本（běn）也（yě）水涨船高，如今（jīn）设计制造（zào）一颗10nm芯片的成本要几千万（wàn）美元，综（zōng）合（hé）成本高达上亿美元。因此，如果不能保证某款单一（yī）应用场景下能够大（dà）量出货，专（zhuān）用芯片需要保（bǎo）持一定的通（tōng）用（yòng）性与灵活度。

最近两年间，产业界开始陆续涌（yǒng）现出神经网络计算专用芯片（AI芯片），寒武纪、深（shēn）鉴科技（jì）、中星微电（diàn）子等玩家（jiā）的（de）AI芯片产品采用的都是（shì）28nm的芯片工艺，前期从投入（rù）到流（liú）片（piàn）的成本超过400万（wàn）美（měi）元，单一（yī）品类（lèi）出（chū）货量没（méi）有百（bǎi）万的级别将很难收回成本。

而除了成本之外，AI算法的演进（jìn）也需要（yào）纳入（rù）考虑。由于目前人工智能算法（fǎ）还在不断变化、不（bú）断演（yǎn）进的过程中，人工智能经历了六（liù）十多年的发展才迎来了深度学习的大规模爆发（fā），然而现在深度学习算法还（hái）有众多有待优（yōu）化的方面，比如（rú）稀疏（shū）化、低功耗、小数据训练等，算法（fǎ）尚未定型。

此（cǐ）外，目前语音/文（wén）字/图（tú）像/视频（pín）等不同应用无法使用统一算法，然而许多实际生活中的AI应用程（chéng）序（识别图像中的（de）对象或理解人类语言）需要不同类型的具有（yǒu）不同（tóng）层数（shù）的神经网络（luò）的（de）组合。

因此（cǐ），在确保AI应用性（xìng）能（néng）的前提下，AI芯（xīn）片需要尽可能（néng）地保持芯片通用性（xìng）。那么问题来了：既然GPGPU如此强大，能够（gòu）大小“通吃（chī）”，为什么（me）厂商反（fǎn）而顾左右而（ér）言他？其实真正的困难在于GPGPU的技术难（nán）度（dù）。

硬件角度看，最核心的是指令（lìng）集。指令集的覆盖面、颗粒度、效率等决定（dìng）一款芯片能否覆盖到足够宽（kuān）的应（yīng）用市场领域（yù），并对软件开发（fā）和产品迭代足够（gòu）友好（hǎo）。无论是（shì）英伟达还是AMD的（de）GPGPU，指令（lìng）集都在千条量（liàng）级，而目前国内的AI芯片（piàn）指令集大多数（shù）都在（zài）百（bǎi）条以（yǐ）内。类型与数量的差别（bié）映射到硬件（jiàn）高效实现的复杂程度，差距（jù）是巨大的，在（zài）这（zhè）方面国内的团队还存（cún）在（zài）着一定的（de）差距。另一个重要方面就是基（jī）于硬件（jiàn）层的任务管理和智（zhì）能（néng）调（diào）度，这可以让芯片（piàn）从硬件层即提高算力的利用（yòng）率，也就是大家常说（shuō）的实际算力。大多数（shù）AI芯片（piàn）的做法是（shì）完（wán）全依赖于（yú）软件层的调度实现，但这种方式第一增加了软件（jiàn）开发的复杂度，第二降低了硬件算力的利用率，第三减缓了软件栈迭代（dài）更新的速度，这在AI领域，面向算法模型、开发环境、应用场景（jǐng）加速更新的大背景下无疑大大增加了产品落地（dì）与工（gōng）程化的（de）难度。

在软件（jiàn）方（fāng）面，毫（háo）无疑问，最重要的必然是开发生态，GPGPU通（tōng）过英（yīng）伟达十多（duō）年的耕耘，已（yǐ）经建立起了一个超过160万开发用户的（de）庞大而成熟的生态-CUDA。AI芯片（piàn）则（zé）需（xū）要（yào）搭建全新的生态，它会带来两个维度显著的问题，第（dì）一个维度是客户端，客户需要冗长的适配期，从原有的开（kāi）发（fā）环境（jìng）切换到新的软件生态（tài），这不仅带来了资源投（tóu）入，推迟了业务部署时（shí）间窗口，增加了业务的不确定性（xìng），更严重（chóng）的（de）是不利于保护已有的软件投资，软件的很多部分都要（yào）重新（xīn）来写并（bìng）适配，这对（duì）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（pǐn）开发端（duān），从底层芯片与系统软件，跳过（guò）CUDA层去直接支持开发框架，必然带来巨大（dà）的软件投（tóu）入，不停得追赶现有框（kuàng）架的新版本，以及生态巨头的新框（kuàng）架，这在（zài）底（dǐ）层软件人员缺乏的背景下矛盾显得尤（yóu）其突出。

本（běn）文在一开头就提（tí）出了一个貌似针对（duì）产（chǎn）品（pǐn）的（de）问题，而（ér）事实上，这还是一个关于市（shì）场的问题。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（qiú）。数据显示，2018年（nián）中（zhōng）国AI芯片市场依（yī）然保持增长，整体市场规模达到80.8亿元，同比增长50.2%。且目前依然以（yǐ）云端训（xùn）练芯片为主。2018年（nián）中国云端训练芯（xīn）片市场份额达到51.3%。巨大的市场前景，也引来（lái）各方诸（zhū）侯（hóu）前来抢夺。

除了一骑绝尘的英（yīng）伟达（dá），其他（tā）老牌的芯片（piàn）巨头都没闲着，特别是Intel也在加紧布局通用GPU。英特尔眼（yǎn）馋GPU路（lù）人皆知（zhī），其背后是一段（duàn）辛酸史——从（cóng）开始（shǐ）对（duì）GPU的不屑，到基于（yú）自（zì）家的x86架构（gòu）开发独立（lì）显卡，英特（tè）尔折腾了十年之久仍然没做出来一款（kuǎn）像样的GPU。近两年传（chuán）出消（xiāo）息（xī）英特尔将在今年推出（chū）首款（kuǎn）独立GPU，这恐怕（pà）要得益（yì）于英特尔的重金挖人——原AMD RTG显卡部门负责人Raja、Zen架构的功勋（xūn）领（lǐng）袖Jim Keller、显卡技术市场（chǎng）总（zǒng）监Damien Triolet这几位（wèi）大神都在2018年被英特尔招入麾下（xià）。

而在国（guó）内（nèi），一家（jiā）名（míng）为“天数智（zhì）芯”的公司也宣布将在（zài）今年发布GPGPU芯（xīn）片。这家公司目前围绕GPGPU的系统研发（fā）已聚集了一（yī）支百（bǎi）余人的技术（shù）团（tuán）队，其中不乏AMD在美国和上海做 GPU的核心团（tuán）队成员、行业（yè）经验超20年（nián）的世（shì）界级技术专家。

从产业发展规律来看，在过去（qù）两年之（zhī）内AI芯片将（jiāng）持续（xù）火（huǒ）热，大（dà）家（jiā）扎堆进入；但是到了2020年前（qián）后，则将会出现（xiàn）一（yī）批（pī）出局者，行（háng）业洗牌开始。由于目前AI算法（fǎ）还在不断演进（jìn）汇总的过（guò）程中，最终的成功与否则将取决于各家技术路径的选择和产品落（luò）地的速度（dù）。

目前（qián）人工智能已（yǐ）经发展（zhǎn）到了新（xīn）的阶段，呈现出专业性、专用性（xìng）和普惠性的特点。2020年AI人（rén）工智能芯片的第（dì）一个（gè）“爆款”会花落谁家（jiā）呢？让我（wǒ）们（men）拭目以待。