在眾多種類的芯片中，專注于人工智能應用的AI芯片是名副其實的“風口”——無論是科技巨頭還是初創企業，芯片廠商還是互聯網公司，紛紛積極布局這一領域。

　　以BAT為代表的互聯網公司在芯片行業雖無深厚家底，但是靠著雄厚資金、尖端人才和海量數據，步子走得一點兒也不慢。繼今年4月阿里達摩院宣布正在研發應用于圖像視頻分析、機器學習領域，性價比是同類產品40倍的神經網絡芯片Ali－NPU之后；百度在7月的AI開發者大會上正式推出了專注于自然語言處理、圖像識別、自動駕駛等應用的“中國首款云端全功能AI芯片”昆侖。

　　AI芯片大熱，初創企業們同樣熱情高漲。成立于2015年的地平線已經推出了面向智能駕駛的征程（Journey）系列處理器和面向智能攝像頭的旭日（Sunrise）系列處理器；成立于2016年的寒武紀則于今年5月在上海發布了采用7nm工藝的第三代機器學習終端處理器1M，其性能比此前發布的寒武紀1A高10倍。

　　一線芯片企業在AI領域早已深入布局，甚至已先聲奪人。在CES 2018上，瑞芯微發布了旗下首款AI處理器RK3399Pro，首次采用CPU＋GPU＋NPU硬件結構設計，其片上NPU運算性能高達2．4TOPs，具備高性能、低功耗、開發易等優勢；同年3月，臺灣芯片廠商聯發科發布了首款內建AI功能的芯片曦力P60，內置了專門用作AI運算的APU，可以提供從入門到高級的完整API支持和開發者工具包。

　　AI芯片風口，究竟具有什么樣特質的企業才能抓得住飛得起來呢？

　　智能互聯設備激增催熱人工智能AI芯片

　　近幾年，市場上一個明顯的趨勢是智能手機的人口紅利正在消失，出貨量逐年逼近天花板，與之相反的是，智能互聯設備卻呈海量激增之勢。

　　智能音箱是消費領域的典型代表，市場研究公司Canalys的數據顯示，今年第一季度的智能音箱全球出貨量高達900萬臺，較去年同期增長210％；智能攝像頭則是產業領域的典型代表，目前國內大概裝有1．76億個監控攝像頭，預計三年內數量會增加到6．26億。在數量暴增的同時，對攝像頭的要求也越來越高，正在從“看得見”向“看得懂”轉變，這就要求攝像頭更加“智慧”。

　　顯然，這些新型的智能互聯設備需要以自然語言處理、圖像識別為代表的深度學習技術作為支撐，由此對設備的大腦——芯片在計算能力和功耗方面提出了新的要求。

　　好比繪圖工作會交給 GPU 而不是 CPU 是一樣的道理，早在2011年，谷歌就發現，如果每位用戶每天使用3分鐘谷歌提供的基于深度學習語音識別模型的語音搜索服務，就必須把現有的數據中心擴大兩倍。這意味著已有的CPU和GPU都不能滿足需求，這驅動了谷歌自己研發更高效的AI芯片——NPU。

　　AI 芯片的大熱正是基于這樣的理念：讓適合的架構來做適合的工作，才能得到更高的效率和更低的功耗。專用于人工智能的芯片和傳統的計算芯片存在很大的差異——典型CPU的架構中需要大量的空間去放置存儲單元和控制單元，相比之下計算單元只占據了很小的一部分，算力無法滿足深度神經網絡（DNN）的計算需求；而AI芯片則具有大量的計算單元，能夠適合大規模并行計算的需求。

　　圖：CPU和GPU架構對比

　　既然這么多家企業都在布局AI芯片，那么各家研發的AI芯片究竟表現如何？

　　前不久，市場研究公司Compass Intelligence發布了全球AI芯片企業排名。Compass Intelligence是從公司表現、產品表現、市場表現、獨特市場四大維度計算出了這一結果。

　　在全球前20名的AI芯片企業排名表中，中國大陸占據兩個席位，分別是華為和瑞芯微，下面我們從他們的產品布局與生態鏈戰略來看看上榜的理由。

　　華為AI芯片布局——搶占手機交互入口

　　AI芯片想要發光發熱，必須有搭載芯片的載體，華為毫不猶豫的選擇了體量已經非常巨大的手機作為切入點。

　　2017年9月，華為在德國柏林國際電子消費品展覽會（IFA）上正式推出其最新 AI 芯片 “麒麟 970”（Kirin 970）。麒麟 970集成 NPU 專用硬件處理單元（寒武紀IP），創新設計了 HiAI 移動計算架構，其 AI 性能密度大幅優于 CPU 和 GPU。10月，華為在德國慕尼黑發布了搭載麒麟 970的新款旗艦手機Mate 10，最主要的賣點便是人工智能。NPU新架構讓華為手機在處理同樣的AI任務時，得到了50倍能效和25倍性能提升。

　　據悉，華為內部已經制定了代號“達芬奇”（Project Da Vinci）的項目，也被一些華為高管稱為“D計劃”。在這個計劃中，華為希望將AI引入自己所涉足的所有業務，從電信基站、云數據中心，到智能手機和攝像頭。