CPU、GPU、FPGA、英特爾、英偉達、賽靈思……隨著深度學習帶來的AI的興起，芯片領域最近可謂是風起云涌，一個個科技名詞走進公眾視野，成為網紅。AI創企也在不斷吸金，用芯片燃燒著一個又一個神話；與此同時，老牌芯片廠商，英偉達、賽靈思也在不斷被挑戰的同時，續寫自己的輝煌。
芯片，作為高端制造業的“皇冠明珠”，在不斷變小、改變架構的同時，不斷凝縮著新的科技結晶，逐漸構建出更龐大、更精致的科技帝國。
億歐推出“芯片帝國”系列分析稿件，從芯片的核心架構、應用場景、國內外主要玩家和下游晶圓代工廠等方面呈現芯片業的產業圖景。當前AI芯片主要分為GPU、FPGA、ASIC及類腦芯片等。以下為第一篇架構篇，從通用芯片CPU及它的創始者英特爾說起，梳理AI浪潮下不同的芯片架構，及它們所構筑的科技帝國。
英特爾和CPU：開山鼻祖，集成通用芯片、PC界老大
芯片中，最令人熟悉的恐怕是中央處理器CPU了。作為一種超大規模的集成通用芯片，CPU可完成多種不同種類的任務，在PC世界里起著大腦的作用。而CPU的誕生也開始了PC時代的巨頭——英特爾的輝煌歷史。
英特爾是主要以研制CPU處理器的巨頭，全球最大的個人計算機零件和CPU制造商，1971年，英特爾推出了全球第一個微處理器，它引發的微處理器所帶來的計算機和互聯網革命，可以說改變了整個世界。
但CPU雖統治了PC時代，隨著人工智能興起，傳統的CPU算力不足這一問題便越來越突出，尤其基于CPU的傳統計算架構無法滿足人工智能并行計算的需求。AI所需的深度學習需要很高的內在并行度、大量浮點計算能力以及矩陣運算，因此在通用芯片之下，需發展適合人工智能架構的專屬芯片。這也帶來了英特爾地位的下降。
不過在更早時候，即移動互聯網大潮襲來時，CPU巨頭英特爾的劣勢就已開始顯現了。英特爾在移動端不敵來自生產ARM芯片（與英特爾X86平級的CPU架構，但采用精簡指令集計算機，主打低成本、低功耗和高效率）的ARM公司，目前世界超過95％的智能手機和平板電腦都采用ARM架構。
再加上英偉達GPU在數據中心業務的競爭，2010年還占據整個半導體芯片市場80％多份額（據IHS的報告數據）的英特爾，到2016年第二季度，僅占14．7％。
為了在人工智能時代不落后其他科技公司，英特爾近年來通過收購一批在FPGA、ASIC等芯片領域的頭部企業。在云端，2015年，英特爾收購全球第二大FPGA廠商Altera；在終端，2016年收購了研發高性能視覺處理芯片的Movidius；另外，英特爾2017年還收購了汽車領域的Mobileye，以此對抗英特爾在汽車領域的地位。
不過，今年7月，英特爾交出的財報顯示，其Q2營收為169．62億美元，凈利潤50．06億美元，同比增長78％。雖然營收、凈利潤增速不錯，但基于CPU、FPGA的數據業務并未達到之前的預期，英特爾股價還是跌了。
當然，英偉達雖然目前已有頹勢，但CPU卻也沒有到馬上要被替代的地步。
CPU雖然計算能力稍差，但它是通用計算機的處理核心，處理各式各樣的指令要求，所有部件也都要通過它互聯互通，其有著復雜的邏輯控制單元和獨特的指令翻譯結構，這是其他芯片目前難以替代的。
并且，ARM架構的CPU芯片在手機和智能音箱等領域也是不可或缺的。所以唱衰CPU，還是為時過早的。
英偉達和GPU：先發制人的“十項全能”選手，目前應用最廣泛AI芯片
CPU的計算能力漸漸落后，也催生了崛起的圖像處理器GPU及新的巨頭英偉達。1999年，英偉達發明了GPU，這極大地推動了PC游戲市場的發展，重新定義了現代計算機圖形技術，并徹底改變了并行計算。
相比CPU，GPU由于更適合執行復雜的數學和幾何計算（尤其是并行運算），剛好與包含大量的并行運算的人工智能深度學習算法相匹配，因此在人工智能時代剛好被賦予了新的使命，成為AI硬件首選，在云端作為AI“訓練”的主力芯片，在終端的安防、汽車等領域，GPU也率先落地，是目前應用范圍最廣、靈活度最高的AI硬件。
而英偉達也因此幾乎成為AI浪潮中的最大受益者，在加速深度學習算法芯片市場幾乎占壟斷地位。英偉達2016年第一個推出專為深度學習優化的Pascal GPU，2017年推出了性能更優的新GPU架構Volta，及神經網絡推理加速器TensorRT 3。目前占據全球GPU行業的市場份額超過70％，GPU作為其核心產品占據84％的收入份額。
另外，由于英偉達發布的針對開發者提供的并行計算平臺CUDA，被廣泛認可和普及，積累了良好的編程環境，目前應用在人工智能領域，可進行通用計算的GPU市場基本被英偉達壟斷。
不過英偉達在PC端和數據中心業務上，也面臨著老二AMD的挑戰。
在PC處理器市場，AMD正在英特爾主導的市場“搶食”。從2017年3月至今年4月，AMD推出了銳龍7、銳龍5、銳龍3、銳龍Threadripper、銳龍2000等處理器。數據顯示，在銳龍處理器推出后，AMD的桌面處理器市場份額已從8％增至12％；而英特爾的份額則下跌1．9％，至87．8％。
雖然，英特爾在數據中心處理器市場也占有絕對的領先地位，擁有99％的市場份額，不過野村證券稱英特爾正在試圖阻止將15－20％的數據中心處理器份額讓給AMD。
目前GPU和英偉達，在人工智能浪潮下，可以說是風頭正勁，不過在頂著“應用最廣泛AI芯片”的光環，英偉達也還面臨FPGA和ASIC等專用化程度更高、計算力更強的芯片的挑戰。
賽靈思和FPGA：“變形金剛”，算法未定型前的階段性最佳選擇
同樣能滿足更高的計算需求，并可進行編程，1984年，賽靈思（Xilinx）發明了現場可編程門陣列FPGA，FPGA作為半定制化的ASIC（專用集成電路），順應了計算機需求更專業的趨勢，成為神經網絡算法中的主流芯片。
FPGA可算是芯片界的“變形金剛”，在寫入軟件前它有勝于CPU的通用性，寫入軟件后它有類似于ASIC的表現，是算法未定型前的階段性最佳選擇。FPGA相比GPU具有低功耗優勢，同時相比ASIC具有開發周期快，更加靈活編程等特點。
在現階段云端數據中心業務中，FPGA以其靈活性和可深度優化的特點，有望繼GPU之后在該市場爆發；在目前的終端智能安防領域，也有廠商采用FPGA方案實現AI硬件加速。
FPGA市場的最大玩家是其創始者賽靈思，除了“通過系統集成和先進的‘軟件定義’開發環境所擴展的新用戶群體的服務”外，賽靈思在金融、制造業、娛樂、公共安全以及電信等傳統行業，以及在自動駕駛汽車、無人機、智能監控等新興行業都有布局。
在數據中心方面，全球七大超大規模云服務公司，已有3家采用了賽靈思FPGA，其中的百度于今年10月宣布，其已設計出賽靈思UltraScale?FPGA池。另外，賽靈思在車用電腦視覺處理市場占有率排名第二，僅次于Mobileye（2017年被英特爾收購），不過其與Mobileye間還存在著巨大差距。
賽靈思今年還收購了我國的人工智能創企深鑒科技，深鑒基于賽靈思的FPGA開發AI芯片，此前已和大華股份、東方網力等安防廠商展開合作，推出基于Xilinx FPGA的DPU產品。
除賽靈思以53％的份額（咨詢公司Gartner2016年數據）占據FPGA市場頭把交椅外，阿爾特拉（Altera）以36％的份額位居其后。2015年6月，阿爾特拉被英特爾以167億美元的價格收購后，英特爾在其基礎上成立了可編程事業部。今年4月，英特爾的FGPA被正式應用于主流的數據中心OEM廠商中，主要客戶包括戴爾、富士通等。
不過老大賽靈思在回復如何看待阿爾特拉被英特爾收購時，傲嬌的表示：“我們依舊是第一，只是尾巴丟了”。
但由于FPGA要保證編程的靈活性，電路上會有大量冗余，因此成本上不能像ASIC做到最優，工作頻率也不能太高。因而，在ASIC還并不成熟，同時GPU功耗和成本較高的現階段發展較好。
谷歌和ASIC：“專精職業選手”，專一決定效率，AI芯片未來
隨著專用化需求的進一步發展，芯片界又誕生了ASIC。ASIC（Application Specific Integrated Circuit）即專用集成電路，本文中特指專門為AI應用設計、專屬架構的處理器芯片。
近年來涌現的類似TPU、NPU、VPU、BPU等，本質上都屬于ASIC。無論是從性能、面積、功耗等各方面，AISC都優于GPU和FPGA，長期來看，ASIC代表AI芯片的未來。
ASIC架構典型的代表，是谷歌的張量處理器TPU，其采用了脈動陣列的組織方式。2016年，谷歌TPU在AlphaGo與李世石一役中橫空出世，使AlphaGo“思考”棋招和預判局勢，處理速度比GPU和CPU快上幾十倍。令人驚艷的的TPU，也一度被認為是AI芯片業內新的攪局者。不過TPU的資歷也沒比以上幾位年輕，哈佛大學孔祥重教授在1970 s就提出了TPU的脈動陣列組織方式。
今年2月，谷歌也以Beta測試的形式開放了一直只是自用的TPU，服務的名稱為Cloud TPUs（云端TPUs），用于云端服務器。今年5月Google云端芯還發布了TPU 3．0，8月谷歌又推出一款為邊緣計算定制的Edge TPU。
不過TPU目前并不對外發售，并且要想進入更多市場，它的通用性仍需檢驗。但谷歌TPU的推出，以及測試版對中小企業的開放，還是會對英偉達帶來一定威脅。
而ASIC芯片領域，也有一大批追趕者。以我國的初創企業而言，2017年9月，華為發售的AI芯片麒麟970上的NPU（屬ASIC架構）集成了初創芯片企業寒武紀的1A處理器作為其核心人工智能處理單元。
2017年1月，地平線攜手英特爾發布基于BPU（屬ASIC架構）架構的最新高級輔助駕駛系統，12月，地平線機器人發布“旭日”和“征程”兩款嵌入式AI芯片，面向智能駕駛和智能攝像頭。
2016年，英特爾收購的視覺處理芯片企業Movidius，其研發的VPU也是ASIC芯片。
在AI算法尚處于蓬勃發展、快速迭代的今天，ASIC存在開發周期較長、需要底層硬件編程、靈活性較低等劣勢，因此目前發展速度還不及GPU和FPGA。但長期來看，ASIC是AI芯片的未來。
IBM和類腦芯片：另辟蹊徑，顛覆傳統計算架構，仍在研發
另外，在傳統架構之外，還有一類“不走尋常路”的芯片，這就是“類腦芯片”。“類腦芯片”顛覆傳統計算架構，將數字處理器當作神經元，把內存作為突觸，內存、CPU和通信部件完全集成在一起，采用模擬人腦神經元結構來提升計算能力。
“類腦芯片”以IBM TrueNorth芯片為代表，但由于技術和底層硬件的限制，其尚處于前期研發階段，目前不具備大規模商業應用的可能性。從技術成熟度和商業可行性兩個角度，使用AI專屬硬件進行加速運算是今后五年及以上的市場主流。
我國初創企業西井科技也在研發類腦芯片，其宣稱“芯片用電路模擬神經，成品有100億規模的仿真神經元，可用于基因測序、模擬大腦放電等領域”。
不過，類腦芯片的商用并不樂觀，西井目前也從研究類腦芯片轉向自動駕駛領域。
總結：諸侯混戰，同賽道糾纏，不同架構競爭
從CPU、GPU、FPGA，到ASIC及類腦芯片，從英特爾、英偉達、賽靈思、谷歌再到IBM，可以看出芯片業最近50年可謂風起云涌，而人工智能芯片的興起只是最近的一次浪潮。
GPU、FPGA、ASIC及類腦芯片等可用于AI的芯片，也只是目前登場的芯片中的一小部分，其商用場景還未完全展開。而當前的AI芯片中，應用還是以GPU領先，FPGA可能成為下一個爆點，ASIC目前是被看好、但不成熟的新星。
再看芯片巨頭的斗爭，英特爾與ARM在CPU市場、英偉達和AMD在GPU市場、賽靈思和阿爾特拉在FPGA市場上，及谷歌和一些創企在ASIC市場的競爭……而在AI浪潮下引導的芯片革新上，英特爾與英偉達，賽靈思以及谷歌又在不同芯片架構及應用場景間進行斗爭。
可以說這確實是一場“諸侯混戰”，而身處變革中的每一個巨頭，都不想在戰爭中先倒下。