随着全球科技（jì）的不断发（fā）展，人工智能产业（yè）规模高速增长，人工智能应（yīng）用的成（chéng）熟，既（jì）催生（shēng）了新的市场，也（yě）为传统产业的发展（zhǎn）注入了（le）新的活力（lì）。

全球市场调研（yán）机构IHS Markit发布（bù）数据显示（shì），到2025年AI应用市场（chǎng）规模将（jiāng）从2019年的428亿美（měi）元激增到（dào）1289亿美元。

回（huí）顾2019年，AI机器人（rén）群（qún）聊、管控道路桥梁积水、写（xiě）作、智能客服……人工（gōng）智能做了许多（duō）原本（běn）人（rén）类才会做的事（shì）情。数不尽的纷（fēn）繁应用背后离不开AI 芯（xīn）片的基础（chǔ）支撑。

日（rì）前，AI芯片新老牌厂商“混战（zhàn）”国际消费类电子产品展览（lǎn）会，全（quán）面覆盖当（dāng）前人工智能六（liù）大核心落地场景，包括云端训练（liàn）、云端推理、智能手机、AIoT视觉推理、AIoT语（yǔ）音推理（lǐ）、自动驾驶等，国（guó）内AI芯（xīn）片进入落地阶段。

根据中国人工智能产业发展联（lián）盟提供的数据，2019年以来国内外芯片（piàn）厂商共发布AI芯片（piàn）近30款。

AI芯片怎样支撑（chēng）多姿多彩的人工智能应用（yòng）落（luò）地?评测标准进展如何?今年的亮点、看（kàn）点又在哪?

在过去（qù）一年，国（guó）内外产业玩家们共同推动着AI芯片的（de）车（chē）轮向（xiàng）前（qián）滚动。7nm芯片还未（wèi）全面铺开，5nm冲锋的号（hào）角已经吹（chuī）响，在AI强势侵入并颠覆各个传统领域的同时，AI芯片的架构创新持续发（fā）酵。“AI芯片（piàn）”这（zhè）个新鲜的概念在过去一年（nián）间逐渐走过了普及的阶段，越来越被大（dà）众所熟（shú）知。在行业（yè）走过野蛮生长，开始（shǐ）加速落地、加速整合的过程中，也（yě）有更多（duō）的AI芯片公司也开始走出属于自己的差异（yì）化路线。

如今，AI芯（xīn）片正在云计算、手机、安防监控、智能家居、自动驾驶五大场景上演新的群雄争（zhēng）霸（bà）赛，包括华为（wéi）、阿里、百（bǎi）度等（děng）巨（jù）头企业，均（jun1）拿出自己的“杀（shā）手锏”。这些“杀手锏（jiǎn）”在不（bú）同程度上提振（zhèn）了自己在行业的影（yǐng）响力，也给产业带来巨（jù）大变革，更让（ràng）业界看到了中国半（bàn）导体行业的希望（wàng）。但（dàn）是，在经历了一次（cì）次疯（fēng）狂打call之后，每次（cì）都觉得差了点什么——那种感觉仿（fǎng）佛就（jiù）是看了一晚上网红带货，但是（shì）当主播大（dà）喊“买它！”之后，却（què）无人下（xià）单的（de）尴尬（gà）。

可以说，尽管去年各（gè）大厂商纷纷推出了多（duō）款产品，但（dàn）至（zhì）今（jīn）仍然没有任何一款产品（pǐn）可以称得（dé）上“现象级爆（bào）款”。为什么（me）出现了此种（zhǒng）叫好不叫买的情况？不（bú）由（yóu）让笔者深感疑惑。

究其原（yuán）因不难发现（xiàn），覆盖细分（fèn）领域，偏离主（zhǔ）战场是其中的重要（yào）问题。相关调（diào）研公司数据显示，到（dào）2022年，整体AI芯片市场规模将会达到596.2亿美（měi）元，其中云端训练+云端推断芯片（piàn）达到244亿美元（yuán），占据四（sì）成以上的（de）市场规模。毫无疑问（wèn），云端（duān）服（fú）务器市（shì）场是AI芯片的主战场。目（mù）前的现状是具备通用性优势的（de）GPGPU占据了云端（duān）人工智能主导（dǎo）市场（chǎng），以TPU为（wéi）代（dài）表的ASIC目前只运用在巨头的闭环生态，FPGA在数据（jù）中（zhōng）心业务中（zhōng）还在尝试阶段。目（mù）前全球各大公司云（yún）计算中心如谷歌、微（wēi）软、亚马逊、阿（ā）里巴巴等主流公司均采用GPU进行AI计算。英伟达（dá）就是在（zài）这里赚的钵满盆满。目前（qián），全球主流（liú）的硬（yìng）件平（píng）台都在使用（yòng）英伟（wěi）达（dá）的 GPU 进行加速（sù），AMD 也在（zài）积极参（cān）与。亚（yà）马逊（xùn）网络服务（wù） AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等计（jì）算平台（tái）都使用（yòng）了英（yīng）伟达（dá）的 GPU 产品提供深度学习算法（fǎ）训练服（fú）务。

portant;" />

反观其他专（zhuān）用AI芯（xīn）片厂商，在（zài）各自聚焦的细分领域都（dōu）表现抢眼（yǎn），但难以粉饰自（zì）身配角的地（dì）位。赛（sài）迪顾（gù）问的预（yù）测数据显示（shì），2019年中（zhōng）国（guó）对于AI芯片需求最大的市场依次（cì）为安防、零售、医疗、教育、金融（róng）、制造、交通、物流等行业。其中最（zuì）大（dà）的安防市场也仅占20%，多家聚焦安防领域的（de）AI芯片（piàn）厂商在经历了奋力厮杀后，也难以在出（chū）货量等方面取得（dé）好成绩。

而深究下去，聚焦单（dān）一领域又诱（yòu）发了另一（yī）问题（tí）：成（chéng）本问（wèn）题。随（suí）着（zhe）芯片（piàn）制造（zào）工艺（yì）的日益先进，芯片制（zhì）造（zào）成本也水涨船高，如今设计制造一颗10nm芯片（piàn）的成本（běn）要几千万（wàn）美元，综合成本高（gāo）达上亿美元（yuán）。因此，如果（guǒ）不（bú）能保证（zhèng）某款单（dān）一应用场景（jǐng）下（xià）能够大量（liàng）出货，专用芯片需要保（bǎo）持一（yī）定的通（tōng）用（yòng）性与灵活度。

最近两年间，产业界开始陆续涌现出神经网络计算专用芯片（AI芯片），寒武纪、深鉴科技、中星微电子等玩家的AI芯片产品采用的都是28nm的芯片工（gōng）艺（yì），前期（qī）从投入到流片的成本超过400万美元，单一品类出货量（liàng）没有百万的级别将很难收回成本（běn）。

而除（chú）了成本（běn）之外，AI算法的（de）演（yǎn）进（jìn）也需要纳入考虑。由于目（mù）前人工智能（néng）算（suàn）法（fǎ）还在不断变化、不断演进的过程中，人工智（zhì）能经（jīng）历了六（liù）十多年的发展才迎（yíng）来（lái）了深（shēn）度学习的大规模爆（bào）发（fā），然而现在深度学习算法还有众多有待（dài）优化的方面（miàn），比如稀疏化、低功耗、小数据训练等，算（suàn）法尚未定型（xíng）。

此外，目前语音（yīn）/文字/图像/视频（pín）等不（bú）同应用（yòng）无法使用统一算（suàn）法，然而许多实际生活中的AI应用（yòng）程（chéng）序（识别图像中的对象或理解人（rén）类语言）需（xū）要不同类型的具有不同层数的（de）神经网络的组合。

因此，在确（què）保AI应用（yòng）性（xìng）能的前（qián）提下，AI芯片需要尽可能地保（bǎo）持芯片通用性。那么问题来了（le）：既然GPGPU如此强大，能够（gòu）大（dà）小“通（tōng）吃”，为（wéi）什（shí）么厂商反而顾左右而言他？其实真正的困难（nán）在于GPGPU的（de）技术（shù）难度（dù）。

硬件角度看，最核心的是指令（lìng）集。指令集的（de）覆盖面（miàn）、颗粒度、效率等决定一款芯片能否覆盖到足够宽的应用市（shì）场领域，并对软件开发和产品迭代足够友好。无（wú）论（lùn）是英伟达还是AMD的GPGPU，指（zhǐ）令（lìng）集都在千条量级，而目（mù）前国（guó）内的AI芯片指令集大多数都在百（bǎi）条以内（nèi）。类型（xíng）与数（shù）量的差别映射到硬件（jiàn）高效实现的复杂程度，差距是巨（jù）大（dà）的，在这方面国（guó）内的团队还存在（zài）着（zhe）一（yī）定（dìng）的差距（jù）。另一个重要方（fāng）面就是基于硬件层的任务（wù）管理和智能调（diào）度，这可以（yǐ）让芯（xīn）片（piàn）从硬（yìng）件层即（jí）提高算力的利用（yòng）率，也就是大家常说的实际算（suàn）力。大多数AI芯（xīn）片的（de）做法是完全依赖于软件层的调度实（shí）现，但这种（zhǒng）方式第一增加了软件开发的复杂（zá）度，第二降低了硬件算力的（de）利（lì）用（yòng）率，第三减缓了软件（jiàn）栈（zhàn）迭代更新的速度，这在（zài）AI领（lǐng）域，面向算（suàn）法模型、开（kāi）发环境（jìng）、应（yīng）用场（chǎng）景加（jiā）速（sù）更新的大背（bèi）景下无疑大大增（zēng）加了产品落（luò）地与（yǔ）工程化的难度。

在软（ruǎn）件方面，毫无疑问，最重要的必然是开发生态，GPGPU通过英伟达十（shí）多年的耕耘（yún），已经（jīng）建（jiàn）立（lì）起了一个超过160万（wàn）开发用户的庞大而成（chéng）熟的生（shēng）态-CUDA。AI芯片则需要搭建（jiàn）全（quán）新（xīn）的（de）生态，它会（huì）带来（lái）两个维度显著的问题，第一个维度是客户端，客户需（xū）要冗长的适配期，从原有（yǒu）的开发环境切换到新的软件生态，这不仅带来了资（zī）源投入（rù），推（tuī）迟了（le）业（yè）务部（bù）署时间窗口，增加了业务的不确定性，更严重的是（shì）不利于保护已有的（de）软件投资，软件的很（hěn）多部分（fèn）都要重新来写并（bìng）适配，这对（duì）企业（yè）级用户来讲恰恰是非常敏感（gǎn）与（yǔ）慎重的（de）事情。另一个维度是产品（pǐn）开发端，从底（dǐ）层芯片与（yǔ）系统（tǒng）软件，跳过CUDA层去直接支持（chí）开（kāi）发框架，必然带来巨大的软件投入，不停得追（zhuī）赶现有框架（jià）的新版本，以及生态（tài）巨头的新（xīn）框架，这在底层软件人员缺乏的背（bèi）景下矛盾显得尤其突出。

本（běn）文在一开头就提出了一个貌似针对产品的问题，而事实上，这还是一个（gè）关于市场的问题（tí）。能（néng）否成为爆款，一（yī）方面（miàn）要看产品，另一方（fāng）面（miàn）还需（xū）要看（kàn）市（shì）场需（xū）求（qiú）。数据（jù）显（xiǎn）示，2018年中国AI芯片市（shì）场依然保持增长，整体市场规模达到（dào）80.8亿元，同比增长50.2%。且目前依然以云端训练芯片为主。2018年（nián）中国云端训练芯（xīn）片市场份额达到51.3%。巨（jù）大的市场前景，也（yě）引来各方诸侯前来抢夺。

除了一骑绝尘的英伟（wěi）达，其他（tā）老牌的芯片巨头都没闲着，特别是（shì）Intel也在加紧布局通用GPU。英特尔眼馋GPU路人（rén）皆知，其背后是一（yī）段辛酸史（shǐ）——从开始对GPU的不屑，到基（jī）于自家的x86架构开发独立显卡，英特（tè）尔折腾了十年之久（jiǔ）仍然没做出来一款（kuǎn）像样的GPU。近（jìn）两（liǎng）年传出消（xiāo）息英特尔（ěr）将在（zài）今年推出（chū）首（shǒu）款独立GPU，这恐（kǒng）怕（pà）要（yào）得（dé）益（yì）于英特尔的重金（jīn）挖人（rén）——原AMD RTG显卡部门负责（zé）人（rén）Raja、Zen架构（gòu）的功勋领袖Jim Keller、显卡技术市（shì）场总监Damien Triolet这几位大神都在（zài）2018年被英（yīng）特尔招（zhāo）入麾下（xià）。

而在国内，一家名为“天（tiān）数智芯”的公司也宣（xuān）布将在今年发布GPGPU芯片。这家（jiā）公司目前围绕GPGPU的系统研发（fā）已聚集了（le）一支百余人的技术团队，其中不乏AMD在美国和上（shàng）海做 GPU的核心团队成员、行业（yè）经（jīng）验超20年的世（shì）界级技术专家。

从产业发展规（guī）律来看，在（zài）过去两年之内AI芯片将持续（xù）火（huǒ）热，大家扎堆进入；但是到了2020年前（qián）后（hòu），则将会出现一批出局者，行业洗牌开始。由于目前AI算法还在不断演进汇总的过程中，最终的成功（gōng）与否则将取决于各家（jiā）技术路径的选（xuǎn）择（zé）和产品落地的速度。

目（mù）前人工智能已经发展到（dào）了（le）新的（de）阶段，呈现（xiàn）出专业性、专用性和普惠性的特（tè）点。2020年AI人工（gōng）智能芯（xīn）片（piàn）的第一个“爆款（kuǎn）”会（huì）花落谁（shuí）家呢？让（ràng）我们拭目以待。