随着全球科技的不断发展，人工智能产（chǎn）业规模高速增长，人工智能应用（yòng）的成熟，既催生了新的市场，也为传（chuán）统产业（yè）的发展注入（rù）了新的活力。

全球（qiú）市场（chǎng）调研机构IHS Markit发布（bù）数据显（xiǎn）示，到2025年AI应用市场规模将从2019年的（de）428亿美元（yuán）激（jī）增到1289亿美元（yuán）。

回顾2019年，AI机（jī）器人群聊、管（guǎn）控道路桥梁积水、写作、智能客服……人（rén）工智能做了（le）许（xǔ）多原本人类才会做的事情。数（shù）不尽的纷繁应用背后离不开AI 芯片的基（jī）础（chǔ）支撑。

日前，AI芯片新老牌厂（chǎng）商“混战”国际消（xiāo）费类（lèi）电子产品展览会，全（quán）面（miàn）覆（fù）盖（gài）当前人工（gōng）智能六大核心落地场景，包括（kuò）云端训练、云端推理（lǐ）、智（zhì）能手机、AIoT视觉推理、AIoT语音推理、自动驾驶等，国内AI芯（xīn）片进入落地（dì）阶段。

根（gēn）据（jù）中国（guó）人工智能产业发展联盟提供的数据，2019年以来国内外芯片厂商共（gòng）发布（bù）AI芯（xīn）片近30款。

AI芯片怎样支撑多姿多（duō）彩（cǎi）的人工智（zhì）能（néng）应用落地（dì）?评测标准进展（zhǎn）如何?今年的亮点、看（kàn）点（diǎn）又（yòu）在哪?

在过去一（yī）年，国内（nèi）外产业玩家们共同推动（dòng）着AI芯片的车轮向前滚动（dòng）。7nm芯片还未全面铺开，5nm冲锋（fēng）的号角已经吹响，在（zài）AI强势（shì）侵入并（bìng）颠覆各个传统领域的同时，AI芯片的（de）架构（gòu）创新持（chí）续发酵（jiào）。“AI芯片”这（zhè）个新鲜的概念（niàn）在过去一年间逐渐走（zǒu）过了（le）普（pǔ）及的阶段，越来越被大众所熟知。在（zài）行业走过野蛮（mán）生长，开（kāi）始加速落地、加（jiā）速（sù）整合的过程（chéng）中，也有更（gèng）多的AI芯（xīn）片公司也开始走出属（shǔ）于自（zì）己（jǐ）的（de）差异化路线。

如（rú）今，AI芯（xīn）片正（zhèng）在云计（jì）算、手机、安防监控、智能家居、自动驾驶五大（dà）场景上演（yǎn）新的（de）群雄争霸赛（sài），包括华为、阿里、百度等（děng）巨头企业，均拿出（chū）自己的“杀手锏”。这（zhè）些“杀手锏”在不同程度上提振了自（zì）己（jǐ）在行业的（de）影响力（lì），也给产业带来（lái）巨大变革（gé），更让业界看到了中国（guó）半导体行业（yè）的希望。但是，在经历了一次次疯狂打call之后，每次（cì）都觉得差了点什么——那种（zhǒng）感觉仿佛就是（shì）看（kàn）了（le）一晚上网红带货，但是当主播（bō）大喊“买它！”之后，却无人下单的尴尬。

可以说，尽（jìn）管去年各（gè）大（dà）厂商纷纷推出（chū）了多款产（chǎn）品，但至今（jīn）仍然没（méi）有任何一（yī）款产（chǎn）品可以称得上“现象级爆款”。为什么出现了此种叫好不叫（jiào）买的情（qíng）况？不由让笔者深感疑惑。

究其原因不难发现，覆盖细分领域（yù），偏离（lí）主战场是其中的（de）重要问题。相关调研公（gōng）司数据显示，到（dào）2022年，整（zhěng）体AI芯片市场（chǎng）规模将会达到596.2亿美元（yuán），其中云端训练（liàn）+云端推断芯片达（dá）到（dào）244亿（yì）美元，占据四成以上的市（shì）场规模。毫无疑问，云端服务器市场是AI芯片的主战场。目前的现（xiàn）状是（shì）具备通用性优势（shì）的GPGPU占据了（le）云端人工智能主导市场，以TPU为代表的ASIC目前只运用在巨头的闭环生（shēng）态（tài），FPGA在数据中（zhōng）心业务（wù）中还在尝（cháng）试阶段。目前全球各大（dà）公司云计（jì）算中心如谷歌、微软（ruǎn）、亚（yà）马逊、阿里巴巴等主流（liú）公司均采用GPU进行AI计（jì）算。英伟达就是在这里（lǐ）赚的钵满盆满。目前，全球主（zhǔ）流（liú）的硬件平台都（dōu）在使用英伟达的 GPU 进行加速，AMD 也在积（jī）极参（cān）与。亚马逊网络服务 AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等计算平（píng）台都使用了英伟达（dá）的 GPU 产品提供（gòng）深（shēn）度学习（xí）算（suàn）法训练服务。

portant;" />

反观其他（tā）专用AI芯片厂（chǎng）商，在各（gè）自聚焦的细分领（lǐng）域都表现抢眼，但（dàn）难（nán）以粉饰自（zì）身配角的地位。赛迪顾问的预（yù）测数据显示，2019年中国对于AI芯片需（xū）求（qiú）最大的市场依次为安防、零售、医（yī）疗、教（jiāo）育、金融、制造、交通、物流等行业。其中最大的安（ān）防市场也仅占20%，多家（jiā）聚焦安防领域的AI芯片厂商在经历（lì）了奋力厮杀后，也难以在（zài）出货量等方面取得好成绩。

而深（shēn）究下去，聚焦单一（yī）领域（yù）又诱发（fā）了另一问题：成本问（wèn）题。随着芯片制造工艺的日益先（xiān）进，芯片制造成本也水涨船高，如今设计制造一颗（kē）10nm芯片的成本要几千万美元（yuán），综合成本高达上亿（yì）美元。因此，如果不能保证某款单一应用场景下能够大量出（chū）货，专用（yòng）芯片需要保持一定的通用性与灵活度。

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（shēn）鉴科技、中（zhōng）星微电子等玩家的AI芯（xīn）片（piàn）产品（pǐn）采用（yòng）的都是28nm的芯片工（gōng）艺，前期从（cóng）投入到流片的（de）成本超过（guò）400万美（měi）元，单一品（pǐn）类（lèi）出货量没（méi）有（yǒu）百（bǎi）万（wàn）的级别（bié）将很难（nán）收回成（chéng）本（běn）。

而除了成本之外，AI算（suàn）法的演进也需要纳入考（kǎo）虑。由于目前人工智能算（suàn）法还在不断变化（huà）、不断演进的（de）过程中，人工智能经历了六十（shí）多年的发展才迎来了深度学（xué）习的大规模爆发，然而现在（zài）深度学习算（suàn）法还有（yǒu）众多有待优化的方面（miàn），比如稀疏化、低功耗、小数据训练等（děng），算法尚（shàng）未定型。

此外，目前语（yǔ）音（yīn）/文（wén）字/图像/视频（pín）等不同（tóng）应用无法使用统一算（suàn）法，然而（ér）许多实（shí）际生活中的AI应用程序（识别图像中的（de）对（duì）象或（huò）理解（jiě）人（rén）类语言）需要不同类型的具（jù）有（yǒu）不同层数的神经网（wǎng）络的（de）组合。

因此（cǐ），在确保AI应用性（xìng）能的前提下，AI芯片（piàn）需要尽可能（néng）地保持（chí）芯（xīn）片（piàn）通用性。那么问题（tí）来了：既然（rán）GPGPU如此强大，能够（gòu）大小“通吃（chī）”，为什么厂商反而顾左右而（ér）言他？其（qí）实真正的（de）困难在于GPGPU的技术难度。

硬件角度看，最（zuì）核（hé）心的是指令集。指令（lìng）集（jí）的覆盖面、颗（kē）粒（lì）度、效率等决（jué）定一款芯片能（néng）否覆盖到足够宽的应用市（shì）场（chǎng）领域（yù），并对软件开发和产品迭代足够友（yǒu）好。无论是英伟达还是（shì）AMD的GPGPU，指令集都在千条量级（jí），而（ér）目前国内的AI芯片指（zhǐ）令集大多数都在百条以（yǐ）内。类型与数量的（de）差别映射到硬件高效实现（xiàn）的复杂（zá）程（chéng）度（dù），差距是巨大的，在这方面国内的团队还存（cún）在着（zhe）一（yī）定的差距。另一个重要方（fāng）面就是（shì）基（jī）于硬件层的任务（wù）管（guǎn）理和智能调度，这可以（yǐ）让（ràng）芯片从（cóng）硬件层即提高算（suàn）力的利用（yòng）率（lǜ），也（yě）就（jiù）是大家常说的实际算力。大多数AI芯片的做法是完全依赖（lài）于（yú）软（ruǎn）件（jiàn）层的调度实现，但这种方式（shì）第一（yī）增（zēng）加了软件开发的复（fù）杂度，第二降低了硬件算力（lì）的利用（yòng）率，第三减缓了软（ruǎn）件栈迭代更新的（de）速（sù）度（dù），这（zhè）在AI领（lǐng）域（yù），面向算法模型、开发环（huán）境、应用（yòng）场景加速更新（xīn）的大背景下无疑大大（dà）增加了（le）产品落（luò）地与工程（chéng）化的难度。

在软件方面，毫无疑（yí）问，最重要的必然是开发生态，GPGPU通过（guò）英伟达（dá）十多（duō）年的耕耘（yún），已经建立起了一（yī）个超过（guò）160万（wàn）开发（fā）用户的庞大而成熟的生态-CUDA。AI芯片则需要搭（dā）建全新的生态，它会带来（lái）两个维（wéi）度显著的问题，第一个维度是客户（hù）端，客户需要（yào）冗长的适配期，从原有（yǒu）的开（kāi）发环境切（qiē）换（huàn）到新的（de）软件生（shēng）态（tài），这不仅带来了资源投入，推迟（chí）了业务部署时间（jiān）窗口，增加了业（yè）务（wù）的不确定性，更严重的是不利于保（bǎo）护已有的软件投（tóu）资，软件（jiàn）的很多部分都要（yào）重新来写（xiě）并适配，这对企业级用（yòng）户（hù）来讲（jiǎng）恰恰是非常敏感（gǎn）与慎重的事情。另一个（gè）维度是产（chǎn）品开发端，从底（dǐ）层芯（xīn）片与系统软件，跳过CUDA层去直接（jiē）支持开发框（kuàng）架，必（bì）然带来巨（jù）大的软（ruǎn）件（jiàn）投入（rù），不（bú）停得追赶现有框架（jià）的（de）新（xīn）版（bǎn）本，以及生态巨头（tóu）的新（xīn）框（kuàng）架，这在（zài）底层软（ruǎn）件人员（yuán）缺乏的背景（jǐng）下矛盾显（xiǎn）得尤其突出。

本文（wén）在一（yī）开头就提出了（le）一个貌似针对产品的问（wèn）题，而事实上，这还是一个（gè）关于市场的（de）问（wèn）题。能否成为爆款，一方面要（yào）看产品（pǐn），另一方面还需要看（kàn）市场需（xū）求。数（shù）据显示，2018年中（zhōng）国AI芯片市场（chǎng）依然保持增长，整体市场规模达到（dào）80.8亿元（yuán），同（tóng）比增长50.2%。且目（mù）前（qián）依然以云端（duān）训练芯片（piàn）为（wéi）主（zhǔ）。2018年中国（guó）云端训练芯（xīn）片市场（chǎng）份（fèn）额达到51.3%。巨大的市（shì）场前景，也引来（lái）各方诸（zhū）侯前（qián）来抢夺。

除了一骑绝尘的英伟达，其他（tā）老牌的（de）芯（xīn）片巨头都没（méi）闲着，特别是Intel也在加（jiā）紧布局通用GPU。英特尔眼馋GPU路人皆知（zhī），其背后（hòu）是一段辛酸史——从开始对GPU的不屑，到基于自（zì）家（jiā）的（de）x86架构（gòu）开发独立显卡，英特（tè）尔折腾（téng）了十（shí）年之久仍然没做（zuò）出来一款像样的GPU。近两年传（chuán）出消息英（yīng）特尔将在（zài）今年推（tuī）出首款独立（lì）GPU，这恐怕要（yào）得（dé）益于英特尔的重金挖人——原AMD RTG显卡部门负责（zé）人Raja、Zen架（jià）构的功勋领袖Jim Keller、显卡（kǎ）技术市场总监Damien Triolet这（zhè）几位大（dà）神都在2018年被英特尔招入麾下。

而在（zài）国内，一家名为（wéi）“天数智芯”的（de）公司也宣（xuān）布将在今年发布（bù）GPGPU芯（xīn）片。这家（jiā）公司目前围绕GPGPU的系统研（yán）发已聚集了（le）一支百余人的技术（shù）团队，其中不（bú）乏AMD在美国和（hé）上海（hǎi）做 GPU的核心团队成员、行业经（jīng）验超20年的世界（jiè）级技术专家。

从产业发展规律来看，在过（guò）去两（liǎng）年之（zhī）内AI芯片（piàn）将持续火热，大家扎堆进入；但是到了2020年（nián）前后（hòu），则将（jiāng）会（huì）出现一批出局（jú）者，行业洗牌开始。由于目（mù）前AI算法（fǎ）还在（zài）不断演进汇总的（de）过程中，最终的成功与否则将取决于各家（jiā）技术（shù）路径的选（xuǎn）择和产品落地的速度。

目前人工智能已（yǐ）经发（fā）展到了新的阶段，呈现出专业性、专用（yòng）性和（hé）普惠性的（de）特点。2020年AI人工（gōng）智能芯片的第一（yī）个“爆款”会花（huā）落谁家呢？让（ràng）我们（men）拭（shì）目以待。