随着全球科技的（de）不断发展（zhǎn），人工智能产（chǎn）业（yè）规模高速增长，人（rén）工智能应用的成（chéng）熟，既催生了新的市（shì）场，也为传统产业的发展（zhǎn）注入了新的活力。

全球（qiú）市场调研（yán）机构IHS Markit发（fā）布数据显（xiǎn）示，到2025年AI应用市（shì）场（chǎng）规模（mó）将从2019年的428亿美元激（jī）增到1289亿美元（yuán）。

回顾2019年，AI机器人群聊、管（guǎn）控道（dào）路（lù）桥梁积水、写作、智（zhì）能客服……人工（gōng）智能做了许多原本人类（lèi）才会（huì）做的（de）事情。数不尽的（de）纷繁（fán）应（yīng）用背后离（lí）不开（kāi）AI 芯片的基础（chǔ）支撑。

日前，AI芯片新老牌厂（chǎng）商“混（hún）战”国际（jì）消费（fèi）类电子产品展（zhǎn）览（lǎn）会，全面覆盖当前人工智能六大（dà）核心落地（dì）场（chǎng）景，包（bāo）括云端训练、云端（duān）推理、智能手（shǒu）机、AIoT视觉推理、AIoT语音推理、自动驾驶等，国内AI芯片（piàn）进入落（luò）地阶段。

根（gēn）据中国人（rén）工（gōng）智（zhì）能产业发展联盟提供的（de）数据，2019年（nián）以来国内外芯片厂（chǎng）商共（gòng）发布AI芯片近30款（kuǎn）。

AI芯（xīn）片怎样支撑（chēng）多姿多彩的人（rén）工智能应用落地?评（píng）测标（biāo）准进展如何?今年的亮点、看点又在哪?

在过去一年，国内外产业玩家们共（gòng）同推动着（zhe）AI芯片的车（chē）轮向前（qián）滚动。7nm芯片还未全面（miàn）铺（pù）开，5nm冲锋的号角已经吹响，在AI强势（shì）侵（qīn）入并颠（diān）覆各个（gè）传统领（lǐng）域的同（tóng）时，AI芯片的架构创新持续（xù）发酵。“AI芯片”这个（gè）新鲜的概念（niàn）在过去一年间（jiān）逐（zhú）渐走过了普及的阶段，越来越被大（dà）众所熟知（zhī）。在行业走过野（yě）蛮生（shēng）长，开始加速（sù）落地、加（jiā）速整（zhěng）合的过程中，也有（yǒu）更多的AI芯片公司也开始走出属于自己的（de）差异化路线（xiàn）。

如今，AI芯片正在云（yún）计算、手机、安防监控（kòng）、智能家居、自动驾（jià）驶五（wǔ）大场景上演（yǎn）新的群雄争霸赛，包括华为、阿（ā）里、百度等巨头企业，均拿出自己的“杀手锏”。这些“杀手锏（jiǎn）”在不同程度上提振了（le）自己在（zài）行业的影响力，也给产（chǎn）业（yè）带来巨大变革，更让（ràng）业界看到了（le）中国半导体行业的希望。但是，在经历了一次次疯狂打（dǎ）call之后，每（měi）次都觉得差了点什么——那种（zhǒng）感觉仿佛就是看了一晚上网（wǎng）红带货，但是当（dāng）主播（bō）大喊“买它！”之（zhī）后，却（què）无（wú）人下单的尴尬。

可以说，尽管去年各大厂商（shāng）纷纷推出了多款产（chǎn）品，但至今仍然没（méi）有任（rèn）何一款（kuǎn）产品可以称得上“现象（xiàng）级（jí）爆款”。为什么（me）出现了此（cǐ）种叫好不叫买的情（qíng）况？不（bú）由让笔者（zhě）深感疑惑。

究其原因不难发现，覆盖细分领域，偏离（lí）主战场是其（qí）中（zhōng）的重要问题。相关调研公（gōng）司（sī）数据显示，到2022年，整体AI芯片市场（chǎng）规模（mó）将会达到596.2亿美（měi）元，其中云端训练（liàn）+云端推断芯（xīn）片达到244亿美元，占据四成以上的市场规模。毫无疑问（wèn），云端服务器（qì）市场是AI芯片的（de）主战场。目前的现状是（shì）具备（bèi）通用性（xìng）优势的GPGPU占据了（le）云端人（rén）工智能主导市场（chǎng），以TPU为代表（biǎo）的ASIC目前只运用（yòng）在巨头的闭环生态（tài），FPGA在数（shù）据中心业务中还（hái）在尝试阶段。目（mù）前全球各大公司（sī）云计算中心如（rú）谷歌（gē）、微（wēi）软、亚（yà）马逊、阿里（lǐ）巴巴等主流公司均采用GPU进行（háng）AI计（jì）算。英伟达就是（shì）在这里赚的钵满盆满。目前，全球主流的（de）硬件平台都在使（shǐ）用英伟达的 GPU 进行加速，AMD 也在（zài）积极（jí）参与。亚马逊（xùn）网（wǎng）络服（fú）务 AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等计算平台都（dōu）使（shǐ）用了英伟达（dá）的 GPU 产（chǎn）品提供深度学习算法训练服（fú）务。

portant;" />

反观其（qí）他专（zhuān）用AI芯片厂商，在（zài）各自聚焦的细（xì）分领域（yù）都表现抢眼（yǎn），但难（nán）以（yǐ）粉饰自身配角的地位。赛迪顾（gù）问的预测数据（jù）显示，2019年（nián）中国对于AI芯（xīn）片需求最（zuì）大的市场依次为（wéi）安防、零售（shòu）、医疗、教育、金融、制（zhì）造、交通、物流等行业。其中最大（dà）的安防市场也仅占20%，多家聚焦安防领域的AI芯片厂（chǎng）商在经历（lì）了奋力厮杀后，也难以在出货（huò）量（liàng）等方面（miàn）取得（dé）好成绩。

而深究下去，聚焦单一（yī）领域又诱发了另一问题：成本问题。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（shè）计制造（zào）一颗10nm芯片的成本要几千万（wàn）美元，综（zōng）合成本高达上亿美元。因此，如果不（bú）能保证某款单一应用场景下能够大量出货，专（zhuān）用芯片需要保（bǎo）持一定（dìng）的通用性与灵活（huó）度。

最近两年间，产业界开始（shǐ）陆续（xù）涌现出神经（jīng）网（wǎng）络计算专用（yòng）芯（xīn）片（AI芯片），寒武纪、深（shēn）鉴科技（jì）、中星微电子等玩（wán）家的AI芯片产品采用的都是28nm的芯片工艺，前期从投入到流（liú）片的成本超过400万（wàn）美元，单一品类出货量没有百万的级别将很难收回成本。

而除（chú）了成本（běn）之外，AI算（suàn）法（fǎ）的演进（jìn）也需要（yào）纳（nà）入考虑。由于目前人工智能算法还在不断变化、不（bú）断演进的过程中，人工（gōng）智能经历了六十多年的发展（zhǎn）才（cái）迎来了（le）深度（dù）学习（xí）的（de）大规模爆发，然而（ér）现在深（shēn）度学习（xí）算法还有众多有待优化的方面，比如稀疏化、低功耗、小数（shù）据训练等，算法尚（shàng）未定型。

此（cǐ）外，目前语音/文（wén）字/图像/视（shì）频（pín）等（děng）不同应用（yòng）无法使用（yòng）统一算法，然而许多实际（jì）生活（huó）中的AI应用程序（识别图像中的对象或理解人（rén）类语言）需要不同类型的具（jù）有（yǒu）不同层数（shù）的神经网络的组合。

因此，在确保AI应用性能的前提下，AI芯片需要（yào）尽可能地保持芯片通（tōng）用性。那（nà）么问题（tí）来了（le）：既（jì）然GPGPU如此（cǐ）强（qiáng）大，能够大小“通吃”，为什么厂商反而顾（gù）左右而言他？其实真正的困（kùn）难（nán）在于GPGPU的技术难度。

硬件角（jiǎo）度看，最核（hé）心的是指令集。指令集的覆盖（gài）面、颗粒度、效率等决定一（yī）款（kuǎn）芯片能否覆盖到足够宽（kuān）的应（yīng）用市（shì）场领域，并对软件开发和产品迭（dié）代足够（gòu）友好。无论（lùn）是英（yīng）伟达还是AMD的（de）GPGPU，指令集（jí）都在千条（tiáo）量级，而目前国（guó）内的AI芯片指令集（jí）大多数都在百（bǎi）条以内。类型与数量的差别映射（shè）到硬件高效实现的复杂程度，差距是巨大（dà）的，在这方面国内的团队还存（cún）在着一定的差距。另一个重要方面就是（shì）基（jī）于硬件层的任务管（guǎn）理和智能调度，这可以让芯（xīn）片从硬件层即（jí）提高（gāo）算力的利用率，也（yě）就（jiù）是大（dà）家常说的实际算力。大多数AI芯片的（de）做法是完全依赖（lài）于软件层的调度实现，但这（zhè）种方式第一增（zēng）加了软件（jiàn）开发的复杂（zá）度，第二降低了硬件算力的利用率，第三减缓了（le）软（ruǎn）件（jiàn）栈（zhàn）迭代更新的（de）速度，这在AI领域，面向算法模型、开（kāi）发环境、应（yīng）用场景（jǐng）加速更新的大背（bèi）景下无疑大（dà）大增加了产品落地与工程化的（de）难度。

在软件方面（miàn），毫无疑问，最重要的必然是开发生（shēng）态，GPGPU通过英（yīng）伟（wěi）达（dá）十（shí）多年的（de）耕（gēng）耘，已（yǐ）经建立（lì）起了一（yī）个超（chāo）过160万（wàn）开发用户的庞大而成（chéng）熟的生态-CUDA。AI芯（xīn）片则（zé）需要（yào）搭建全新的生态，它会带来两（liǎng）个维（wéi）度（dù）显（xiǎn）著的问题（tí），第（dì）一个维度是客户端，客（kè）户需要冗长的适（shì）配期，从原有的开发环境切换到（dào）新的软件生（shēng）态，这不仅（jǐn）带（dài）来了资源投（tóu）入，推（tuī）迟了（le）业务部署（shǔ）时（shí）间窗口，增加了业务的不确定性（xìng），更严重的是不利于（yú）保护已有的软件投资，软件的很多部分（fèn）都要重（chóng）新来写（xiě）并适（shì）配，这对企业级用户来讲恰恰是非（fēi）常敏感与（yǔ）慎重的事情。另（lìng）一个维度是产品开发端，从（cóng）底层芯片（piàn）与系统软件，跳过CUDA层去直（zhí）接支持开发框架，必然带来巨大的软件投入，不停得（dé）追（zhuī）赶现有框架（jià）的新版本，以及生态巨头的新框（kuàng）架，这在底层（céng）软（ruǎn）件人（rén）员（yuán）缺乏（fá）的背景下矛盾显得尤其突出。

本文在一（yī）开头就提出了一个貌似针对产品的问题，而事（shì）实（shí）上（shàng），这（zhè）还是（shì）一（yī）个关于市场（chǎng）的（de）问题。能（néng）否（fǒu）成为爆款，一方面要看产品，另一（yī）方面还需要看市场需（xū）求。数（shù）据显示，2018年中国AI芯片市（shì）场依然保（bǎo）持增长（zhǎng），整体市场规模达到80.8亿元（yuán），同比增长（zhǎng）50.2%。且目前（qián）依然以云端训练芯片为主。2018年中国云端训练芯片市（shì）场份额达到51.3%。巨大的市场前景，也引来各方诸侯前来抢夺。

除了一骑（qí）绝尘（chén）的（de）英（yīng）伟达，其他老（lǎo）牌的芯（xīn）片巨（jù）头都没闲着，特（tè）别是Intel也（yě）在（zài）加紧布局（jú）通用GPU。英特（tè）尔眼馋GPU路人皆知，其背后是一段辛酸史——从开（kāi）始对GPU的不屑，到基于自（zì）家的x86架构开发独立显卡（kǎ），英特（tè）尔折（shé）腾了十年之久仍然没（méi）做（zuò）出来一款像（xiàng）样的（de）GPU。近两年传（chuán）出消（xiāo）息（xī）英特尔将在今年推（tuī）出首（shǒu）款独立（lì）GPU，这恐怕（pà）要得益于英特（tè）尔的重金挖（wā）人——原AMD RTG显卡部门负责人Raja、Zen架构（gòu）的功勋领袖Jim Keller、显卡技术市（shì）场总监（jiān）Damien Triolet这（zhè）几（jǐ）位大神都在2018年（nián）被英特尔（ěr）招入麾下。

而（ér）在国内，一家名（míng）为“天数智芯”的公（gōng）司也宣布将（jiāng）在今（jīn）年发（fā）布GPGPU芯片（piàn）。这家公司目前围绕（rào）GPGPU的系统（tǒng）研发已聚集了一支百余人的技术团（tuán）队，其中不乏AMD在美国和上海做 GPU的核心（xīn）团队成员、行业经验超20年的世（shì）界级技术专家。

从产业发展规律（lǜ）来看，在过去两年之内AI芯（xīn）片将持续（xù）火热，大家扎堆（duī）进入（rù）；但是到（dào）了2020年前后，则将会出现（xiàn）一批出局者（zhě），行业洗牌开始。由于目前AI算法（fǎ）还在不断（duàn）演进汇总（zǒng）的过程（chéng）中，最终的成功与否则将取决于各家技（jì）术路（lù）径（jìng）的选（xuǎn）择和产品落地的速度。

目前人工智（zhì）能（néng）已经发展到了（le）新的阶段，呈（chéng）现出专（zhuān）业性、专用性和普惠性的（de）特点。2020年AI人工（gōng）智能芯片的第一个“爆款”会花落（luò）谁家呢？让我们拭目以（yǐ）待。