2018的AI芯片：巨头的焦虑 “草莽”的狂欢

经过了2017年的巨头纷争，2018年的AI芯片市场进入了百花齐放的局面。针对各种细分领域的AI芯片不断出现，让整个市场展示了一种异样的活力。

老巨头们的焦虑

　　英伟达依然是AI芯片业无可争议的领头羊。在全球领先的超算中，大部分有英伟达的GPU;全球AI的创业公司，大部分都在使用英伟达的芯片和软件进行开发。英伟达还在2018年发布了世界上最大的GPU DGX-2，量产了自动驾驶芯片Xaiver。但是，英伟达的股价在第四季度重挫54%，主要原因是挖矿热潮的减退，但侧面也说明了AI带来的泡沫逐渐在消退，英伟达在数据中心的业务表现没有达到预期。

　　另一家老牌的芯片巨头Intel，发力较晚，但也一直在奋力追赶。现在已形成Xeon处理器进行计算、Nervana 神经网络处理器训练 AI 模型;Movidius视觉处理芯片在嵌入式IoT设备上进行图像/视频处理;FPGA在云端和边缘设备上进行 AI 推断的产品布局。2018年Intel还发布了云端AI芯片Spring Crest，预计在2019年量产。

　　谷歌是最早进行AI芯片开发的系统厂商之一，独有的TPU芯片已经在2018年推出了第三代，性能达到了每秒钟运算 100 多千万亿次。并且，谷歌也是积极推进AI应用落地的公司，在2018年12月推出了付费无人出租车服务“Waymo One”，揭开全球自动驾驶商业化大幕。

　　手机处理器的AI军备竞赛更是热火朝天，苹果发布了A12 Bionic仿生芯片，高通的骁龙855中加入AI引擎，华为的麒麟980配备了双NPU单元，联发科则推出了独有APU单元的Helio P90芯片。

　　巨头们动用了强大的资源不遗余力地进行开发，或许是因为焦虑感太强，来自四面八方的挑战者们正窥视着他们的领地。

　　新入局者的野望

　　电商和云服务巨头亚马逊紧跟谷歌的步伐，在2018年11月推出了自己的AI芯片Inferentia，这是亚马逊在2015年花费3.5亿美元收购芯片公司Annapurna Labs后的产物。居高不下的服务器成本压力，是云服务商自研芯片的最大动力，同时，开发芯片也能增加他们对技术的掌控能力。

　　在国内的BAT三巨头中，百度和阿里都义无反顾地直接加入了战局。嵌入式CPU IP Core公司中天微被阿里收购之后，与达摩院芯片团队整合成“平头哥”公司，2019年将推出首款AI芯片。战略上“ALL IN AI”的百度则推出了云端AI全功能芯片“昆仑”，算力达到了每秒260万亿次定数运算。腾讯没有直接推出AI芯片，但也在2018年领投了AI芯片公司燧原科技，该公司产品是针对云端数据中心开发的深度学习高端芯片，定位于人工智能训练平台。

　　网络巨头们乐此不疲地进入AI赛道，芯片公司更是不甘人后了。国内市场的开拓者寒武纪公司发布了第三代机器学习专用芯片寒武纪1M和云端AI芯片MLU 100。其中，1M采用了7nm工艺，MLU 100则是16nm工艺。专注于语音识别的云知声推出了第一代 UniOne 物联网 AI 芯片雨燕。小米生态链旗下华米公司发布可穿戴领域第一颗人工智能芯片——“黄山1号”，这也是全球首款基于RISC-V开源指令集的可穿戴处理器。最让人意外的是，虽然已有了麒麟芯片，华为还是推出了两款全自研AI芯片昇腾910和昇腾310，均采用华为的达芬奇AI架构。这也表明了在AI的赛道上，谁都不想完全依赖于他人。

　　除去这些，国际和国内其他芯片公司也没有闲着，他们不是已经准备量产就处在正在研发的路上。而且，各种终端厂商也在自研AI芯片。这一市场已经进入群雄并起的时代。

　　关键是落地

　　阿里达摩院在发布的2019年十大科技趋势报告中提到，在数据中心的AI训练场景下，计算和存储之间的数据搬移已经成为瓶颈，新一代的基于3D存储的AI芯片已成为趋势。而且，真正能体现AI芯片优势的还是边缘计算场景。

　　图像识别、语音识别、安防、自动驾驶，都是AI芯片大展拳脚的地方。国内芯片公司在2018年发布的诸多AI芯片，也多着眼于垂直应用领域，这种趋势也延续到了2019年。在今年年初，云之声发布了新的AI规划，就包括了针对不同场景定位的多个AI芯片。无独有偶，思必驰也于年初发布聚焦于语音应用场景下的AI专用芯片TAIHANG芯片(TH1520)。

　　不过，真正的大考还没到来，除了用于手机中的图像识别，AI芯片还没有完全展示出自己的潜力。没有杀手级的应用是最大的痛点，曾被寄予厚望的智能音箱市场，目前表现也只能勉强及格。而安防、汽车这些巨量市场，也只是打开了一道门缝。所以，在寻找AI芯片最佳的“着陆点”上，还需要产业链上下一起努力。