AI芯片正在从云端向边缘侧发展

人工智能（AI）正在推动产业界的快速转型。随着公司越来越以数据为驱动力，对AI的需求也随之增长。语音识别，推荐系统，医学影像和更好的供应链管理，只是AI技术赋予工具，算法和计算能力以有效执行其工作的几种方式。

但是，这些现代AI技术的成功取决于大规模计算。为了解决这一计算难题，装有大量晶体管并经过定制以执行特定于AI系统的计算芯片正在成为首选解决方案。这些专业的，先进的AI芯片组现已进入大规模部署阶段。

AI芯片组，也称为AI加速器，本质上是专用的计算机芯片，旨在实现大规模的AI特定计算所需的高速和高效率。

关于产品类型，AI芯片组市场大致可分为针对AI应用的现场可编程门阵列（FPGA）和专用集成电路（ASIC）。尽管可以通过诸如CPU之类的通用芯片来执行更简单的AI任务，但随着更先进的芯片技术的出现，这些系统在最近几年变得越来越不流行。

不同的AI优化芯片用于不同的任务。例如，GPU在AI算法的最初开发和完善中显示出最大的潜力，这一过程被称为“训练”。FPGA通常通过称为“推理”的过程用于将“经过训练的” AI算法应用于实际应用中的数据分析。同时，ASIC在训练和推理应用中都显示出强大的潜力。

边缘AI芯片接管云服务

直到最近，由于高度密集的处理器需求，大多数AI计算主要在数据中心，电信边缘处理器或企业核心设备上进行，而不是在终端设备上进行。由于可扩展性和灵活性优势，传统上首选基于云的工作负载集中化。

但是，在现代AI应用中，以边缘AI芯片组为首的行业正在发生重大变化。作为芯片技术最突出的趋势之一，边缘AI芯片有助于“在边缘”运行AI处理，即在未连接到云网络的设备上运行。

这种芯片技术具有明显的优势。通过在设备而不是远程服务器上执行AI处理任务，边缘AI芯片可以显着提高处理速度和保证隐私性。

鉴于它们的迅速普及，边缘AI芯片组正迅速进入多种应用，从平板电脑，智能手机，扬声器和可穿戴设备等消费类设备，到相机，传感器，机器人和其他物联网等更复杂的技术。

与传统的同类产品相比，这些经过AI优化的芯片组被设计得更小，更经济，功耗更低，并且产生的热量更少，从而使其与手持设备以及非消费类设备的集成更加简单。通过启用处理器密集型AI计算的本地实现，边缘AI芯片组可以大大减少或减轻将大数据发送到远程位置的需求。反过来，这可以在速度，可用性，隐私和数据安全性方面带来无数的好处。

尽管边缘AI芯片在诸如智能扬声器，智能手机和平板电脑等消费类设备应用中显示出巨大的希望，但它们在其他更复杂的设备中也获得了迅速的关注。

例如，Arm的芯片（例如Arm Cortex-M55和神经处理单元Ethos-U55）旨在超越传统的电话和平板电脑，它们更适用于IoT设备等复杂的用例。例如360-deg AI优化芯片组的主要用例包括摄像头识别，以及先进的火车传感器以在本地识别问题并减少延误。

展望：初创公司投资，新技术将助力增长

随着对尖端边缘AI芯片组技术的需求持续激增，许多经验丰富的初创公司开始成为Nvidia等市场领导者的有力竞争者。一个明显的例子是总部位于以色列的初创公司Hailo，该公司于2020年3月达成了一笔价值6000万美元的融资，旨在推出其深度学习芯片。

软件公司Intel的投资和VC部门Intel Capital也投资了1.3亿美元，遍布自动化，人工智能和芯片设计领域的11家初创公司，包括Hypersonix，Spectrum Materials，Axonne，ProPlus Electronics，Anodot，MemVerge，Astera Labs，Lilt，KGBIO，Retrace和Xsight Labs。

同时，现有的软件和技术实体也在开发先进的AI优化芯片组技术方面取得了长足的进步。例如，苹果公司通过将A11和A12“仿生”芯片集成到其较新的iPad和iPhone机型中，为进入AI未来铺平了道路。这些芯片技术利用了该公司的神经引擎。据称，A12芯片也比其前代产品快了近15％，而功耗却仅为其50％。

另一方面，索尼则专注于一种混合技术，该技术涉及带有内置AI处理系统的图像传感器。鉴于代码和图像的快速融合，该技术可以实现以在将照片发送到GPU，云存储之前对其进行处理，从而提供广泛的应用范围和优势。