随着全球科技的不（bú）断发展，人工智能产业规模高速增长（zhǎng），人工（gōng）智能应用的成熟，既催生了新的市场，也为传统（tǒng）产业的发展注入了（le）新（xīn）的活力。

全球市场调（diào）研机（jī）构IHS Markit发布数（shù）据显示，到（dào）2025年AI应用（yòng）市场（chǎng）规（guī）模（mó）将从2019年的（de）428亿美元激（jī）增（zēng）到1289亿美元。

回顾2019年，AI机器人群聊、管控道路（lù）桥（qiáo）梁积水、写作、智能客服……人工智（zhì）能做了许多原本人类才会做（zuò）的事情。数不尽的纷繁应（yīng）用（yòng）背后离（lí）不开（kāi）AI 芯片（piàn）的基础（chǔ）支撑。

日前，AI芯片新老牌（pái）厂（chǎng）商“混（hún）战”国际消费（fèi）类电子产品展览会，全面覆盖（gài）当（dāng）前人（rén）工智（zhì）能六大（dà）核心落地场景，包括（kuò）云端训练、云端（duān）推理、智能手机（jī）、AIoT视（shì）觉（jiào）推理、AIoT语音推理、自（zì）动驾驶等，国内AI芯片进入落地阶段。

根据中国人工智（zhì）能产（chǎn）业发展联盟提供（gòng）的数据，2019年以来国内（nèi）外芯片厂商（shāng）共发布AI芯片近30款（kuǎn）。

AI芯片怎（zěn）样支撑（chēng）多（duō）姿多彩的（de）人工（gōng）智能（néng）应用（yòng）落地?评测标准进展如何?今（jīn）年（nián）的亮点、看点又在哪?

在过去一年，国内外产业玩家们（men）共同推动着（zhe）AI芯片（piàn）的车轮（lún）向前（qián）滚动。7nm芯（xīn）片还未全面（miàn）铺开，5nm冲锋的号角已经（jīng）吹响，在AI强势侵入并颠覆各（gè）个传统（tǒng）领域的同时（shí），AI芯片的架构创新（xīn）持续发酵。“AI芯片”这个新（xīn）鲜（xiān）的概念在（zài）过去一（yī）年间逐渐走过（guò）了普及的阶段，越来越被大众所熟知。在行业走过野蛮生长，开（kāi）始加速落地、加速整合的过程中，也有更（gèng）多的（de）AI芯片公司也开始（shǐ）走出属于（yú）自己的差异化（huà）路线。

如今，AI芯片正（zhèng）在（zài）云计算、手（shǒu）机、安防监（jiān）控、智能家居（jū）、自动（dòng）驾驶五大场景上演新的群雄争霸赛，包（bāo）括（kuò）华（huá）为、阿里（lǐ）、百度等巨头企业，均（jun1）拿出自己（jǐ）的“杀手锏”。这些“杀手锏”在不同程度（dù）上提振（zhèn）了自己在行业的影（yǐng）响力，也（yě）给产（chǎn）业带来巨大变（biàn）革，更（gèng）让业（yè）界看到了中国（guó）半导（dǎo）体行业的希（xī）望。但是，在经历了（le）一次次疯狂（kuáng）打call之后，每次都觉得差了点什么（me）——那（nà）种感觉仿佛（fó）就是（shì）看了一晚（wǎn）上网红带货，但是当主（zhǔ）播大喊“买（mǎi）它（tā）！”之后，却（què）无人下单的尴尬（gà）。

可以说，尽（jìn）管去年各大（dà）厂商纷（fēn）纷推出了多款产品，但至今仍然没有任（rèn）何一款（kuǎn）产（chǎn）品（pǐn）可以称得上“现象级（jí）爆款（kuǎn）”。为（wéi）什么出现了此种叫好不叫买的情况？不由让笔者深感疑惑。

究（jiū）其原因不难发现，覆盖细分领域，偏离主战场（chǎng）是其中的重要问题。相（xiàng）关调研公司数据显示，到2022年，整体AI芯片（piàn）市场规模将会达（dá）到596.2亿美（měi）元，其（qí）中云端训练+云（yún）端推断（duàn）芯片达到244亿美元，占据四成以（yǐ）上的市（shì）场规模。毫无疑问（wèn），云端服务器市场是（shì）AI芯（xīn）片的主战场。目（mù）前的现状是具备（bèi）通（tōng）用性优势的GPGPU占据（jù）了云端人工智能主导市场，以TPU为代（dài）表的（de）ASIC目前只（zhī）运用在巨头的闭环生态，FPGA在（zài）数据中心业务中还在尝试（shì）阶段。目前（qián）全球各大公司云计算中（zhōng）心（xīn）如谷歌、微软、亚（yà）马逊、阿里巴（bā）巴等主流公（gōng）司（sī）均采（cǎi）用GPU进行AI计算。英伟达就是在这里赚的钵满盆（pén）满。目前，全球主流的硬件平台都在使用英伟达的 GPU 进行加速，AMD 也在积极参与。亚（yà）马逊网（wǎng）络服务 AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等（děng）计算（suàn）平台都使用了英（yīng）伟达的 GPU 产品提供深度学习算法训练服务。

portant;" />

反观其他专用AI芯片厂（chǎng）商，在各自聚焦的细分领域（yù）都表现（xiàn）抢眼，但（dàn）难（nán）以粉饰（shì）自身（shēn）配角的（de）地位。赛迪顾问的预测数据显示，2019年中国（guó）对于（yú）AI芯片需求最大（dà）的市场依次为（wéi）安防、零售、医疗、教育、金融（róng）、制造、交（jiāo）通（tōng）、物流（liú）等行业。其（qí）中最大的安（ān）防市场也仅占20%，多（duō）家（jiā）聚焦安防（fáng）领域的（de）AI芯片厂商在（zài）经历（lì）了奋力厮杀后，也难以在（zài）出货量（liàng）等方面取得好成绩。

而深究下去，聚焦单一领域又（yòu）诱（yòu）发了另一问题：成本问题。随（suí）着芯片（piàn）制造工艺的日益先进，芯片制造（zào）成本也水涨船高，如今设计制造一颗10nm芯片的成本要几千万（wàn）美元（yuán），综合成（chéng）本高达上亿美元。因此，如果不能保证某款单一应用场（chǎng）景下能够大量（liàng）出货，专用芯片需要保持一定的（de）通用性与灵活度。

最近两年间（jiān），产业界开（kāi）始陆续涌现（xiàn）出神经网（wǎng）络计算专用芯片（AI芯片），寒武纪、深鉴（jiàn）科技、中（zhōng）星微电子等玩家的AI芯片产品采用（yòng）的（de）都是28nm的（de）芯（xīn）片工艺，前期从投入到流片的成本超（chāo）过400万美元，单（dān）一品（pǐn）类出货量没（méi）有百万（wàn）的级别将很难收回（huí）成本。

而除了成（chéng）本之外（wài），AI算法的演进也需要纳入（rù）考虑。由于目前（qián）人工智能算法还在不断变化、不断（duàn）演进的过（guò）程中，人工智能经历了六（liù）十多年（nián）的发展才迎来了（le）深度学习的大（dà）规（guī）模爆发，然而现在深度学习（xí）算（suàn）法还（hái）有众多有待（dài）优化的（de）方面，比如稀疏（shū）化、低功耗、小数据训练等，算法尚未定型。

此外，目前语音（yīn）/文字（zì）/图像（xiàng）/视频等不同应用无法（fǎ）使用统一算法（fǎ），然而许多实际生活中的AI应用程序（xù）（识别（bié）图（tú）像中的对象（xiàng）或理解（jiě）人类语（yǔ）言）需要不同类型的具有（yǒu）不同层数的神经网络的组合。

因此，在确保AI应用性能（néng）的（de）前提下，AI芯片需要尽可能地保持芯片通用性。那么（me）问题（tí）来（lái）了（le）：既（jì）然GPGPU如此强大（dà），能够大小“通吃”，为什么厂（chǎng）商反而顾左右（yòu）而言他（tā）？其（qí）实真正的困难在于GPGPU的技术难度。

硬件角度看，最核心的（de）是指（zhǐ）令集。指令集的覆（fù）盖面、颗（kē）粒度、效（xiào）率等决定一款（kuǎn）芯（xīn）片能否覆盖到（dào）足够（gòu）宽的（de）应用（yòng）市场领域，并对软（ruǎn）件开发（fā）和产品迭代足够友（yǒu）好（hǎo）。无论是（shì）英伟（wěi）达还是（shì）AMD的GPGPU，指令集都在（zài）千条量级，而目前国内的AI芯片指令集大多（duō）数（shù）都（dōu）在百条以内。类（lèi）型与数量（liàng）的（de）差别映射到硬件高效（xiào）实现（xiàn）的复杂（zá）程度（dù），差距是巨大的，在（zài）这方面国内的团队还存在着一（yī）定的差距。另（lìng）一个重（chóng）要方面（miàn）就是基于硬件层的任（rèn）务管（guǎn）理和智能（néng）调度，这可以让芯片从硬件层即（jí）提高算力的利用率（lǜ），也就是（shì）大家常（cháng）说的实际算力。大多数AI芯片的做法是完全依赖于软件层（céng）的调度实现（xiàn），但这种（zhǒng）方（fāng）式（shì）第一增加了软件开发的复（fù）杂（zá）度，第二降低了硬件算力的利用（yòng）率，第（dì）三减缓了软件栈迭代更新的速（sù）度，这在AI领域，面向算（suàn）法模型、开发环境（jìng）、应用场（chǎng）景加速更新（xīn）的大背景下无疑大大增加了产品落地与工程化的（de）难（nán）度。

在软件方面，毫无疑（yí）问，最重要的必然是开发（fā）生态，GPGPU通过（guò）英伟达十多年的（de）耕（gēng）耘，已经建立起（qǐ）了一个超过（guò）160万开发用户（hù）的庞大而成熟的（de）生态-CUDA。AI芯片（piàn）则（zé）需（xū）要搭建全（quán）新的生态，它会带来两个维（wéi）度（dù）显著的（de）问（wèn）题，第一个（gè）维度（dù）是（shì）客户端，客（kè）户需要冗长的（de）适配期，从原有的开发环（huán）境切换（huàn）到新的（de）软件生态，这不仅带（dài）来了资源投入，推迟了业务部署时间（jiān）窗口，增（zēng）加了业务的（de）不确（què）定（dìng）性，更（gèng）严重的（de）是不利于保护已有（yǒu）的软件投资，软件的很（hěn）多部分都（dōu）要重新（xīn）来写（xiě）并适配，这对企业级用户来讲恰（qià）恰是非常敏感与慎重的（de）事情。另一个维度是产品开发端（duān），从底层芯（xīn）片与系（xì）统（tǒng）软（ruǎn）件，跳过CUDA层去直接支持开发框架，必（bì）然带来巨大的软件投入，不停（tíng）得追赶现有框架的新版本，以及（jí）生态巨（jù）头的新框（kuàng）架（jià），这（zhè）在（zài）底层软件人员缺乏（fá）的背景下矛盾显得尤其突出。

本文在（zài）一开头就提（tí）出了（le）一个貌似（sì）针（zhēn）对产品的问题，而事实（shí）上，这还是一个关于市（shì）场的（de）问（wèn）题（tí）。能否成为爆款，一方面要看产品（pǐn），另一方面还（hái）需要看市场需求。数据显（xiǎn）示，2018年（nián）中国AI芯片市场依然保持增长，整（zhěng）体市场（chǎng）规模达到80.8亿元，同比增长50.2%。且目前依然以（yǐ）云端（duān）训练芯片为（wéi）主。2018年（nián）中国云端训练芯片（piàn）市场份（fèn）额达到（dào）51.3%。巨大的市（shì）场前景，也引来各方诸侯前来抢夺。

除了一骑绝（jué）尘（chén）的英伟达，其他（tā）老牌的芯片巨头都没闲着，特别是Intel也在（zài）加紧布（bù）局通用GPU。英特尔眼馋GPU路人皆知，其背后（hòu）是一段辛酸史（shǐ）——从开始对GPU的不屑，到基于（yú）自家的x86架构开发独立显（xiǎn）卡，英特尔折腾了（le）十年之（zhī）久仍然没做出来（lái）一款像样（yàng）的GPU。近两年传（chuán）出（chū）消（xiāo）息英特尔（ěr）将在今（jīn）年推出首款（kuǎn）独立（lì）GPU，这恐怕要得益于英特尔的重金挖人——原AMD RTG显卡部门负责（zé）人Raja、Zen架构的功勋领袖Jim Keller、显卡（kǎ）技术市场总监（jiān）Damien Triolet这（zhè）几位（wèi）大（dà）神都（dōu）在2018年被英特尔招入（rù）麾（huī）下。

而在（zài）国内，一家名（míng）为“天数智芯”的公司也宣布将在今年发布GPGPU芯片。这家公司（sī）目（mù）前围绕GPGPU的系统研发已聚集了一支百余人的（de）技（jì）术团队，其中不乏AMD在美（měi）国和上海（hǎi）做 GPU的核心团队成员（yuán）、行（háng）业经（jīng）验（yàn）超20年的世界（jiè）级技术（shù）专家。

从产业发展规（guī）律来看，在过去两（liǎng）年之内AI芯片将持续（xù）火热，大家扎（zhā）堆进入；但是到了2020年（nián）前后，则将会出现一批（pī）出局（jú）者（zhě），行业洗牌开始。由于（yú）目前AI算法还在不（bú）断演进汇总的过程中，最终的（de）成功与否则将（jiāng）取决于各家技（jì）术路径的（de）选择和（hé）产品落地的速度。

目前人工智能（néng）已经发（fā）展到了新（xīn）的阶（jiē）段（duàn），呈现出专业性、专用（yòng）性和普惠性的特（tè）点。2020年AI人工智能芯片（piàn）的第一（yī）个“爆款”会花落谁家呢（ne）？让我们拭（shì）目以待（dài）。