AI晶片與海量數據，如何實現未來場景「殺手級」應用？

阿里巴巴收購中天微、大唐與高通合資成立晶片企業、寒武紀發布國內首個雲端AI晶片……中興風波之後，不僅讓中國通訊行業的技術困境浮出水面，更引發了大家對「中國晶片」的關注，任何關於半導體晶片的消息，立馬就能激起人們敏感的神經。

我國是全球晶片消費大國，占全球晶片總需求量的50%，但在其國產晶片自給率不足三成，這與在《中國製造2025》提出的「到2020年，國產晶片達到50%的自給率」仍有很大差距。

AI晶片：AI時代的彎道超車？

晶片所屬的集成電路產業是網絡時代的硬體基礎。

中國目前在中低端晶片領域，部分企業已經具備了一定的技術及產品基礎（大唐與高通的合資公司同樣定位於中低端市場領域），但是在處理器、存儲器等高端晶片領域，國內晶片產品基本不存在競爭優勢。

以處理器晶片為例，低端處理器晶片與高端晶片在數據處理速度、功耗、時延等方面有著顯著的性能差距，高端晶片的優勢在於更加穩定、更加精準地輸出電流電壓等模擬信號，且晶片壽命更長，能夠保證晶片穩定性以及流片良率，而部分國產晶片在穩定性、精準性等方面仍存在一定的差距。

此時，AI晶片的出現或為我國集成電路產業提供了一個彎道超車的機會。

AI晶片是未來人工智慧時代基礎，掌控核心晶片架構不僅是取得行業的先發優勢，對於掌握全新計算時代主導權更具重要意義。

在工信部正式印發的《促進新一代人工智慧產業發展三年行動計劃(2018-2020年)》中，著重強調了在智能傳感器、神經網絡晶片、開源開放平台幾個領域率先取得突破。

全球範圍內，隨著科技巨頭紛紛加速人工智慧核心晶片研發，從晶片器件、計算設備、程序平台到大數據、功能層、應用端等，AI晶片產業生態逐漸清晰。

谷歌、Facebook、亞馬遜、蘋果等網際網路企業以垂直領域場景應用（如自動駕駛）模式介入；英特爾、高通、英偉達等晶片龍頭則以整合晶片、計算以及部分軟體程序為策略，扮演硬體設施平台供應商的角色；部分終端品牌公司，包括國內智慧型手機廠商，如華為、小米等則希望AI成為終端設備供應商……

△全球AI晶片公司排名top15

但在調研公司Compass Intelligence對全球100多家AI晶片企業就供應商指標、產品和客戶指標、創新水平等方面能力進行的排名中，不僅前十名中並沒有中國大陸企業，且榜單僅有三家大陸企業上榜：華為（海思）第12名，寒武紀第22名，地平線第24。

國內AI晶片廠商，既要面對與國際巨頭競爭AI晶片雲端市場的艱難，更有AI晶片終端市場細分化、碎片化、缺少殺手級應用等問題的挑戰，國產AI晶片欲彎道超車，任重道遠。

AI晶片領域的四大商業場景應用

隨著人工智慧晶片領域的戰爭越來越激烈，除了技術層面的突破，還要拼搶占到更多的應用場景。

在目前AI晶片行業應用中，有四個最為火熱的商業場景，分別為自動駕駛汽車、家居及電子消費領域、安防監控、以及雲計算。

• 自動駕駛汽車領域

AI晶片正在成為自動駕駛計算平台的核心剛需部分。

目前英特爾收購了Movidius推出Myriad X、高通收購NXP、地平線發布的兩款AI處理器征程（Journey）和旭日（Sunrise）、四維圖新宣布國產首顆 ADAS(先進駕駛輔助系統)晶片量產……隨著自動駕駛落地應用的逐步推進，該領域正在成為AI晶片的又一大發力核心市場。

• 家居及電子消費領域

在家居及消費電子領域，蘋果iPhone X、華為Mate 10、Mate 10 Pro等高科技手機均採用了AI晶片。

蘋果自研的A11 Bionic（仿生）晶片，搭載了64位ARMv8-A架構的6核CPU及蘋果自研的3核GPU，每秒運算次數最高可達6000億次，相當於0.6TFlops；華為發布了世界首款手機AI晶片麒麟970，其中晶片中搭載的專門用於處理AI的NPU（神經網絡處理單元）模塊技術來源於寒武紀……

• 安防監控領域

目前，AI+安防業務的使用場景多為國家公安投資項目，產品需求精準疊代。

領域已有海康和大華兩大巨頭，在2017年，海康和大華兩家便占據了43%的市場份額，營收過百億，凈利在十億以上。

在其他創業者還在摸索AI安防的經營之道時，海康、大華已先人一步，進行「AI +安防」的戰略部署。

• 雲計算領域

在雲計算方面，各種網際網路AI能力，比如在線翻譯、人證比對、圖片搜索等，背後都有雲AI晶片在提供算力。

如，寒武紀最新雲端AI晶片MLU100 不僅可獨立完成各種複雜的雲端智能任務，並可與寒武紀 1A/1H/1M 系列終端處理器完美適配，讓終端和雲端在統一的智能生態基礎上協同完成複雜的智能處理任務……

隨著「人工智慧」被寫入今年的《政府工作報告》，新一代人工智慧科技在醫療、養老、教育、文化和體育等眾多領域的應用和落地都離不開對AI晶片的需求，同時，數據作為AI科技的燃料，海量數據支撐下的合理有效的數據集訓練將成為在自動駕駛、智慧醫療、智能安防等AI落地場景中的重要計算基礎。

AI晶片與海量數據，正在改變未來。