最強晶片空降？和它相比，我們還差了100個華為！

過去一年，隨著AI在各個行業的不斷落地，行業痛點逐漸被發現，AI晶片的發展路徑漸趨明朗。

各業界精英在GPU上持續發力，不斷推出全新的產品。

新產品在計算能力提升的同時，其晶片面積也已經屢創新高，甚至逼近了製程和成本的平衡極限。

英偉達：占全球AI晶片50%以上市場份額

英偉達一直致力於設計各種GPU：針對個人和遊戲玩家的GeForce系列，針對專業工作站的Quadro系列，以及針對伺服器和高性能運算的Tesla系列。

英偉達占據了全球AI晶片市場的50%以上份額，旗下產品線遍布自動駕駛汽車、高性能計算、機器人、醫療保健、雲計算、遊戲視頻等眾多領域。

由於在AI領域的一家獨大，英偉達的股價在過去一年的時間裡狂漲了300%。

2017年，從遊戲、數據中心到人工智慧，市場對英偉達晶片的需求一路上升。

英特爾：專注計算機視覺晶片VPU

英特爾作為傳統PC晶片的老大，也在積極向PC以外的市場轉型。

在AI晶片方面，英特爾專注於計算機視覺優化方面的VPU（Vision Processing Unit）。

為了加強在人工智慧晶片領域的實力，英特爾以 167 億美元收購 FPGA 生產商 Altera ，以 153 億美元收購自動駕駛技術公司 Mobileye，以及機器視覺公司 Movidius和為自動駕駛汽車晶片提供安全工具的公司Yogitech。

IBM：啟動類人腦晶片的研發

IBM很早以前就發布過watson，早就投入了很多的實際應用中去。

除此之外，還啟動了對類人腦晶片的研發，那就是TrueNorth。

TrueNorth是IBM參與DARPA的研究項目SyNapse的最新成果。

SyNapse全稱是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自適應可塑可伸縮電子神經系統，而SyNapse正好是突觸的意思），其終極目標是開發出打破馮?諾依曼體系的硬體。

谷歌：為機器學習應用而設計的專用晶片TPU

Google在2016年宣布獨立開發一種名為TPU的全新的處理系統。

在2016年3月打敗了李世石和2017年5月打敗了柯傑的的阿爾法狗，就是採用了谷歌的TPU系列晶片。

TPU是專門為機器學習應用而設計的專用晶片。

通過降低晶片的計算精度，減少實現每個計算操作所需的電晶體數量，從而能讓晶片的每秒運行的操作個數更高，這樣經過精細調優的機器學習模型就能在晶片上運行得更快，加深了人工智慧在學習和推理方面的能力，進而更快地讓用戶得到更智能的結果。

谷歌也正在將自己的雲端AI轉為客戶端的本地AI，這次谷歌推出的Edge TPU就是如此，它是TPU的簡化版本，針對物聯網，相比雲端，能更快的收到傳感器數據，從而進行AI處理。

技術細節上，Edge TPU是專門設計的ASIC晶片，用於運行ensorFlow Lite ML模型，它的能耗比非常高，大小也非常小，比一枚硬幣要小很多。

蘋果：神經網絡引擎提升蘋果手機性能

在iPhone 8和iPhone X的發布會上，蘋果明確表示其中所使用的A11處理器集成了一個專用於機器學習的硬體——「神經網絡引擎（Neural Engine）」，每秒運算次數最高可達6000億次。

這塊晶片將能夠改進蘋果設備在處理需要人工智慧的任務時的表現，比如面部識別和語音識別等。

AMD：重回伺服器市場

AMD首先挑戰的是x86伺服器市場，試圖在這個領域尋找立足點。

AMD在去年6月正式推出全線的超智能伺服器處理器產品——EPYC（霄龍）。

時隔兩個月，AMD又將全套EPYC 7000系列數據中心處理器家族帶到中國。

值得注意的是包括騰訊、京東、百度、聯想、曙光等十餘家產業鏈合作夥伴帶著產品和合作成果為AMD回歸伺服器的中國站活動見證，可見中國市場將是AMD復興之路的一個重要陣地。

另外，去年12月，相爭50多年的Intel和AMD宣布將聯手推出一款結合英特爾處理器和AMD圖形單元的筆記本電腦晶片，一時間業內譁然。

Intel和AMD的合作或許會對Nvida產生一些影響。

ARM：讓平民也能用上人工智慧

ARM曾在去年推出了一套全新晶片架構技術DynamIQ，這套IP套件可以與其無縫集成。

DynamIQ不僅採用了新的指令集，專門針對人工智慧進行了優化；而且同時可容納8個核，並且提高了晶片架構的靈活性，支持大小核的靈活配置。

今年又推出了一套全新的Mali多媒體IP套件，適用於手機、平板、電視等晶片。

這套全新的Mali多媒體IP套件中包括Mali-G52 GPU、Mali-G31 GPU、Mali-D51顯示處理器、Mali-V52視頻處理器，其中Mali-G52 GPU將機器學習方面性能提高了3.6倍、Mali-G31則是ARM最小的處理器，能夠為中低端智能設備帶來人工智慧能力。

高通：力推深度學習的移動設備晶片

在智慧型手機晶片占據絕對優勢的高通也在人工智慧方面積極布局。

據高通提供的資料顯示，其在人工智慧方面已投資了Clarifai公司和中國「專注於物聯網人工智慧服務」的雲知聲。

而早在2015年CES上，高通推出了一款搭載驍龍SoC的飛行機器人——Snapdragon Cargo。

高通認為在工業、農業的監測以及航拍對拍照、攝像以及視頻新需求上，公司恰好可以發揮其在計算機視覺領域的能力。

此外，高通的額驍龍820晶片也被應用於VR頭盔中。

事實上，高通已經在研發能在本地完成深度學習的移動設備晶片。

三星：三年內自家智慧型手機都採用人工智慧晶片

2017年，華為海思推出了麒麟970晶片，據知情人士透露，為了對標華為，三星已經研發了許多種類的人工智慧晶片。

三星計劃在未來三年內自家智慧型手機中都採用人工智慧晶片，並且他們還將為人工智慧設備建立新的組件業務。

三星還投資了Graphcore、深鑒科技等人工智慧晶片企業。

未來五年，我們預計AI晶片市場的規模有接近10倍的增長，2022年將達到352億美元。

在訓練晶片方面，我們繼續看好Nvidia利用CUDA+GPU構建的生態環境優勢，以Google TPU為代表的xPU很難撼動其壟斷地位。

隨著終端細分場景落地，推斷晶片的發展出現專業化趨勢，為現有及初創公司提供巨大發展空間。