谷歌、蘋果、華為、英特爾、三星等巨頭為何都在發力自研AI晶片？

晶片是指內含集成電路的矽片，承擔運算和存儲等功能。

人工智慧的是核心是機器學習，機器學習是利用算法來解析海量數據，不斷學習，從而做出決策和預測。

現今數據量已不是問題，關鍵看運算速度，這對傳統架構和系統都提出了極大挑戰。

所以，人工智慧必須在晶片上有所突破。

普通晶片可以比作瑞士軍刀，功能通用，但是如果用於切菜，其效率遠遠低於專業的刀具。

如果用於開紅酒，效率又遠遠低於專業的開酒器。

所以術業有專攻，人工智慧也需要有專用的晶片，甚至可以說核心晶片是人工智慧時代的戰略制高點。

GPU又稱為視覺處理器或顯示晶片，它以海量數據並行運算能力，成為當前主流的人工智慧晶片。

GPU是被最先引入到深度學習中的晶片。

深度學習是機器學習的一種方法，其動機在於建立、模擬人腦進行分析學習的神經網絡，可以模仿人腦的機制來解釋數據。

近年來，這種方法已應用於許多領域，例如人臉識別、語音識別等，這是人工智慧領域的熱點研究方向。

早在2011年，谷歌通過實驗證明12個GPU可達到相當於2000個CPU的深度學習性能。

後來多家研究機構都基於GPU來加速其深度學習神經網絡。

然而，近幾年人工智慧技術飛速發展，GPU也逐漸顯露其局限性，即無法充分發揮並行計算優勢，硬體結構固定不具備可編程性，運行深度學習算法能效不足等。

對於絕大多數人工智慧需求方來說，基於通用處理器的傳統計算機成本高、功耗高、體積大、速度慢，難以接受。

與傳統的4核晶片相比，在處理同樣的人工智慧應用任務時，華為剛剛推出的麒麟970內置神經元網絡單元（NPU），擁有大約50倍能效和25倍性能優勢。

目前，市場上用於公開銷售的人工智慧晶片非常少，全球不超過10家，而且像谷歌、亞馬遜這些行業巨頭，他們研發的晶片一般不會對外銷售。

全球GPU行業市場份額超過70%被NVIDIA公司占據，其他則是AMD、Intel、 ARM等，NVIDIA基本處於壟斷優勢。

NVIDIA的人工智慧晶片已經算是比較頂級的了，但其主要開發的還是通用性晶片。

在特定領域為了與人工智慧軟體更好的協調配合，進一步提升人工智慧的性能效率，必須對晶片做很多定製優化，這也是越來越多的企業選擇自研晶片的最重要的原因。

晶片走向定製化，以滿足AI軟體的需求，在行業中已經變成一股新的大趨勢。

【谷歌】近幾年，谷歌的戰略目標主要是人工智慧和雲計算。

去年穀歌推出第二代專注於人工智慧的TPU（張量）處理器。

這是谷歌自主研發的一種專為AI運算服務的高性能處理器，可提供驚人的128萬億次浮點運算，第二代晶片針對機器學習的訓練速度比現在市場上的圖形晶片（GPU）節省一半時間。

這無疑威脅到英特爾、英偉達這些行業主要晶片供應商的市場地位。

【英特爾】2017年英特爾開發了一種自我學習的神經形態晶片，即Loihi測試晶片。

這款極其節能的晶片可以從環境中學習，並應用於一系列「人工智慧密集型」應用。

與卷積神經網絡和深度學習神經網絡等技術相比，英特爾Loihi測試晶片在同一任務上使用的資源更少。

這種測試晶片的自我學習能力有很大的潛力來改進汽車和工業應用，以及個人機器人。

此外，英特爾還巨資收購了深度學習創業公司Nervana，其高性能視覺處理晶片將補足英特爾在移動端AI晶片的缺失。

【蘋果】蘋果為iPhone8、iPhone X系列搭載的A11仿生處理器集成了一個每秒運算次數最高可達 6000 億次的神經網絡引擎，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。

該晶片可以使 Face ID 身份認證功能能夠快速識別人臉，從而解鎖 iPhone X 或進行購物。

它可以大大降低主晶片的工作量，從而提高電池壽命。

【華為】Mate10是華為首款採用其人工智慧晶片麒麟970的手機，麒麟970晶片採用了TSMC 10nm工藝，在指甲大小的晶片上，集成了55億個電晶體，其中包含8核CPU、12核GPU、雙ISP以及創新的HiAI移動計算架構，集成NPU（神經網絡單元）專用硬體處理單元。

NPU新架構讓華為的晶片在處理同樣的AI任務時，得到了50倍能效和25倍性能提升，華為Mate10拍攝1000張照片僅僅消耗手機0.19%的電量。

【微軟】2017年微軟在夏威夷的火魯奴奴宣布將打造人工智慧晶片並用於全新的Hololens AR設備。

這是微軟首次自主研發用於移動設備的晶片。

憑藉人工智慧晶片，微軟也在對晶片產業鏈進行全面的戰略布局，最近幾年，微軟都在不斷地進行著晶片研發。

微軟曾同時使用上萬個晶片，在0.1秒的時間內，將英語維基百科500萬篇文章的30億個單詞翻譯成西班牙語，展示了微軟晶片處理器的實力。

【三星】據了解，三星幾乎已經完成人工智慧晶片的開發，這種晶片可幫助提高伺服器和移動設備的人工智慧軟體處理能力。

2017年下半年，三星才開始著手開發這類晶片。

三星一直在加大研發力度，包括與國內外一流大學的外部專業人士合作開發NPU。

三星正在與大約20位教授和近100名研究人員在首爾國立大學、浦項科技大學和凱思科技大學進行各種人工智慧項目。

據學術界稱，三星每年為每所大學提供約合280萬美元的計劃，為期3年。

蘋果聲稱其NPU運算能力在600千兆每秒（GOPS），而華為稱其NPU運算可達4萬億次每秒（TOPS）。

據估計，三星目前的情況與之類似或略高。

研究機構Tractica LLC估計，由於深度學習項目產生的硬體花費，將從2015年的4360萬美元上升到2024年的41億美元，企業的相關軟體花費將同期從1.09億美元上升到100億美元。

這一龐大的數據，吸引著越來越多的企業加入人工智慧的戰場，而專用於人工智慧的晶片市場也將呈現出越來越大的需求趨勢和多樣化。