晶片戰爭全球打響，華為入場決鬥蘋果谷歌微軟，BAT會跟進嗎
文章推薦指數： 80 %
知識結構
· AI晶片軍備賽：網際網路巨頭、傳統晶片廠商、中國代表隊、創業公司紛紛登場
· 應用案例：得晶片者得天下：CPU/GPU/TPU爭的是啥
· 晶片發展四階段：通用、基於FPGA 的半定製、定製、類人腦
近日，華為在官方微博放出一張海報，主題文案是「AI不止是語音助手」。
在日前的華為上半年業績發布會上，華為消費者業務CEO余承東不僅公布了華為手機上半年的出貨量7301萬部，更透露華為將在今年9月發布自研的人工智慧晶片。
這款由華為海思製造的晶片將會集CPU、GPU和AI功能於一體，並在其未來的產品使用自家的晶片產品。
這也意味著又一個巨頭正式殺入了人工智慧晶片領域。
事實上，華為是AI晶片全球軍備競賽中的唯一一家中國企業。
就在不久前，微軟也剛剛對外宣布：其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。
5月底，谷歌攜阿法狗橫掃柯傑之時，順勢推出其用於阿法狗的二代AI架構晶片TPU2，還因此發布論文顯示TPU的速度比現行的CPU\GPU高30倍；
爭鋒相對的，特斯拉的晶片供應方，GPU巨頭英偉達CEO黃仁勛則在其隨後的年度開發大會上稱：谷歌的TPU太僵化，英特爾的FPGAs太耗能。
可見，在小小的晶片領域，曾經被英特爾和高通主導的世界正在被人工智慧、數據分析、大數據和新的計算任務打破，網際網路巨頭們湧入都想分一杯羹。
AI軍備賽，各代表團選手先後入場
英特爾的CPU、英偉達的GPU、谷歌的TPU，他們的區別是什麼呢？
簡單理解，CPU是一個大學生，會一些專業技能（比如說遊戲辦公等日常任務）；GPU是一個高中生，課本知識學很好（比如說圖像識別）；TPU則是小學生，只知道1+1=2。
CPU可以完成不同的任務，但在功耗成本一定情況下，計算能力很難再提升了；TPU很「白痴」，但功耗更低，並行更多，GPU介乎兩者之間。
簡單說來，就是一個公司有錢請30個大學生或者3萬個小學生，要這麼分配就看你的需求。
那AI需要什麼？
實際上，現在業界都認可，AI實際上就是暴力計算，需要的是海量計算，就是簡單的訓練與推理，不斷優化從A點到B點的路線。
這相當於算30萬題1+1，30萬個小學生速度肯定比30個精算師快。
不管是智能駕駛還是人臉識別，這些技術的實現都有賴於背後功能更強、體積更小、功耗更低的小小晶片。
而能否發展出具有超高運算能力且符合市場的晶片則才是最關鍵的一役。
這是為什麼巨頭紛紛布局AI晶片領域的原因。
目前場上局勢：
（詳細情況，請拉到文末。
）
畢竟Google和微軟都曾以發明創新的軟體發家壯大，但是這些軟體使用的晶片的設計開發卻都是出於他人之手。
近幾年，Apple也一直在為其移動設備開發設計處理器。
外界廣泛認為，Apple也正在研發新的晶片來，讓未來的iPhone在人工智慧方面表現得更出彩，雖然APPLE一直沒有承認這點。
蘋果、微軟和谷歌正在開發自主的處理器產品，處理人工智慧和其他計算任務。
它們的目標是讓人工智慧算法可以不藉助雲計算平台運行，顯然這一系列舉動是為了抗衡傳統晶片製造巨頭Intel、NVIDIA等的布局。
當然，傳統晶片製造商也不會坐以待斃。
作為全球最大晶片製造商，Intel去年夏天就收購了一家名為Nervana的AI晶片創業公司，目前正基於公司技術研發一款專門針對深度學習的晶片。
Intel擁有世界上最複雜和最昂貴的晶片製作業務。
但是，新一批正在崛起的人們則表示他們並不畏懼。
原因之一是他們不必拘泥於已有晶片生態系統，受到最初為其他目的而開發的軟體的限制。
領先公司（例如英特爾）的主導地位可能會被削弱。
ARM正在關注數據中心市場。
曾經的挑戰者，例如AMD，正試圖通過GPU產品實現復興。
但GPU行業的領導者是英偉達。
物聯網也值得關注，這個市場的發展趨勢有利於高通。
眾多的創業公司也在研發著自家的深度學習晶片，比如前GoogleTPU項目的工程師所創辦的Groq。
「Intel和NVIDIA這些公司，還在努力推銷著那些過去在售的產品，」半導體行業分析公司LinleyGroup的創始人Linley Gwennap說，「但我們已經看到，跑的更快的會是這些領先的雲計算公司和創業公司，因為他們是最了解自己的數據中心和更廣泛市場上的需求的人。
」
「我們的任務更簡單，因為我們只需努力做好一件事，並且可以從頭開始進行開發研究就好了。
」英國專門從事AI晶片開發的初創公司Graphcore的CEO Nigel Toon說。
上周他們剛剛宣布獲得了包括DeepMind CEODemise Hassabis在內的3000萬美元融資，該輪融資中還有數位來自OpenAI的領導人。
AI軍備賽里，得晶片得天下？！
AI的軍備競賽里，三個基本方向，數據、算法、運算能力。
在前兩者，中國企業都很有優勢。
然而，在運算能力，主要就是看晶片和雲計算上。
晶片上看，中國顯然優勢不大，雖然中科院推出了寒武紀，但目前來說使用場景的落地並不明顯。
眾多巨頭也都意識到，人工智慧晶片其作為人工智慧的上游產業將走在行業發展前沿，也將成為未來智能時代的制高點。
事實上，如今各大科技公司對於人工智慧的爭奪戰已經進入到白熱化階段。
先有CPU晶片巨頭因特爾年內三次大手筆收購人工智慧和GPU領域企業；後有蘋果測試自主研發的用於新一代iPhone智慧型手機的人工智慧晶片處理器；與此同時，谷歌也在研發第二代人工智慧晶片。
儘管目前英偉達仍然保持著絕對的領先，但眾多科技巨頭的悉數登場使得人工智慧晶片戰局愈發撲朔迷離。
根據國際知名專利檢索公司QUESTEL發布的《晶片行業專利分析及專利組合質量評估》報告指出：中國近10年晶片專利增長驚人，已成為晶片專利申請第一大國。
目前，中國企業在晶片專利數量上已逐步趕上國外老牌企業，而眾多國內企業也在加速發展自主人工智慧晶片，在智能家居等其他應用場景中，類似的技術合作都在不斷推進。
以中科院團隊為班底的寒武紀科技則研製成功了國際首個深度學習專用處理器晶片，顯著提升了人工智慧領域的運算效能；
但是，儘管國內企業在政策支持下深化技術合作或能推動競爭力加速提升，可國產人工智慧晶片的整體競爭力仍然滯後。
無論設計還是製造，與國際先進水平相比都存在非常大的差距。
AI晶片發展何處去？
目前人工智慧晶片涵蓋了四個階段：通用晶片、基於FPGA的半定製、針對深度學習算法的全定製、類腦計算晶片。
在樵夫看來，類腦計算晶片才是大勢所驅。
通用晶片可以避免專門研發定製晶片的高投入和高風險，但是，由於這類通用晶片設計初衷並非專門針對深度學習，因而，天然存在性能、功耗等方面的瓶頸。
隨著人工智慧應用規模的擴大，這類問題將日益突出。
人工智慧時代新計算的強大需求，正在催生出新的專用計算晶片。
值得關注的是那些聲音還沒有壯大的定製晶片（TPU、寒武紀、Tesla P100 GPU）和類腦晶片(TrueNorth)。
• 通用晶片的面臨瓶頸：
使用這類已有的通用晶片可以避免專門研發定製晶片的高投入和高風險，但是，由於這類通用晶片設計初衷並非專門針對深度學習，因而，天然存在性能、功耗等方面的瓶頸。
隨著人工智慧應用規模的擴大，這類問題將日益突出。
• 定製晶片的性能提升非常明顯：
1、定製晶片的性能提升非常明顯，這種性能的飛速提升對於人工智慧的發展意義重大；
2、人工智慧時代的市場空間將不僅僅局限於計算機、手機等傳統計算平台，核心晶片需求量將數十倍於智慧型手機下游需求量；
3、通過算法切入人工智慧領域的公司希望通過晶片化、產品化來盈利。
舉個栗子：NVIDIA 首款專門為深度學習從零開始設計的晶片Tesla P100 數據處理速度是其2014 年推出GPU 系列的12 倍。
谷歌為機器學習定製的晶片TPU 將硬體性能提升至相當於按照摩爾定律發展7 年後的水平。
• 類腦晶片緊密開發
人機世紀之戰之後不久，IBM曝出已經研發出一款可以像大腦一樣工作的計算機晶片TrueNorth(真北)。
不過已經在探索人工神經元了，但是以現在的計算能力，還無法完全模擬大腦運行。
人工智慧的市場空間將不僅僅局限於計算機、手機等傳統計算平台，從無人駕駛汽車、無人機再到智能家居的各類家電，至少數十倍於智慧型手機體量的設備需要引入感知交互能力，相信下游需求量足夠攤薄定製晶片投入的成本。
附：
代表方陣
科技巨頭
Google：已於2016年宣布了其深度學習晶片的研發。
其TPU正是為了支持公司雲內部更高效地進行深度學習運算。
今年，Google宣布其已經開發了更強力版本的TPU，並且將向公司雲計算業務的客戶出租該晶片的使用權。
微軟：也剛剛對外宣布：其將打造人工智慧晶片並用於全新的HololensAR設備。
這是微軟首次自主研發用於移動設備的晶片。
Apple：也一直在為其移動設備開發設計處理器。
外界廣泛認為，Apple也正在研發新的晶片來，讓未來的iPhone在人工智慧方面表現得更出彩。
富士通：2016年推出以人為本的AI Zinrai系統，宣布新的AI服務。
富士通在過去幾年一直致力於研發DLU處理器，於6月在國際超級計算機大會上展示了組件的更多細節。
富士通表示，計劃於2018年初發布DLU處理器，將其作為協處理器集成到CPU中。
這是富士通為其立足於快速發展的AI領域所做出的努力。
傳統晶片大佬
英特爾：英特爾最有名的產品是CPU，但該公司通過收購FPGA（介於TPU與GPU的一種架構）生產商Altera也進軍了可編程邏輯晶片領域。
這種晶片可以用於人工智慧和其他創新的計算任務。
英偉達：大數據和人工智慧任務，以及高性能計算和數據分析正繼續圍繞GPU發展。
這樣的趨勢使得英偉達成為了行業關鍵的參與者。
高通：處境艱難，該公司的授權模式引發了蘋果和其他公司的訴訟。
AMD：可以被視為抗衡英特爾和高通的力量。
數據中心希望有第二家供應商崛起，擺在AMD面前的，是穩定的需求。
ARM：因移動晶片而成名，但也有可能在伺服器市場帶來威脅。
ARM為大部分移動處理器提供智慧財產權，在物聯網的發展過程中也可能成為關鍵的參與者。
中國勢力
華為
阿里：NASA計劃。
面向機器學習、晶片、IoT、作業系統、生物識別這些核心技術，我們將組建嶄新的團隊。
百度：聯合硬體廠商推出DuerOS智慧晶片，該晶片成本低廉，可以以晶片嵌入的形式放到任何硬體中，能夠更加快速而廣泛地應用到更多場景。
創業公司
前GoogleTPU項目的工程師所創辦的Groq
英國專門從事AI晶片開發的初創公司Graphcore
