2017年全球AI晶片公司大盤點

2017年，我們被AI公司的融資信息一次次刷屏，從2千萬到1億美金，讓我驚詫道，AI的黃金年代真的來了嗎？接下來讓我們一起回顧一下2016-2017年AI晶片公司融資概況。

部分來源深圳灣

2016年8月，Nervana Systems 以4.08 億美元被英特爾收購。

公司曾計劃在 2016 年年底推出一款名為Nervana Engine的晶片，號稱加速深度學習比英偉達最強GPU快十倍。

2016年11月，Barefoot Networks宣布獲得2300萬美元C輪融資，由阿里巴巴和騰訊領投。

在去年6月，Barefoot 還獲得了由谷歌和丹華資本等投資的5700萬美元融資。

Barefoot Networks開發了世界上第一個可編程晶片，這種名為Tofino的晶片比現在市場上任何其他晶片快兩倍，以每秒6.5兆的速度處理網絡數據包。

2017年3月15日，雲天勵飛宣布獲得數千萬美元的A輪融資，投資方包括山水從容傳媒投資有限公司、松禾資本、深投控、投控東海、紅秀盈信等多家投資機構。

雲天勵飛主要專注於視覺智能領域。

其主要產品是通過中國第一顆商用化人工智慧晶片，實現視覺識別和大數據分析，即公眾通常理解的「天眼系統」。

2017年5月17日，深鑒科技完成了數千萬美元的 A 輪融資，投資方包括賽靈思（Xilinx）、聯發科（MediaTek）、清華控股、方和資本，原有投資方金沙江創投、高榕資本跟投 。

CEO姚頌曾表示，深鑒科技並不是一家晶片公司，而是一個基於核心DPU平台的行業解決方案提供者。

2017年6月23日，西井科技獲得A輪融資，由復星同浩投資。

此輪融資將用於技術研發。

西井科技是一家開發「類腦人工智慧晶片+算法」的科技公司，其晶片用電路模擬神經，成品有100億規模的仿真神經元。

由於架構特殊，這些晶片計算能力強，可用於基因測序、模擬大腦放電等醫療領域。

2017年7月1日，地平線機器人獲得了新一輪融資，投資方包括雙湖投資、青雲創投和祥峰投資，晨興、高瓴、金沙江、線性資本和真格基金等種子輪投資機構也繼續追加了投資。

該輪融資金額不詳。

這筆投資將用來加大對自動駕駛和智能家居領域的研發投入，加快產品研發和落地速度；推進人工智慧晶片和系統的研發。

2017年8月18日，寒武紀科技宣布已經完成1億美元A輪融資，由國投創業（A輪領投方），阿里巴巴創投、聯想創投、國科投資、中科圖靈、元禾原點（天使輪領投方）、涌鏵投資（天使輪投資方）聯合投資。

A輪融資將用於推動寒武紀系列處理器在終端和雲端的產品化和市場化，促進各類終端設備的智能化，提供高性能低功耗的雲端智能處理解決方案。

這輪融資後，寒武紀科技已經成為全球AI晶片領域第一家獨角獸。

2017年11月，英國晶片製造商Graphcore宣布獲得由紅杉資本領投的5000萬美元C輪融資。

graphore表示其開發的IPU ( intelligence processing units)可以將機器智能培訓的性能提高10倍到100倍。

這家英國公司計劃明年大規模出貨，其晶片將用於無人駕駛汽車和雲計算。

2017年12月，AI晶片初創團隊ThinkForce宣布完成由依圖科技、雲鋒基金、紅杉資本、高瓴資本的4.5億元A輪融資。

公開資料顯示，Think Force——上海熠知電子科技有限公司成立於2017年，由來自晶片設計、算法軟體、系統開發領域的資深專家創立。

公司主要設計融合一流AI算法和先進位成工藝的智能晶片，並以此構建人工智慧硬體平台，提供一站式行業應用解決方案。

......進兩年來，這樣的融資故事不斷發生，借力中外資本的挹注，大陸一批AI晶片創業公司正在快速崛起中。

而中外的AI晶片公司遠不止如此，接下來我們就來盤點一下，國內外進年來大火的AI晶片公司。

國內AI晶片公司

因為蘋果的A11處理器以及華為的麒麟970，「AI晶片」成為了諸多行業的討論熱點，尤其是人工智慧行業。

那麼，國內外究竟有哪些公司在做AI晶片？

寒武紀，是北京中科寒武紀科技有限公司的簡稱。

這家公司有中科院背景，面向深度學習等人工智慧關鍵技術進行專用晶片的研發，可用於雲伺服器和智能終端上的圖像識別、語音識別、人臉識別等應用。

寒武紀深度學習處理器採用的指令集DianNaoYu由中國科學院計算技術研究所陳雲霽、陳天石課題組提出。

模擬實驗表明，採用DianNaoYu指令集的寒武紀深度學習處理器相對於x86指令集的CPU有兩個數量級的性能提升。

目前，寒武紀系列已包含三種原型處理器結構：

• 寒武紀1號（英文名DianNao，面向神經網絡的原型處理器結構）；

• 寒武紀2號（英文名DaDianNao，面向大規模神經網絡）；

• 寒武紀3號（英文名PuDianNao，面向多種機器學習算法）。
  
  

2016年推出的寒武紀1A處理器（Cambricon-1A）是世界首款商用深度學習專用處理器，面向智慧型手機、安防監控、可穿戴設備、無人機和智能駕駛等各類終端設備

中星微在2016年6月20日率先推出中國首款嵌入式神經網絡處理器（NPU）晶片，這是全球首顆具備深度學習人工智慧的嵌入式視頻採集壓縮編碼系統級晶片，取名「星光智能一號」。

這款基於深度學習的晶片運用在人臉識別上，最高能達到98%的準確率，超過人眼的識別率。

該NPU採用了「數據驅動」並行計算的架構，單顆NPU（28nm）能耗僅為400mW，極大地提升了計算能力與功耗的比例。

研發「星光智能一號」耗時三年時間。

中星微集團聚集了北京、廣東、天津、山西、江蘇、青島、矽谷的研發力量，採用了先進的過億門級集成電路設計技術及超亞微米晶片製造工藝，在TSMC成功實現投片量產。

目前「星光智能一號」出貨量主要集中在安防攝像領域，其中包含授權給其他安防攝像廠商部分。

未來將主要向車載攝像頭、無人機航拍、機器人和工業攝像機方面進行推廣和應用。

Horizon Robotics（地平線機器人）由前百度深度學習研究院負責人余凱創辦，致力於打造基於深度神經網絡的人工智慧「大腦」平台-包括軟體和晶片，可以做到低功耗、本地化的解決環境感知、人機互動、決策控制等問題。

其中，軟體方面，地平線做了一套基於神經網絡的OS，已經研發出分別面向自動駕駛的的「雨果」平台和智能家居的「安徒生」平台，並開始逐步落地。

硬體方面，未來地平線機器人還會為這個平台設計一個晶片——NPU（Neural Processing Unit），支撐自家的OS，到那時效能會提升2-3個數量級（100-1000倍）。

地平線的最終產品不止晶片，而是一個核心控制模塊，具有感知、識別、理解、控制的功能。

把這個控制模塊做成產品去跟合作方做集成。

換句話說，地平線提供的是一個帶有人工智慧算法的解決方案。

商業模式上，目前會採取產品、技術加服務的方式，先把產品做出來，得到第一手的用戶體驗，將來再向更寬廣的生態去發展。

地平線並沒有把自己定義為單純的技術提供商，不會單純的賣算法SDK或者單純出售晶片，而是打造技術平台，來幫助用戶把產品做出來。

深鑒科技由清華團隊創辦，其產品稱作「深度學習處理單元」（Deep Processing Unit，DPU），目標是以ASIC級別的功耗，來達到優於GPU的性能，目前第一批產品基於FPGA平台。

從官方提供的數據來看，嵌入式端的產品在性能超過Nvidia TK1 的同時，功耗、售價僅為後者的1/4左右。

伺服器端的產品，性能接近Nvidia K40 GPU ，但功耗只有35瓦左右，售價300美元以下，不足後者的1/10。

深鑒科技著力於打造基於DPU的端到端的深度學習硬體解決方案，除了承載在硬體模塊（訂製的PCB板）上的DPU的晶片架構外，還打造了針對該架構的DPU壓縮編譯工具鏈SDK。

產品的應用領域分為終端和雲端兩類。

其中嵌入式端的產品將主要應用在無人機、安防監控、機器人、AR等領域，目前已經與一家知名無人機廠商建立了合作。

伺服器端的產品將主要面向大型網際網路公司的語音處理、圖像處理等。

目前也已經與國內知名網際網路公司展開合作，在兼容對方現有機房的情況下，功耗降低80%，語音識別的準確率提升了5%-7%。

杭州中天微系統有限公司成立於2001年，總部位於杭州高新區。

是一家致力於32位高性能低功耗嵌入式CPU研發，以晶片架構授權為核心業務的IC設計公司，也是直接與阿里巴巴合作，並獲得阿里巴巴入股投資的一家國產CPU業者。

是當前我國唯一基於自主指令架構研發嵌入式CPU並實現大規模量產的CPU供應商。

2015年，阿里便與杭州中天微系統有限公司進行深度合作，面向物聯網各細分領域開發雲晶片（Yun on Chip）架構。

在雲端一體的框架下研製新一代CPU、SoC平台、軟體支撐環境和作業系統，支持從晶片到雲端的全鏈路安全、低成本接入。

並積極致力於打造產業生態鏈，開發面向全行業的雲晶片產品。

杭州國芯是一家本土的晶片公司，成立於2001年，已經有17年的歷史。

最初杭州國芯主要做數位電視晶片、機頂盒晶片，產品已遍銷全球。

在2016年初，杭州國芯就成立了AI事業部，2017年10月31日，杭州國芯發布了一款面向物聯網市場專用AI晶片GX8010，能夠在本地離線、低功耗、可移動的工作。

GX8010 晶片中內置了杭州國芯自主研發的 gxNPU 神經網絡處理器。

GX8010 作為一款語音 AI 晶片，主要面向智能音箱、智能電視、智能玩具 / 幼教領域。

西井科技成立於2015年5月，是一家開發「類腦人工智慧晶片+算法」的科技公司，其晶片用電路模擬神經，成品有100億規模的仿真神經元。

西井用FPGA模擬神經元以實現SNN的工作方式，其產品命名為Deepsouth，正是和IBM的truenorth成競品。

由於架構特殊，這些晶片計算能力強，可用於基因測序、模擬大腦放電等醫療領域。

西井科技還有一款5000萬個神經元的商用晶片。

除了自我學習外，它的傳統計算能力也極強，能將基因測序從兩周縮短到數個小時。

由於體積小、功耗是同類晶片幾十分之一，其它可攜式醫療設備也可使用這款晶片。

成都啟英泰倫科技有限公司成立於2015年11月，是一家專注於人工智慧晶片設計及配套智能算法引擎開發的公司。

2016年9月，公司推出了全球首款深度神經網絡智能語音識別晶片CI1006。

CI1006晶片集成我公司自主智慧財產權的腦神經網絡處理單元BNPU，也採用了ARM最為先進的MCU 內核Cortex-M4F，形成專用的SoC架構，具備高性能、低功耗、高識別率、低成本等優點，在應用方面，該晶片可以支持本地語音檢測、喚醒，以及數百條離線命令詞條的識別，可應用於智慧家居、智慧照明、智慧汽車、智慧玩具、機器人等領域。

雲天勵飛2014年成立於深圳，是一家專注於視覺人工智慧領域的初創公司。

致力於打造基於視覺晶片、深度學習和大數據技術的「視覺智能加速平台」。

公司已經組建了一支四十多人的晶片團隊自主研發安防廠商急缺的AI晶片，並將於明年生產投片。

通過該晶片實現視覺識別和大數據分析，即公眾通常理解的「天眼系統」。

Think Force——上海熠知電子科技有限公司成立於2017年，由來自晶片設計、算法軟體、系統開發領域的資深專家創立。

公司主要設計融合一流AI算法和先進位成工藝的智能晶片，並以此構建人工智慧硬體平台，提供一站式行業應用解決方案。

據介紹，ThinkForce計劃推出的AI晶片基於業界先進的半導體製程工藝，採用自主研發的微內核ManyCore架構，能完成AI雲虛擬化調度在晶片級的實現，此架構將AI雲的彈性計算和調度提升一個量級，類似CPU的虛擬化給雲計算的彈性調度帶來成倍的成本節約。

同時，該技術結合自主研發的固件和TFDL軟體SDK能夠實現對於各類神經網絡模型的計算加速，相對於Nvidia主流計算卡能實現5倍以上的功耗和成本節省。

比特大陸成立於2013年，是一家專注於高速、低功耗定製晶片設計研發的科技公司，擁有低功耗高性能的16nm工藝集成電路的量產經驗，成功設計量產了多款ASIC定製晶片和集成系統。

在2017世界人工智慧大會上重磅發布了面向人工智慧應用的專用定製晶片Sophon BM1680，深度學習加速卡SC1和SC1+以及智能視頻分析伺服器SS1，正式進軍人工智慧行業。

百度聯合硬體廠商推出DuerOS智慧晶片，可以視作百度在人工智慧與硬體設備一體化方面的新探索。

DuerOS智慧晶片擁有低成本晶片和模組，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。

可以看出，百度在利用「算法+晶片」的組合實現人工智慧產業化落地。

除百度外，騰訊和阿里也加入戰局，近期均推出了FPGA雲解決方案，華為也在做雲計算的架構和方式研究。

盤點國外AI晶片公司

由於中國在生產高端晶片方面落後於美國的半導體產業，大多數人工智慧晶片是由美國公司開發的，中國在人工智慧晶片領域要趕超美國還需要相當長時間，所以美國為首的AI晶片公司更是出現井噴之勢。

在雲端伺服器這個領域，Nvidia的GPU已經成為伺服器不可或缺的一部分，稱其為領跑者毫不為過。

有報告顯示，世界上目前約有3000多家AI初創公司，大部分都採用了Nvidia提供的硬體平台。

在GPU方面，Nvidia有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。

隨著AI的發展，NVIDIA在AI應用方面不斷發力，推出了針對自動駕駛的DRIVE系列，以及專為AI打造的VOLTA架構。

資本市場對Nvidiazai給出了熱烈的回應：在過去的兩年中，曾經以遊戲晶片見長的Nvidia股價從十幾年的穩居30美元迅速飆升至200美元。

作為PC時代的絕對霸主，Intel已經錯過了移動網際網路時代，在已經到來的AI時代，也失掉了先機，但它並沒有放棄，而是積極布局，準備逆襲。

在雲端，收購Altera之後推出了基於FPGA的專用深度學習加速卡，可以在雲端使用；另外，收購Nervana，目標也是在雲端。

在移動端，則是收購了Movidius。

下面先對Nervana進行介紹，對Movidius的介紹放在後面移動端。

在智慧型手機晶片占據絕對優勢的高通公司，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。

Nervana創立於2014年，位於聖地亞哥的初創公司Nervana Systems已經從20家不同的投資機構那裡獲得了2440萬美元資金，而其中一家是十分受人尊敬的德豐傑風險投資公司（Draper Fisher Jurvetson，DFJ）。

The Nervana Engine（將於2017年問世）是一個為深度學習專門定做和優化的ASIC晶片。

這個方案的實現得益於一項叫做High Bandwidth Memory的新型內存技術，同時擁有高容量和高速度，提供32GB的片上儲存和8TB每秒的內存訪問速度。

該公司目前提供一個人工智慧服務「in the cloud」，他們聲稱這是世界上最快的且目前已被金融服務機構、醫療保健提供者和政府機構所使用的服務，他們的新型晶片將會保證Nervana雲平台在未來的幾年內仍保持最快的速度。

2016年9月，Intel發表聲明收購了Movidius。

Movidius專注於研發高性能視覺處理晶片。

其最新一代的Myriad2視覺處理器主要由SPARC處理器作為主控制器，加上專門的DSP處理器和硬體加速電路來處理專門的視覺和圖像信號。

這是一款以DSP架構為基礎的視覺處理器，在視覺相關的應用領域有極高的能耗比，可以將視覺計算普及到幾乎所有的嵌入式系統中。

該晶片已被大量應用在Google 3D項目Tango手機、大疆無人機、FLIR智能紅外攝像機、海康深眸系列攝像機、華睿智能工業相機等產品中。

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。

Google在2016年宣布獨立開發一種名為TPU的全新的處理系統。

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，進而更快地讓用戶得到更智能的結果。

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。

ARM剛推出全新晶片架構DynamIQ，通過這項技術，AI的性能有望在未來三到五年內提升50倍。

ARM的新CPU架構將會通過為不同部分配置軟體的方式將多個處理核心集聚在一起，這其中包括一個專門為AI算法設計的處理器。

晶片廠商將可以為新處理器配置最多8個核心。

同時為了能讓主流AI在自己的處理器上更好地運行，ARM還將放出一系列軟體庫。

CEVA是專注於DSP的IP供應商，擁有為數眾多的產品線。

其中，圖像和計算機視覺 DSP 產品 CEVA-XM4 是第一個支持深度學習的可編程 DSP，而其發布的新一代型號 CEVA-XM6，具有更優的性能、更強大的計算能力，以及更低的耗能。

CEVA 指出，智慧型手機、汽車、安全和商業應用，如無人機、自動化將是主要目標。

Eyeriss事實上是MIT的一個項目，還不是一個公司，但是因為獲得了大量的媒體報導，故把它單獨拿出來進行介紹。

從長遠來看，如果進展順利，很可能孵化出一個新的公司。

Eyeriss是一個高效能的深度卷積神經網絡（CNN）加速器硬體，該晶片內建168 個核心，專門用來部署神經網路（neural network），效能為一般行動GPU 的10 倍。

其技術關鍵在於最小化GPU 核心和記憶體之間交換數據的頻率（此運作過程通常會消耗大量的時間與能量）：一般GPU 內的核心通常共享單一記憶體，但Eyeriss 的每個核心擁有屬於自己的記憶體。

目前，Eyeriss主要定位在人臉識別和語音識別，可應用在智慧型手機、穿戴式設備、機器人、自動駕駛車與其他物聯網應用裝置上。

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。

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。

ManyCore架構特斯拉CEO馬斯克在今年的神經信息處理系統大會上，承認特斯拉自動駕駛硬體工程副總裁 Jim Keller正在領導著一個超五十人的團隊在開發自己的AI晶片。

Jim Keller 是2016年帶了一批架構師和高管跳槽到特斯拉的，他在 AMD和蘋果期間，設計出了K7 、K8架構和A4、A5 處理器，被稱得上是天才架構師。

微軟蟄伏六年，打造出了一個迎接AI世代的晶片。

那就是Project Catapult。

這個FPGA 目前已支持微軟Bing，未來它們將會驅動基於深度神經網絡——以人類大腦結構為基礎建模的人工智慧——的新搜索算法，在執行這個人工智慧的幾個命令時，速度比普通晶片快上幾個數量級。

2017年7月，微軟表示正在研發用於識別語音和圖像的 AI 晶片，未來將被包含在下一代 HoloLens 的全息處理單元（HPU）當中。

KnuEdge實際上並不是一個初創公司，它由NASA的前任負責人創立，已經在一個隱形模式下運營了10年。

KnuEdge最近從隱形的模式中走出，並讓全世界知道他們從一個匿名的投資人獲取1億美元的投資用來開發一個新的「神經元晶片」。

KUNPATH提供基於LambaFabric的晶片技術，LambaFabric將會通過與現在市場上的GPUs、CPUs和FPGAs完全不同的架構進行神經網絡的計算。

LambdaFabric本質上是為在高要求的運算環境下向上拓展至512000台設備而設計，機架至機架延遲時間只有400毫微秒，低功耗的256核處理器。

創立於2015年的krtkl致力於創造「一個微小的無線電腦用來創造一些完全不同的東西」。

這款開拓板是基於XilinxZynq SoC，集成了ARM處置器和可編程FPGA。

用戶甚至可以經過手機上的專用APP對其舉行編程，供230個用戶可用的I/O接口，應用靈巧兼容很多擴展板卡。

Barefoot Networks去年11月宣布獲得2300萬美元C輪融資，由阿里巴巴和騰訊領投。

在去年6月，Barefoot 還獲得了由谷歌和丹華資本等投資的5700萬美元融資。

Barefoot Networks開發了世界上第一個可編程晶片，這種名為Tofino的晶片比現在市場上任何其他晶片快兩倍，以每秒6.5兆的速度處理網絡數據包。

耐能人工智慧(KneronInc.)成立於2015年11月，是一家總部位於美國聖地亞哥的人工智慧初創企業，在深圳和珠海也設有辦公室。

耐能人工智慧(KneronInc.)的產品特色在於同時具備硬體及軟體的人工智慧解決方案，可以將複雜的深度學習演算法，放在終端設備里，而且無需連上網絡。

耐能（Kneron）於2016年推出該公司首款終端設備專用的人工智慧晶片，稱為神經網絡處理器（Neural Processing Unit，NPU），以及自行研發的軟體開發工具包「重組式人工智慧神經網絡」（Reconfigurable Artificial Neural Network），採用算法可以針對不同的需求快速調整功能，以適用不同的人工智慧應用。

2017年11月，英國晶片製造商Graphcore宣布獲得由紅杉資本中國基金與紅杉資本美國基金共同領投的5000萬美元C輪融資。

graphore是一家總部位於布里斯托的公司，它開發了新一代計算機處理器，可用於訓練人工智慧( AI)算法。

該公司聲稱，其IPU ( intelligence processing units)可以將機器智能培訓的性能提高10倍到100倍。

這家英國公司計劃明年大規模出貨，其晶片將用於無人駕駛汽車和雲計算。

此外，Facebook以及Twitter和更多低調的初創公司都在研發新的晶片。

寫在最後：

在AI產業方面，中國可以說和世界在同一個起跑線上。

中國的弱點在晶片，近年來，中國的創業者和投資者逐漸開始關注對晶片，截止至2017年6月，中國處理器/晶片投資事件比重排名第四，占比7.55%。

近期，國內AI晶片公司融資信息屢屢刷屏，相信在不久的將來，中國AI晶片公司可以引領全球人工智慧產業，下一個英偉達，會是地平線，還是寒武紀呢？