全球AI晶片哪家強？馬雲跨界迎戰，這家中國小公司居然擠進去了！

要問當下晶片行業什麼最火，除了瘋漲的存儲晶片，就是AI晶片了！

這個領域的競爭，幾乎都是巨頭的狩獵場，小公司根本擠不進去啊！

藍海

當下，Nvidia、AMD、英特爾與高通等晶片製造商，風頭正盡，主宰著整個AI產業。

據估計，全球機器學習與人工智慧等相關半導體產值，2021年將成長至350億美元，換算複合成長率達41%。

而我國《新一代人工智慧發展規劃》預計，到2020年，國內智能計算晶片市場規模將達到100億元。

這是一個巨大的藍海市場，也是一個技術和資本含量門檻極高的市場！我們先來看看，中外主要有哪些公司在這個領域有所斬獲。

NVIDIA（英偉達）-人工智慧晶片領頭軍

NVIDIA創立於1993年1月，是全球圖形技術和數字媒體處理器行業領導廠商。

英偉達的GPU 是圖像處理的行業龍頭，GPU 晶片的同步並行運算非常適用於人工智慧的深度學習神經網絡。

在浮點運算、並行計算等部分計算方面，GPU 可以提供數十倍乃至於上百倍於CPU 的性能。

目前國際GPU市場被NVIDIA 和AMD（英國） 兩大公司瓜分。

據說，NVIDIA 市場份額已達到82%。

Intel（英特爾）

2016年11月，英特爾花費4億元收購一家創業公司Nervana，Nervana晶片的最終形態會在2017年底面世。

Nervana一直在研究將深度學習算法嵌入到計算晶片之中，而不是簡單的打造能夠在大量圖形處理器上運行的軟體。

英特爾2017 年銷售集成Nervana 技術的晶片，在深度學習市場挑戰英偉達優勢，英特爾計劃在至強處理器中整合Nervana 晶片和軟體。

同時，英特爾收購FPGA生產商巨頭Altera，研發基於FPGA技術的人工智慧晶片。

谷歌

谷歌為其深度學習神經網絡打造基於ASIC 的專用TPU 晶片。

該TPU 晶片也用於AlphaGo 的系統中。

TPU 目前在谷歌主要用於機器學習系統，街景，圍棋人工智慧AlphaGo等。

微軟

微軟把重心放在FPGA人工智慧晶片上，目前FPGA 已經被應用在Bing搜索的支持上，基於神經網絡推動新的搜索算法，執行速度比傳統的晶片會快很多倍，只需要24ms 就可以實現搜索，規避了以往長達四秒搜索空白的尷尬。

其FGPA 同樣能夠支持微軟的雲計算服務Azure，未來微軟全球的數百萬部的伺服器將會用FPGA。

高通

高通將加大AI領域的投資，這些投資會集中在提升CPU、GPU和DSP性能這三大方面，從而更好的支持AI。

主要集中在提升CPU、GPU和DSP性能這三大方面，從而更好的支持AI。

高通目前對專用硬體最為重要的是將HvX模塊添加到Hexagon DSP中，以加速8位固定操作進行推理。

高通的Snapdragon神經處理引擎（NPE）是一套軟體工具，運行在Kryo CPU驍龍800和600系列處理器中的Adreno GPU或Hexagon DSP。

AMD

AMD布局AI同樣展現強烈企圖心，AMD總裁暨執行長蘇姿豐(Lisa Su)表示，不會缺席AI市場，對於AMD而言是非常重要市場，除需要處理器與繪圖晶片技術外，也與FPGA、ASIC等技術相關，AMD已針對AI與機器學習推出Radeon Instinct加速運算卡。

AMD為業界唯一擁有GPU與x86處理器技術的公司，除能滿足數據中心廣泛需求，亦能協助推動智能機器多元發展，未來可在GPU和CPU之間實現最有效率的連接，來滿足AI應用的技術需求。

特斯拉正在建立一個使用AMD智慧財產權自主駕駛的定製晶片。

該晶片可能側重於加速人工智慧算法，如汽車駕駛所需的深度學習。

中國國家戰略布局

2017年10月13日，國家發改委官方發布《關於組織實施2018年“網際網路+”、人工智慧創新發展和數字經濟試點重大工程的通知》，最終獲批項目2018年將直接獲得國家補助資金投資支持。

文件對相關重大工程申報均提有對應的嚴格技術指標，以深度學習智能晶片為例，指標要求：1．申報企業可任選前端晶片或雲端晶片進行申報；2．基於自主智慧財產權新型計算機指令集，配套編譯器支持MXNET、CAFFE等框架；3．雲端晶片性能不低於400Gops/W，前端晶片整體功耗不高於5W；4．單款智能晶片出貨量不低於100萬片；5．在3個以上領域得到應用。

這其中，也湧現了幾家優秀的苗子，我們來看看有哪些公司：

中科寒武紀

寒武紀科技由創始人陳天石教授帶領中科院團隊成立於2016 年，致力於打造各類智能雲伺服器、智能終端以及智能機器人的核心處理器晶片。

寒武紀晶片專門面向深度學習技術。

模擬實驗表明，“寒武紀”相對於傳統執行x86指令集的晶片，有兩個數量級(幾百倍)的性能提升。

華為

麒麟970是業界首顆帶有獨立NPU（神經網絡單元）的手機晶片，其相比競爭對手最大的不同就是搭載了全新的NPU用於AI運算，設計了HiAI移動計算架構，其AI性能密度大幅優於CPU和GPU。

而且，華為和寒武紀和雲天勵飛等公司也有深度合作。

雲天勵飛

這是一家主打智能視頻與圖像識別的AI創業公司，自主研發AI晶片DeepEye，業務聚焦平安城市，目前已經與華為合作拿下深圳龍崗區的人工智慧安防項目。

ASIP是雲天勵飛採用的晶片設計方式，它是一種定製處理器的技術路線，它比CPU、GPU更加專用，主要面向深度學習模型裡面的通用計算類型，比如卷積，FIR濾波器，它是高效性和靈活性之間最佳的平衡點。

2017年營收預計將達到10億元，成為本土晶片商業化第一人！

中星微電子

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）晶片中星微，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，並取名“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。

該晶片於今年3月6日實現量產，目前出貨量為十幾萬件。

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。

NonuMind

前百度傑出科學家吳韌創立的中國公司，致力於打造“ASIC晶片＋訓練模型”的全棧式AI解決方案。

和其他晶片廠商做法不同的是，NovuMind 完全捨棄了“矩陣”。

因為矩陣本身並不是 AI 計算的關鍵點，關鍵在於卷積，也就是三維張量的計算 。

NovuMind 的 AI 晶片，只專注三維張量就好，完全不考慮任何通用性，極端定製化帶來極端的性能優勢。

NovuMind 的第一個AI晶片（原型）預計會在今年聖誕節前推出。

而 NovuMind 的第二個晶片，耗能將不超過1瓦，計劃在2018年中期面世。

中外PK對比

作為全球首款AI移動晶片，華為的麒麟970內置NPU(神經網絡處理器)實現晶片自主深度學習。

內置NPU使麒麟970的處理圖像速度比單獨CPU(中央處理器)快20倍。

這個處理速度遠高於三星S8CPU，也高於iPhone 7 Plus。

如果以最簡單的話去概括，華為注重的是AI硬體，而高通看重的是AI算法。

高通認為，把AI的單元模塊內置到晶片上並不是難事，高通之前就可以做。

關鍵還是在軟體開發、編程模塊的優化。

若從競爭的層面來看，華為在AI硬體的搶先一步，讓AI在手機端開始由軟到硬地落地，對高通晶片地位多少有些影響，長遠看，則是希望儘早擺脫對高通晶片的依賴。

當然，Nvidia雖然提早進入AI領域布局，成為當下領先的贏家，但這不代表Nvidia能永遠稱霸，大家都在起跑線上，未來仍有可能被中外後發者追上。

尤其是中國巨大的應用市場和本土網際網路玩家，更是其中最大的變數。