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芯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，其芯片面積也已經屢創新高，甚至逼近了制程和成本的平衡極限。
英偉達：占全球AI芯片50%以上市場份額
英偉達一直致力于設計各種GPU：針對個人和游戲玩家的GeForce系列，針對專業工作站的Quadro系列，以及針對服務器和高性能運算的Tesla系列。
英偉達占據了全球AI芯片市場的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、云計算、游戲視頻等眾多領域。
由于在AI領域的一家獨大，英偉達的股價在過去一年的時間里狂漲了300%。2017年，從游戲、數據中心到人工智能，市場對英偉達芯片的需求一路上升。
英特爾：專注計算機視覺芯片VPU
英特爾作為傳統PC芯片的老大，也在積極向PC以外的市場轉型。在AI芯片方面，英特爾專注于計算機視覺優化方面的VPU（Vision Processing Unit）。
為了加強在人工智能芯片領域的實力，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和為自動駕駛汽車芯片提供安全工具的公司Yogitech。
IBM：啟動類人腦芯片的研發
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，還啟動了對類人腦芯片的研發，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?諾依曼體系的硬件。
谷歌：為機器學習應用而設計的專用芯片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月打敗了柯杰的的阿爾法狗，就是采用了谷歌的TPU系列芯片。
TPU是專門為機器學習應用而設計的專用芯片。
通過降低芯片的計算精度，減少實現每個計算操作所需的晶體管數量，從而能讓芯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芯片上運行得更快，加深了人工智能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云端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，相比云端，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芯片，用于運行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于機器學習的硬件——“神經網絡引擎（Neural Engine）”，每秒運算次數最高可達6000億次。
這塊芯片將能夠改進蘋果設備在處理需要人工智能的任務時的表現，比如面部識別和語音識別等。
AMD：重回服務器市場
AMD首先挑戰的是x86服務器市場，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服務器處理器產品——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、曙光等十余家產業鏈合作伙伴帶著產品和合作成果為AMD回歸服務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芯片，一時間業內嘩然。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能
ARM曾在去年推出了一套全新芯片架構技術DynamIQ，這套IP套件可以與其無縫集成。
DynamIQ不僅采用了新的指令集，專門針對人工智能進行了優化；而且同時可容納8個核，并且提高了芯片架構的靈活性，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，適用于手機、平板、電視等芯片。
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能能力。
高通：力推深度學習的移動設備芯片
在智能手機芯片占據絕對優勢的高通也在人工智能方面積極布局。
據高通提供的資料顯示，其在人工智能方面已投資了Clarifai公司和中國“專注于物聯網人工智能服務”的云知聲。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芯片也被應用于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芯片。
三星：三年內自家智能手機都采用人工智能芯片
2017年，華為海思推出了麒麟970芯片，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能芯片。
三星計劃在未來三年內自家智能手機中都采用人工智能芯片，并且他們還將為人工智能設備建立新的組件業務。三星還投資了Graphcore、深鑒科技等人工智能芯片企業。
未來五年，我們預計AI芯片市場的規模有接近10倍的增長，2022年將達到352億美元。在訓練芯片方面，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，推斷芯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。
英偉達：占全球AI芯片50%以上市場份額
英偉達一直致力于設計各種GPU：針對個人和游戲玩家的GeForce系列，針對專業工作站的Quadro系列，以及針對服務器和高性能運算的Tesla系列。
英偉達占據了全球AI芯片市場的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、云計算、游戲視頻等眾多領域。
由于在AI領域的一家獨大，英偉達的股價在過去一年的時間里狂漲了300%。2017年，從游戲、數據中心到人工智能，市場對英偉達芯片的需求一路上升。
英特爾：專注計算機視覺芯片VPU
英特爾作為傳統PC芯片的老大，也在積極向PC以外的市場轉型。在AI芯片方面，英特爾專注于計算機視覺優化方面的VPU（Vision Processing Unit）。
為了加強在人工智能芯片領域的實力，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和為自動駕駛汽車芯片提供安全工具的公司Yogitech。
IBM：啟動類人腦芯片的研發
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，還啟動了對類人腦芯片的研發，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?諾依曼體系的硬件。
谷歌：為機器學習應用而設計的專用芯片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月打敗了柯杰的的阿爾法狗，就是采用了谷歌的TPU系列芯片。
TPU是專門為機器學習應用而設計的專用芯片。
通過降低芯片的計算精度，減少實現每個計算操作所需的晶體管數量，從而能讓芯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芯片上運行得更快，加深了人工智能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云端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，相比云端，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芯片，用于運行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于機器學習的硬件——“神經網絡引擎（Neural Engine）”，每秒運算次數最高可達6000億次。
這塊芯片將能夠改進蘋果設備在處理需要人工智能的任務時的表現，比如面部識別和語音識別等。
AMD：重回服務器市場
AMD首先挑戰的是x86服務器市場，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服務器處理器產品——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、曙光等十余家產業鏈合作伙伴帶著產品和合作成果為AMD回歸服務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芯片，一時間業內嘩然。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能
ARM曾在去年推出了一套全新芯片架構技術DynamIQ，這套IP套件可以與其無縫集成。
DynamIQ不僅采用了新的指令集，專門針對人工智能進行了優化；而且同時可容納8個核，并且提高了芯片架構的靈活性，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，適用于手機、平板、電視等芯片。
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能能力。
高通：力推深度學習的移動設備芯片
在智能手機芯片占據絕對優勢的高通也在人工智能方面積極布局。
據高通提供的資料顯示，其在人工智能方面已投資了Clarifai公司和中國“專注于物聯網人工智能服務”的云知聲。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芯片也被應用于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芯片。
三星：三年內自家智能手機都采用人工智能芯片
2017年，華為海思推出了麒麟970芯片，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能芯片。
三星計劃在未來三年內自家智能手機中都采用人工智能芯片，并且他們還將為人工智能設備建立新的組件業務。三星還投資了Graphcore、深鑒科技等人工智能芯片企業。
未來五年，我們預計AI芯片市場的規模有接近10倍的增長，2022年將達到352億美元。在訓練芯片方面，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，推斷芯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。
請按此登錄後留言。未成為會員? 立即註冊