最近魏少軍教授在談及中國AI(人工智能)芯片產業的現狀時說：“現在AI芯片的炒作過頭了，今天的一部分甚至大部分的AI芯片創業者會成為技術變革的‘先烈’”。魏少軍的話不是空穴來風，僅僅一兩年間，國內AI芯片頭部創業公司的融資額度就超過了20億人民幣。全球至少有45家初創公司研制AI芯片(語音交互和自動駕駛)，5家企業融資超過了1億美元。

　　01

　　AI芯片的生態圈

　　從廣義說，能夠驅動AI程序的芯片都叫做AI芯片。從狹義來說，AI芯片是為適應AI算法進行了特殊設計的芯片。

　　從應用層面講，AI芯片主要分為云AI芯片和端AI芯片。云AI芯片應用于云端服務器及數據中心;端AI芯片應用于智能設備、IoT端設備。未來，人工智能將會在我們的日常生活中得到極大普及，正如英偉達創始人黃仁勛所說：“未來，AI與AI芯片將無處不在：咖啡機、保溫杯、麥克風、甚至耳環、鞋子這些小物件都會智能化。”

　　云AI芯片的特點是性能強大、能夠同時支持大量運算、支持圖片識別、以及語音、視頻處理。端AI芯片則需要嵌入到設備內部，讓設備不聯網就能具備AI能力。AI芯片之于人工智能的意義，可以理解為發動機之于汽車。人工智能理論已經提出多年，由于它需要一臺計算能力超強的“發動機”驅動，所以多年沒有真正跑起來，直到AI算法、大數據以及AI芯片的出現。

　　人工智能的破局是在2012年計算機視覺屆的“奧林匹克”—ImageNet挑戰賽的賽場上，來自多倫多大學的Geoffrey Hinton教授和他的團隊第一次用上了GPU芯片和深度學習算法，成為AI史上的一個重要節點。

　　在2015年的ImageNet大賽上，微軟亞洲研究院團隊更是憑借GPU與深度學習算法，第一次讓計算機的圖像識別超過了人類。人類識圖錯誤率約為4%，而冠軍團隊機器識圖的錯誤率為3.57%。在圖像識別興起之后，視頻識別、語音識別、翻譯、語音助手等一系列AI應用應運而生。

　　AI芯片的爆發，至少將會影響到四個應用場景：家居/消費電子、安防監控、自動駕駛以及云計算。

　　圖一、AI芯片產業生態

　　移動通訊

　　華為2017年9月發布的麒麟970，搭載了NPU (神經網絡處理器)AI處理模塊，是世界首款手機AI芯片。NPU比CPU快25倍，能耗提高了50倍。蘋果在2周后發布了搭載A11處理器的iPhoneX，首個推出人臉識別的AI芯片。ARM緊接其后推出了兩款AI芯片，應用于移動端的物體檢測和機器學習的處理器。ARM這個動作的影響是巨大的，因為全球超過90%的手機芯片采用ARM架構，包括麒麟970和蘋果A11。

　　追隨者還有聯發科和高通。聯發科推出的Helio P60，支持AI的計算機視覺、人臉識別。高通的基于梟龍芯片的A1引擎，將所有手機中的SOC軟硬件一網收盡統統打包。AI芯片成了手機紅海戰場的一個重要攪局者。

　　安防監控

　　安防市場2017年超過了6350億人民幣，同比增長了17.6%。佳都科技《人工智能技術白皮書》指出，2017年國內高清攝像頭出貨1億顆。

　　由于AI能夠對迅速對視頻進行結構化處理，現在幾乎所有AI芯片創業公司都將安防作為核心應用場景之一，紛紛推出內嵌于安防監控攝像頭的AI芯片。安防三巨頭海康威視、大華股份、宇視科技不僅是眾多AI芯片公司的合作伙伴，其自身也在推進安防+AI的步伐。

　　自動駕駛

　　AI芯片正在成為自動駕駛計算平臺的核心。在這一領域目前主要有三大AI芯片勢力：英偉達、英特爾和地平線。英偉達和英特爾大家都很熟悉，地平線是一家中國初創公司，原百度研究院副院長余凱任CEO。地平線的雨果自動駕駛平臺早期使用的是英特爾FPGA處理器，現在開始打造自己的BUP架構，并推出沿用這一架構的AI芯片“征程”。

　　云計算

　　AI芯片可以為互聯網供能，例如在線翻譯、人證比對、圖片搜素等，背后都離不開AI芯片的支持。在移動領域錯失先機的英特爾不惜花重金布局：$160億美元收購Altera(FPGA)，$4億美元收購Nervana(神經網絡處理器)，繼而收購Movidius(視覺處理器，收購資金未詳)，云AI芯片與端AI芯片都有所涉及。其他有高通、ARM、聯發科等也陸續進場。

　　圖二、AI芯片的兩大應用領域