作者/賽迪顧問股份有限公司集成電路產業研究中心高級分析師 李丹

　　目前市場上AI主要的商業應用場景有安防監控、家居/消費電子和自動駕駛汽車。安防監控以及消費電子市場已經較為成熟，且國內企業從產品能力到產業鏈整合能力均占據優勢地位，是目前國內人工智能企業展開競爭的主戰場。本土的汽車主機廠和零部件廠商較為弱勢，目前在無人駕駛領域的布局以互聯網等非傳統汽車產業鏈內企業為主。針對不同的應用場景，國內的主流AI企業已經開始從算法與架構的實現向提供特定應用場景系統解決方案發展并不斷向上游的ASIC芯片設計延伸。如地平線、深鑒科技等企業均已開始推出自己的芯片產品。

　　在對服務的安全性、實時性要求不高的應用領域，云端布局的人工智能服務將依然會是市場的主流。而在對服務的安全性、實時性、隱私性等要求較高的應用領域，前端部署已成為市場共識，未來市場空間非常巨大。

異構算法要求更高的軟硬協同能力

　　一直以來，GPU、FPGA、ASIC三者就因其鮮明的特點分工在人工智能領域發揮著巨大的作用。GPU適合大規模并行運算，在訓練深度神經網絡方面具有優勢。FPGA具備可編程、高性能、低功耗、架構靈活等特點，方便研究者進行模型優化，一般被用作芯片原型設計和驗證，或是用在通信密集型和計算密集型場景中，諸如通信、軍工、汽車電子、消費及醫療等行業。ASIC將性能和功耗完美結合，具有體積小、功耗低、可靠性高、保密性強、成本低等幾方面的優勢。

　　國內人工智能企業在從單獨的架構、算法構建到行業應用系統解決方案提供的轉變過程中，通過異構的方式解決優化系統各部分的適配性已經成為行業內的共識。這一架構和算法上的趨勢，將進一步提升軟件在人工智能系統中的地位，對公司的軟硬協同能力提出了更高的要求。

AI芯片設計要考慮終端需求

　　由于人工智能領域是新興事物，整個產業鏈還不完整，產業分工尚未形成，AI芯片企業必須提供從芯片/硬件、軟件SDK到應用的解決方案已基本成為業內共識。

　　這一現狀要求每家AI芯片公司都成為一家軟件加系統公司，這樣才能在市場競爭中取得優勢。比如，公司在芯片設計時候就需要考慮未來面對的終端用戶的需求，并通過將芯片集成到系統中，使其運行更加簡單。此外，應盡可能減少第三方協作以及為用戶提供更多的參考設計也是更好地服務下游用戶的方式之一。