2016 年 5 月，谷歌发布自主设计芯片 TPU（张量处理器），同年英特尔也发布 Nervana AI 处理器，去年，Deep Mind 投资的 Graphcore 公司也推出了 IPU 智能处理器；而就在国外企业纷纭研发 AI 芯片的同时，海内企业也同样没有闲着：在寒武纪推入迷经网络处理器 NPU（今年其又被重命名为机器学习处理器 MLU）之际，深鉴科技则做了一款基于 FPGA 平台的 DPU（深度学习处理器），就连地平线也推出了嵌入式大脑处理器（BPU）……
为什么会溘然涌现这么多 CPU、GPU 的兄弟？众所周知，目前业内最为人所知、运用范围最广的芯片是 CPU 和 GPU。
个中，CPU 涌现的历史最长，在电子设备中的浸染也最为主要，但由于其仅用于串行打算，以是在须要海量打算的 AI 场景下，其数据处理能力已显然不足，而且雪上加霜的是，处理器的性能每 18 个月就能翻倍的摩尔定律也已几近失落效，想要依赖摩尔定律提升 CPU 的性能已经不太现实。
而就在此时，由于具有并行打算能力而拥有更强运算力的 GPU 开始被人们重视，并被广泛用于人工智能领域。从此，人工智能有了 GPU 在算力方面的支持，人工智能也迅速进入运用阶段。乃至有人表示， 没有 GPU，就没有这一波 AI 浪潮。
而 GPU 领域的绝对霸主英伟达也因此平步青云，成为了当今人工智能领域最为成功的企业：2015 年，英伟达的市值是 100 亿美元，而目前其股价已暴涨至 1300 亿美元。
然而，GPU 虽然帮助人工智能走过了蹒跚学步的低级阶段，但人工智能接下来的要走的路却不一定适宜由 GPU 来走了。
首先在云端，数据中央最大的本钱支出一样平常都是电力本钱，因此，能耗压力是迫使 GPU 让位的主要缘故原由。比如，根据谷歌去年 4 月曝光的数据，当时，TPU 已经在谷歌数据中央内部利用大约两年，并依赖 TPU 打败了李世石。（根据谷歌的一份论文显示 TPU 均匀比 Nvidia K80 GPU 或 Haswell CPU 快 15~30 倍，性能功耗比赶过约 30~80 倍，不过英伟达对此回嘴，认为谷歌是在拿 TPU 和旧的 GPU 进行比较，因此不客不雅观。不过必须理解到的是，一样平常而言芯片功耗越高性能越强，因此，拿功耗赶过很多的 GPU 与相对低功耗的 TPU 比较较，实在也不公正）。其次便是在终端，随着用户越来越关心个人隐私安全与时效性，此前以云端为根本的人工智能正逐渐部分或完备被终端智能所取代。而终端智能则哀求芯片同时具备高性能与低功耗的特色。虽然 GPU 在处理很多人工智能问题时已经很高效了，而且 GPU 作为通用芯片可以适应各种不同的运用处景，但 GPU 在运行不同场景中的程序时，芯片的整体性能实在是很难完备发挥出来。实在也可以说，没有任何单一的 AI 系统能够在任何场景完美地事情。因此，AI 在不同场景中的运用，都须要针对场景的需求，在功耗、延迟、数据吞吐量、加速器方案的选择上做出调度和优化，使其能够完美运行适应特定运用处景的算法——于是，各种 CPU、GPU 的兄弟便出身了。
其余，地平线算法 VP 黄畅还表示纵然是在同一细分运用处景下，只要深入行业，就会创造算法依然会有所不同。而这便意味着市场须要更多种类的 AI 芯片。
总的来说，AI 芯片在此时涌现是顺应时期发展趋势的。
技能与落地，决定 AI 芯片死活的关键虽然目前市情上各种 X-PU 都因遇上了 AI 风口而欣喜不已，然而，本日拥挤在身边的是“兄弟”，在来日诰日就可能是仇敌了，想想 CPU、GPU 目前的寡头天下不便是活生生的例子吗？X-PU 们真都能笑到末了吗？这也是很多入局者都关心的一个问题。
OnceAI 创始人张春亮坚信 AI 芯片行业不太可能涌现一两家企业统治全部 AI 芯片的情形。“比如现在的通信市场，有追求高性能高速率的 5G 标准，但其也一定再来高功耗（的问题）。以是小数据量传输但低功耗的窄带需求量也越来越大。而且还有像 wifi、蓝牙、红外之类的不同场景间的传输协议。”张春亮在知乎上回应认为市场非常大，而且市场需求也不可能统一，因此，“AI 芯片往后很有可能深化出像 PIC/AVR 这样的低功耗低打算力的芯片，还有像 Intel/amd 这样的高打算能力高功耗的芯片，或者像 arm 适用于移动场景的芯片。”
“AI 和任何一个新兴的技能都一样，引起市场广泛关注的时候都会有很多大佬以及创业公司进入到这个市场，然后开始做芯片。我实在以为这是一件有趣的事情，由于只有这么多的公司从不同的角度去看待技能，去研发他们的技能，才能给市场带来真正的变革，然后才能把这些技能真正的落地。”英特尔新技能业务 Movidius 产品业务拓展卖力人 Gordon 虽然很认可当前 AI 芯片的大量崛起，但这并不虞味着现在所有但 AI 芯片企业都能活到末了，AI 芯片行业跟其他行业一样，也都将有一个良好劣汰的过程：
首先，做 AI 芯片的技能难度不小。“怎么把合理的架构和运用处景结合起来，把芯片的性能、功耗和利用场景结合起来，做出一个非常好的产品，这实际上对每个企业都是巨大的寻衅。” 为相识释这一点，Gordon 还透露了一个他的履历：很多企业可能买了很多 IP，以为把它组在一起就能达到好的性能，但实际上这些产品并不一定能有市场。其次，也是最关键的，那便是市场化与产品落地。Gordon 就强调落地是一个“非常主要”的事情。Gordon 认为做芯片在技能上虽然有难度，但只要找到得当的人，实在也会有很多人都能做，但创业的实质并不是要做出一款技能上的好产品，而是要办理行业特定问题，从而赢利养活自己。“而这里的问题便是你对产品的开拓到底有多深的理解，一个是架构，一个是平衡，如何在性能、功耗、延迟等方面做好取舍，再一个便是对市场的理解，决定做那个行业等。”而该不雅观点也得到了黄畅的认同，“只是做芯片是远远不足的，关键还是运用的落地，以是地平线是把算法和芯片结合在一起迭代优化，针对运用处景全程推动落地。”黄畅如此表示。
给海内 AI 芯片创业公司的建议Gordon 表示，英特尔实在是浩瀚 AI 芯片创业公司的巨大竞争对手，“我们虽然进来的晚，但我们在芯片领域有着多年的研究，慢只是慢在软件以及与场景的结合上。”Gordon 认为英特尔一个主要上风便是与行业有着非常紧密的结合，因此，Gordon 认为英特尔想要后来者居上实在也并非不可能。
不过，面对巨子，中小 AI 芯片创业公司也并非没有成功的可能性。目前，市情上有一个不雅观点便是像英特尔这样的大企业由于精力有限，无法覆盖所有的细分场景，因此，小企业便有了得以生存的夹缝。
而该不雅观点也得到了 Gordon 的证明：虽然英特尔非常看重垂直，但英特尔也会评估哪个垂直可能会先起来，或者有更大的市场，从而排优先级。“比如对某些行业，我们就必须要知足其需求，而对另一些行业，我们则只是只管即便知足其需求，对第三种行业，那可能便是爱用不用了。”Gordon 认为对付像英特尔这么的大企业“必须学会取舍”。
其余，Gordon 也为海内的 AI 芯片企业提了一些详细的建议：
首先，要找对人，找对场景非常理解人，并可以跟家当结合，那就有机会成功。而如果只是纯做技能，不跟家当、运用结合，那就走不了多远。其次，选择行业是不要一窝蜂地盲干。“海内做 AI 的企业都集中在非常窄的几个领域，比如所有人都恨不得要去做安防的，但在外洋，我们就看不见这种情形，外洋企业会非常专注于自己善于的行业，而这也是很随意马虎做成绩的方法。”其余，ARM 的崛起也能给予大家一定的参考。
ARM 公司 1978 年在英国成立，1985 年，设计了第一代 32 位、6MHz 的处理器，它支持的指令比较大略，虽然功能远不如英特尔处理器强大，但是功耗小、价格便宜。不过，当时处理器行业的霸主是英特尔，霸占着 PC 处理器市场绝大多数的市场份额。ARM 处理器能力不敷，根本无法撼动英特尔在 PC 处理器的市场份额。
因此，ARM 找到了嵌入式设备市场，但是全体 20 世纪 90 年代，ARM 公司的古迹平平，处理器的出货量徘徊不前。但在而在 2007 年之后，随着智好手机时期的到来，ARM 处理器迎来了快速增长，有资料显示目前全天下 95% 的智好手机和 80% 的相机都用到了 ARM 的技能。目前 ARM 也已经成了嵌入式芯片领域的实际标准。ARM 也因此成为了一家能够与英特尔反抗的企业。
显然，ARM 的成功履历便是找准方向，然后便是咬定青山不放松地等风来，这对 AI 芯片企业而言，显然也是一个好建议。
题图来自 123RF
本文 AI 芯片，是金山还是泡沫？来自动点科技.
