從PC到移動，再到如今火爆的AI領域，芯片始終決定著企業的行業競爭力和話語權。
然而，無論是獨霸PC時代的英特爾，還是把持移動端的ARM、高通，對于布局AI芯片這一新興領域，都顯得有些吃力。同樣，即便是憑借GPU牢牢占據云端AI芯片頭把交椅的英偉達，在科技巨頭和新秀們的“圍剿”面前，仍然有翻車的危險。
歸根到底，AI芯片這一全新的領域，根本不存在無法逾越的“護城河”。
如今，谷歌、蘋果、亞馬遜、Facebook以及華為、阿里、百度等國內外巨頭紛紛涉足其中，群雄逐鹿，究竟誰能染指這個“香餑餑”？
帝國重器
眾所周知，AI的發展離不開三大元素：算法、算力和數據。其中算法、算力都與芯片密不可分，其重要性自然不言而喻。因此，AI芯片就猶如“帝國重器”一般，成為各大廠商爭奪的目標。
那何為AI芯片呢？它與傳統PC和移動芯片的區別何處？
從廣義上來說，AI芯片就是能執行AI算法的芯片。理論上，目前CPU、GPU等通用芯片都可以執行AI算法，只是效率、功耗上存在差異。從狹義上來說，AI芯片被定義為針對AI算法進行加速的專用芯片，也就是AI加速芯片或AI加速器。
顯然，由于通用型的芯片需要適應各種應用程序的需要，在執行AI算法時，效率自然不及專用的AI芯片，同時也難以控制功耗，性價比不高。而且，由于面向專用算法，AI芯片一般都側重于特定領域，例如語音識別、自然語言處理、圖像處理、自動駕駛等等，針對性較強。所以，傳統PC和移動芯片的區別，就在于是否能為AI算法加速。
關于AI芯片的類別，需要從構架、功能和場景三個維度來看。
首先，從構架來說，第一類是通用芯片，即GPU(Graphics Processing Unit，圖像處理單元)，代表廠商就是英偉達、英特爾和AMD，其中英特爾在GPU集群上優勢明顯；第二類是FPGA(Field-Programmable Gate Array)，即現場可編程門陣列，就是一種半定制的芯片，特點是可編程，目前賽靈思(XILINX)、Altera兩家占據了近90%的市場份額；第三類則是ASIC(Application Specific Integrated Circuit)，即專用集成電路，是一種全定制化芯片，例如谷歌TPU、華為kirin系列等；第四類是類腦芯片，IBM的TrueNorth最具代表性，但離商業化落地還很遙遠，就不過多提及了。
值得注意的是，ASIC還衍生出NPU(神經網絡處理器)，其專為深度學習設計，英特爾NNP、寒武紀NPU及華為麒麟系列等都是典型的代表。此外，在ASIC的基礎上，一些廠商還通過SoC+IP 模式，在一塊芯片上整合不同功能或者IP(半導體知識產權)，也可以稱之為系統級芯片。其目的就是在有限的體積內實現密度的最大化，以提升芯片的性價比和移動性。
其次，從功能上來說，由于AI的機器學習和深度學習都離不開Training(訓練)和Inference(推理)兩大環節。所謂訓練，就是憑借大數據讓機器形成一個復雜的神經網絡算法模型。而推理則是通過該算法模型，讓機器模仿人做出推理或決策。在訓練方面，英偉達的GPU領先優勢相當明顯，幾乎成為標配。此外，英特爾、AMD 、賽靈思、谷歌等都有相應的解決方案。
推理方面，英偉達優勢不在，除了英特爾、谷歌、賽靈思等芯片大廠之外，科技巨頭亞馬遜、微軟、百度、阿里、騰訊、新興的寒武紀、地平線，以及移動端的高通、華為海思、ARM等也涉足其中，競爭之激烈可見一斑。
然后，從場景來看，AI芯片又分為云端和終端兩類。由于訓練需要龐大的數據量和高強度的運算量，單一處理器根本無法獨立完成，必須通過云端借助龐大的云端神經網絡才行。而在終端方面，各種智能終端可謂天差地別，尤其是移動端，為了滿足用戶越來越苛刻的要求以及增強體驗，就必須配備執行效率高的推理芯片，同時要兼具體積小巧及低功耗，要求也提升不少。
另外，業內還有許多不同的芯片構架和概念，這里就不一一列舉，但無論是GPU、FPGA、ASIC，還是NPU、TPU之類，歸根到底，就是為了實現AI算法效率的最大化，加強競爭力。
目前，全球AI芯片行業中，GPU可謂一枝獨秀，FPGA和ASIC則奮力追趕，盡管各有優缺點，但各自陣營都有鮮明的特點，例如GPU的性能強大、通用性強，功耗也巨大；FPGA可編程，靈活性和性能不錯，但價格過高；ASIC可定制，性能穩定，功耗也可控，但研發周期長、風險高。
大國爭霸
傳統顯示設備巨頭英偉達在AI芯片領域的崛起，看似無心插柳柳成蔭，但從深層次來說，也是其始終專注GPU而結出的碩果。
GPU以往主要用于圖形和視頻處理領域，能夠處理復雜且多數據處理，而正因此，其在性能方面大大優于CPU，同時輔以CUDA(Compute Unified Device Architecture，即通用并行計算架構)，使其在AI領域如虎添翼，尤其在云端訓練上得到應用廣泛，促使英偉達在該領域一枝獨秀。
目前，各大AI廠商和云計算數據中心基本都配備英偉達GPU集群，構建超算中心，用于大規模的訓練，以支撐AI業務和應用場景的運作。
除此之外，英偉達還為自動駕駛、機器人、醫療等行業提供相應的AI解決方案。典型的例子就是，特斯拉在推出自有芯片之前，采用的就是英偉達的解決方案。
與此同時，傳統PC芯片“大哥大”英特爾與其老對手AMD也在積極向AI芯片方向拓展，但無奈CPU在算法上執行效率不高，GPU性能又不及英偉達，所以只得尋求新的機會。其中英特爾借助收購FPGA生產商Altera和機器視覺廠商Movidus，以涉足FPGA、 ASIC構架新領域，在數據中心市場加大布局力度。同時，還有傳言英特爾也在積極研發新一代GPU產品。而AMD則仍然依托自有GPU的優勢，是GPU的第二大市場，其定位也是數據中心。
IBM在芯片領域始終比較超前，除了前沿的類腦芯片之外，IBM 旗下Research AI團隊還用大規模的模擬存儲器陣列訓練深度神經網絡(DNN)，已達到了與GPU相當的精度。
FPGA構架的“締造者”賽靈思在AI芯片領域早已有了布局。2018年，賽靈思推出一款超越FPGA功能的新產品——ACAP(自適應計算加速平臺)和Versal芯片，樹起FPGA反擊的大旗。
作為移動芯片領域的霸主，高通也推出了云端AI芯片Cloud AI 100加速器，針對數據中心。據悉，預計將于2019年下半年開始向客戶出樣。
目前，雖然移動端并非AI芯片競爭的主戰場，但ARM、高通、三星仍然在AI芯片上做文章，通過SoC+IP 模式，形成CPU+AI芯片+5G基帶芯片一體化的全新芯片組，以降低體積和功耗，適應移動終端的需要。盡管，現在云端訓練芯片當道，但面向終端的推理芯片的需求也日益迫切，隨著智能手機新能的突飛猛進，移動AI芯片無疑將逐漸走向前臺。
據市場研究顧問公司Compass Intelligence在2018年5月發布的關于AI芯片調研報告顯示，英偉達當仁不讓成為領頭羊，英特爾和IBM緊隨其后。值得注意的是谷歌、蘋果排在第四、第五的位置，顯然已經開始挑戰傳統芯片廠商的地位。此外，AMD、ARM、高通、三星、恩智浦仍然占據位列前十。博通、新思(Synopsys)、Marvell、賽靈思等老牌芯片廠商也排在前25位之中。
而令國人鼓舞的是，國內有7家廠商上榜，其中華為海思排名第12位，聯發科為第14位；兩家初創企業寒武紀(Cambricon)和地平線(Horizon)排名第23位和24位。余下的Imagination(原英國芯片廠商，已被中資收購)、瑞芯微(Rockchip)、芯原(Verisilcon)三家的知名度并不高，可謂“隱形冠軍”。
但毋庸置疑的是，目前全球AI芯片領域仍然呈現于“大國爭霸”的局面，以英偉達、英特爾、IBM、ARM、高通、三星等為首的老牌芯片廠商依舊占據市場主動。同時，以谷歌、蘋果等為代表的新興勢力和初創企業崛起的勢頭也難以阻擋。
實際上，僅僅從芯片的構架就能發現端倪。老牌廠商在傳統優勢構架在基礎上向全新領域拓展，而新興廠商則直接轉向可定制的全新解決方案， 其中ASIC構架正是趁著這一勢頭迅速升溫。當然，其背后離不開大量新興芯片廠商的推波助瀾，AI芯片行業至此呈現出“百家爭鳴“的新態勢。
百家爭鳴
在老牌芯片廠商尋求新突破方向的時候，兩股“造芯新勢力”開始脫穎而出。首先是以谷歌、蘋果、華為、阿里等為首的科技和互聯網巨頭開始涉足AI芯片領域，甚至特斯拉也舍棄英偉達的芯片解決方案，推出了自研的FSB全自動駕駛芯片。其次，初創AI企業早已崛起，寒武紀、地平線、依圖等新勢力接著資本風潮，也試圖進入芯片領域，以爭奪這一新興市場。
2016年，谷歌推出TPU(Tensor Processing Unit)，基于ASIC構架，專為機器學習設計，配合自家深度學習框架TensorFlow，以加強算法模型的執行效率，并且同時可運用在訓練和推理上，適應性更強。值得注意的是，2016年名聲大噪的AlphaGo成功的背后，就離不開TPU芯片的支持。
2018年谷歌在Google I/O大會推出了TPU3.0，性能大幅提升。隨后，谷歌又接連推出面向云端的Cloud TPU和針對終端的Edge TPU兩款芯片，其目的就是挑戰英偉達GPU的霸主地位。
目前，憑借自身云計算的優勢，谷歌在云端AI芯片上的努力，已經給英偉達帶來了不小的沖擊。然而，英偉達在芯片領域擁有豐富的經驗和資源，且GPU具有先入為主的巨大優勢，通用性強，且牢牢占據市場主動，近期撼動其霸主地位顯然并不現實。
作為智能手機時代的開創者，蘋果在移動領域始終呼風喚雨。但是，蘋果在芯片上一直受制于人，顯然與其強勢的個性不符。所以，從2008年開始，蘋果就通過一系列收購，開始了自己的“造芯”之路。2017年9月，蘋果推出了全新的A11芯片，其采用ASIC構架，整合了一個專用于機器學習的神經網絡引擎(Apple Neural Engine)硬件，性能強大。2018年9月，蘋果又推出A12仿生芯片，AI能力再度加強。
與谷歌一樣，微軟和亞馬遜也在云計算領域具雄厚的實力。微軟代號為Project Catapult的FPGA構架AI芯片、亞馬遜云端AI芯片Inferentia均通過自研，以擺脫芯片廠商的束縛，提升自身云計算和相關應用的競爭力。
在國內互聯網企業中，百度在AI領域的拓展由來已久，并喊出「All in AI」的戰略目標。在繼“百度大腦”、深度學習框架PaddlePaddle、智能語音操作系統DuerOS和自動駕駛平臺Apollo之后，百度也推出了自研AI芯片——“昆侖”。據悉，“昆侖”基于百度CPU、GPU和FPGA加速器長達8年的研發，通過20多次的迭代產生。
最近名聲大振的華為海思，成立于2004年10月，其前身是創建于1991年的華為集成電路設計中心，可見華為的遠見。而在AI芯片方面，華為在云端、邊緣和移動端都有相應的解決方案。在移動端，先后推出了麒麟系列的Kirin970和Kirin980兩款AI芯片，從借鑒寒武紀NPU到自研首次集成雙NPU單元，AI性能大幅提升。
2018年10月，華為推出自研的達芬奇架構的昇騰系列AI芯片——Ascend 910和Ascend 310，昇騰910面向云端訓練和推理，直至競爭對手英偉達和谷歌，被稱之為當時單芯片計算密度最大的AI芯片。而Ascend 310為低功耗設計，針對邊緣計算，擁有nano、tiny、mini、lite和max五個系列，能提供橫跨全場景支持。至此，在AI芯片的支持下，華為的AI戰略和全棧全場景AI解決方案的雛形已初見端倪。
此外，阿里整合中天微與達摩院芯片團隊的“平頭哥半導體有限公司”，也
正在研發神經網絡芯片Ali-NPU，同時其也將推出自研IoT物聯網芯片，從云端向邊緣拓展。
在科技巨頭們紛紛涉足AI芯片的同時，一些初出茅廬的初創AI企業也想在這一領域分一杯羹。寒武紀、地平線、云之聲、依圖、思必馳、出門問問、Rokid、深鑒科技等等國內初創企業搶先推出自研AI芯片，從應用場景從面向上游的芯片設計邁出了重要的一步。
寒武紀成立與2015年，在國內并不被終端消費者所熟知，但提到華為全球首款移動端AI芯片——Kirin 970移動處理器，就不得不提寒武紀Cambricon-1A 神經網絡處理器。Cambricon-1A也由此成為了全球首個成功商用的深度學習處理器IP產品。此外，寒武紀分別在2018年5月和2019年5月推出云端芯片MLU100和思元270(MLU270)，完善自身產品線和布局。去年6月，寒武紀完成數億美元B輪融資，投后整體估值為25億美元(約合167億人民幣)，成為全球AI芯片創業公司的“領頭羊”。
地平線作為一家2015年成立的初創自動駕駛企業，2017年就推出了基于FPGA的自研BPU(Brain Processing Unit，腦處理單元)架構和“征程”和“旭日”兩款嵌入式AI視覺芯片，在業界先拔頭籌！今年2月27日，地平線獲得6億美元(約合40億人民幣)左右的B輪融資，估值達30億美元(約合200億人民幣)，成為AI芯片領域“最值錢”的獨角獸。
5月9日，依圖推出自研云端AI芯Questcore以及基于該芯片構建的軟硬件一體化系列產品和行業解決方案。宣稱，該芯片在視覺推理上超越英偉達GPU，算法執行力可見一斑。
此外，云之聲面向物聯網以及思必馳、Rokid和出門問問都專注于AI語音芯片，是圍繞應用場景做文章的鮮明例子。
從目前兩大AI芯片新勢力陣營來看，明顯的特征就是結合自身應用場景的特點，通過自研AI芯片，以擺脫英偉達等老牌廠商的束縛，并實現掌控產業鏈上游，進一步提升行業話語權。事實上，這正是傳統硬件廠商的老套路，如今也在AI領域被活學活用。
合縱連橫
盡管各大科技、互聯網巨頭及初創企業“造芯”勢頭正如火如荼，但從目前的市場格局來看，英偉達GPU的地位仍然無人能夠撼動，尤其在需求量較大的云端推理層面，可謂一家獨大。正因此，英偉達也幾乎成為所有廠商對標的對象，一旦超越，其意義非比尋常。
為了突破大企業的壟斷，小企業采用合縱連橫的商業策略已成為一種潮流。雖然在AI芯片行業并沒有明顯的“拉幫結派”，但各廠商之間的強強聯手、深度合作，甚至抱團取暖的趨勢已日益顯著。
據Compass Intelligence的研究結果顯示，從2018年開始的過去三年中，各大公司藉由收購AI及AI新創企業，已經總共在研發、投資AI領域超過600億美元。AI新創公司就有約1700家，業界對于AI芯片組需求正逐漸擴大。
最典型的例子就是谷歌，近年來其收購的企業數量已近20家。蘋果公司在該AI領域也是動作頻頻，先后收購了Tuplejump等3家AI公司。
英特爾通過“買買買“，接連收購Mobileye、Nervana、Movidus，實現向自動輔助駕駛、神經網絡、機器視覺三大AI芯片應用場景的拓展，大大補充了自身實力。
同時，賽靈思收購國內的AI芯片新秀深鑒科技，從合作方到強強聯手，就是為了掌控FPGA構架及相關核心技術，以求與英偉達一爭高下。此外，依圖推出自研芯Questcore的背后，也離不開其投資的AI芯片初創團隊熠知電子(ThinkForce)的功勞。
鹿死誰手
無論是自研，還是收購、合作，廠商的目的都是快速推動AI芯片落地，與特定應用場景相結合，從而擴大市場或向新興領域拓展。然而，值得注意的是，目前ASIC構架由于可定制，易于為特定應用場景量身打造，獲得了大量廠商的認可，上文提到的谷歌、蘋果、華為等均采用了ASIC構架。同時，業內也有一種觀點，即ASIC的開發難度要低于處理復雜指令的通用芯片和FPGA構架芯片，所以ASIC被認為是如今實現快速“造芯”的殺手锏。
但事實并非如此。
盡管ASIC構架門檻有所降低，但目前仍然缺乏統一的標準，而且算法、軟件迭代速度又快，再加上芯片行業慣有的高投入、高風險、慢回報等特點，仍然危機重重。
由于其周期長，且試錯成本極高，風險也大，讓企業難以承受。目前，即便以谷歌為首的科技巨頭全面深入AI芯片領域，所以依靠的就是自身的財力支撐，但仍然面臨不小的風險。另一方面，初出茅廬的初創企業的加入戰局，與其先期巨額的投資不無關系，同時依托多方面的聯手，以減低風險，但相比科技巨頭來說，仍然將面臨不可預知的困難。
不過，無論各方面如何競爭，最后芯片制造的重擔仍然要落到臺積電等代工大廠身上，其實際產量和排期所決定了芯片何時問世。但不可忽略的是，在如今這個快速發展的大背景下，一旦產品延遲上市，很可能就是滅頂之災，性命攸關。
從這個層面來看，在AI芯片的“戰國時代”，扎堆“造芯”背后的最大的贏家說不定就成了芯片代工廠。
然而，無論是獨霸PC時代的英特爾，還是把持移動端的ARM、高通，對于布局AI芯片這一新興領域，都顯得有些吃力。同樣，即便是憑借GPU牢牢占據云端AI芯片頭把交椅的英偉達，在科技巨頭和新秀們的“圍剿”面前，仍然有翻車的危險。
歸根到底，AI芯片這一全新的領域，根本不存在無法逾越的“護城河”。
如今，谷歌、蘋果、亞馬遜、Facebook以及華為、阿里、百度等國內外巨頭紛紛涉足其中，群雄逐鹿，究竟誰能染指這個“香餑餑”？
帝國重器
眾所周知，AI的發展離不開三大元素：算法、算力和數據。其中算法、算力都與芯片密不可分，其重要性自然不言而喻。因此，AI芯片就猶如“帝國重器”一般，成為各大廠商爭奪的目標。
那何為AI芯片呢？它與傳統PC和移動芯片的區別何處？
從廣義上來說，AI芯片就是能執行AI算法的芯片。理論上，目前CPU、GPU等通用芯片都可以執行AI算法，只是效率、功耗上存在差異。從狹義上來說，AI芯片被定義為針對AI算法進行加速的專用芯片，也就是AI加速芯片或AI加速器。
顯然，由于通用型的芯片需要適應各種應用程序的需要，在執行AI算法時，效率自然不及專用的AI芯片，同時也難以控制功耗，性價比不高。而且，由于面向專用算法，AI芯片一般都側重于特定領域，例如語音識別、自然語言處理、圖像處理、自動駕駛等等，針對性較強。所以，傳統PC和移動芯片的區別，就在于是否能為AI算法加速。
關于AI芯片的類別，需要從構架、功能和場景三個維度來看。
首先，從構架來說，第一類是通用芯片，即GPU(Graphics Processing Unit，圖像處理單元)，代表廠商就是英偉達、英特爾和AMD，其中英特爾在GPU集群上優勢明顯；第二類是FPGA(Field-Programmable Gate Array)，即現場可編程門陣列，就是一種半定制的芯片，特點是可編程，目前賽靈思(XILINX)、Altera兩家占據了近90%的市場份額；第三類則是ASIC(Application Specific Integrated Circuit)，即專用集成電路，是一種全定制化芯片，例如谷歌TPU、華為kirin系列等；第四類是類腦芯片，IBM的TrueNorth最具代表性，但離商業化落地還很遙遠，就不過多提及了。
值得注意的是，ASIC還衍生出NPU(神經網絡處理器)，其專為深度學習設計，英特爾NNP、寒武紀NPU及華為麒麟系列等都是典型的代表。此外，在ASIC的基礎上，一些廠商還通過SoC+IP 模式，在一塊芯片上整合不同功能或者IP(半導體知識產權)，也可以稱之為系統級芯片。其目的就是在有限的體積內實現密度的最大化，以提升芯片的性價比和移動性。
其次，從功能上來說，由于AI的機器學習和深度學習都離不開Training(訓練)和Inference(推理)兩大環節。所謂訓練，就是憑借大數據讓機器形成一個復雜的神經網絡算法模型。而推理則是通過該算法模型，讓機器模仿人做出推理或決策。在訓練方面，英偉達的GPU領先優勢相當明顯，幾乎成為標配。此外，英特爾、AMD 、賽靈思、谷歌等都有相應的解決方案。
推理方面，英偉達優勢不在，除了英特爾、谷歌、賽靈思等芯片大廠之外，科技巨頭亞馬遜、微軟、百度、阿里、騰訊、新興的寒武紀、地平線，以及移動端的高通、華為海思、ARM等也涉足其中，競爭之激烈可見一斑。
然后，從場景來看，AI芯片又分為云端和終端兩類。由于訓練需要龐大的數據量和高強度的運算量，單一處理器根本無法獨立完成，必須通過云端借助龐大的云端神經網絡才行。而在終端方面，各種智能終端可謂天差地別，尤其是移動端，為了滿足用戶越來越苛刻的要求以及增強體驗，就必須配備執行效率高的推理芯片，同時要兼具體積小巧及低功耗，要求也提升不少。
另外，業內還有許多不同的芯片構架和概念，這里就不一一列舉，但無論是GPU、FPGA、ASIC，還是NPU、TPU之類，歸根到底，就是為了實現AI算法效率的最大化，加強競爭力。
目前，全球AI芯片行業中，GPU可謂一枝獨秀，FPGA和ASIC則奮力追趕，盡管各有優缺點，但各自陣營都有鮮明的特點，例如GPU的性能強大、通用性強，功耗也巨大；FPGA可編程，靈活性和性能不錯，但價格過高；ASIC可定制，性能穩定，功耗也可控，但研發周期長、風險高。
大國爭霸
傳統顯示設備巨頭英偉達在AI芯片領域的崛起，看似無心插柳柳成蔭，但從深層次來說，也是其始終專注GPU而結出的碩果。
GPU以往主要用于圖形和視頻處理領域，能夠處理復雜且多數據處理，而正因此，其在性能方面大大優于CPU，同時輔以CUDA(Compute Unified Device Architecture，即通用并行計算架構)，使其在AI領域如虎添翼，尤其在云端訓練上得到應用廣泛，促使英偉達在該領域一枝獨秀。
目前，各大AI廠商和云計算數據中心基本都配備英偉達GPU集群，構建超算中心，用于大規模的訓練，以支撐AI業務和應用場景的運作。
除此之外，英偉達還為自動駕駛、機器人、醫療等行業提供相應的AI解決方案。典型的例子就是，特斯拉在推出自有芯片之前，采用的就是英偉達的解決方案。
與此同時，傳統PC芯片“大哥大”英特爾與其老對手AMD也在積極向AI芯片方向拓展，但無奈CPU在算法上執行效率不高，GPU性能又不及英偉達，所以只得尋求新的機會。其中英特爾借助收購FPGA生產商Altera和機器視覺廠商Movidus，以涉足FPGA、 ASIC構架新領域，在數據中心市場加大布局力度。同時，還有傳言英特爾也在積極研發新一代GPU產品。而AMD則仍然依托自有GPU的優勢，是GPU的第二大市場，其定位也是數據中心。
IBM在芯片領域始終比較超前，除了前沿的類腦芯片之外，IBM 旗下Research AI團隊還用大規模的模擬存儲器陣列訓練深度神經網絡(DNN)，已達到了與GPU相當的精度。
FPGA構架的“締造者”賽靈思在AI芯片領域早已有了布局。2018年，賽靈思推出一款超越FPGA功能的新產品——ACAP(自適應計算加速平臺)和Versal芯片，樹起FPGA反擊的大旗。
作為移動芯片領域的霸主，高通也推出了云端AI芯片Cloud AI 100加速器，針對數據中心。據悉，預計將于2019年下半年開始向客戶出樣。
目前，雖然移動端并非AI芯片競爭的主戰場，但ARM、高通、三星仍然在AI芯片上做文章，通過SoC+IP 模式，形成CPU+AI芯片+5G基帶芯片一體化的全新芯片組，以降低體積和功耗，適應移動終端的需要。盡管，現在云端訓練芯片當道，但面向終端的推理芯片的需求也日益迫切，隨著智能手機新能的突飛猛進，移動AI芯片無疑將逐漸走向前臺。
據市場研究顧問公司Compass Intelligence在2018年5月發布的關于AI芯片調研報告顯示，英偉達當仁不讓成為領頭羊，英特爾和IBM緊隨其后。值得注意的是谷歌、蘋果排在第四、第五的位置，顯然已經開始挑戰傳統芯片廠商的地位。此外，AMD、ARM、高通、三星、恩智浦仍然占據位列前十。博通、新思(Synopsys)、Marvell、賽靈思等老牌芯片廠商也排在前25位之中。
而令國人鼓舞的是，國內有7家廠商上榜，其中華為海思排名第12位，聯發科為第14位；兩家初創企業寒武紀(Cambricon)和地平線(Horizon)排名第23位和24位。余下的Imagination(原英國芯片廠商，已被中資收購)、瑞芯微(Rockchip)、芯原(Verisilcon)三家的知名度并不高，可謂“隱形冠軍”。
但毋庸置疑的是，目前全球AI芯片領域仍然呈現于“大國爭霸”的局面，以英偉達、英特爾、IBM、ARM、高通、三星等為首的老牌芯片廠商依舊占據市場主動。同時，以谷歌、蘋果等為代表的新興勢力和初創企業崛起的勢頭也難以阻擋。
實際上，僅僅從芯片的構架就能發現端倪。老牌廠商在傳統優勢構架在基礎上向全新領域拓展，而新興廠商則直接轉向可定制的全新解決方案， 其中ASIC構架正是趁著這一勢頭迅速升溫。當然，其背后離不開大量新興芯片廠商的推波助瀾，AI芯片行業至此呈現出“百家爭鳴“的新態勢。
百家爭鳴
在老牌芯片廠商尋求新突破方向的時候，兩股“造芯新勢力”開始脫穎而出。首先是以谷歌、蘋果、華為、阿里等為首的科技和互聯網巨頭開始涉足AI芯片領域，甚至特斯拉也舍棄英偉達的芯片解決方案，推出了自研的FSB全自動駕駛芯片。其次，初創AI企業早已崛起，寒武紀、地平線、依圖等新勢力接著資本風潮，也試圖進入芯片領域，以爭奪這一新興市場。
2016年，谷歌推出TPU(Tensor Processing Unit)，基于ASIC構架，專為機器學習設計，配合自家深度學習框架TensorFlow，以加強算法模型的執行效率，并且同時可運用在訓練和推理上，適應性更強。值得注意的是，2016年名聲大噪的AlphaGo成功的背后，就離不開TPU芯片的支持。
2018年谷歌在Google I/O大會推出了TPU3.0，性能大幅提升。隨后，谷歌又接連推出面向云端的Cloud TPU和針對終端的Edge TPU兩款芯片，其目的就是挑戰英偉達GPU的霸主地位。
目前，憑借自身云計算的優勢，谷歌在云端AI芯片上的努力，已經給英偉達帶來了不小的沖擊。然而，英偉達在芯片領域擁有豐富的經驗和資源，且GPU具有先入為主的巨大優勢，通用性強，且牢牢占據市場主動，近期撼動其霸主地位顯然并不現實。
作為智能手機時代的開創者，蘋果在移動領域始終呼風喚雨。但是，蘋果在芯片上一直受制于人，顯然與其強勢的個性不符。所以，從2008年開始，蘋果就通過一系列收購，開始了自己的“造芯”之路。2017年9月，蘋果推出了全新的A11芯片，其采用ASIC構架，整合了一個專用于機器學習的神經網絡引擎(Apple Neural Engine)硬件，性能強大。2018年9月，蘋果又推出A12仿生芯片，AI能力再度加強。
與谷歌一樣，微軟和亞馬遜也在云計算領域具雄厚的實力。微軟代號為Project Catapult的FPGA構架AI芯片、亞馬遜云端AI芯片Inferentia均通過自研，以擺脫芯片廠商的束縛，提升自身云計算和相關應用的競爭力。
在國內互聯網企業中，百度在AI領域的拓展由來已久，并喊出「All in AI」的戰略目標。在繼“百度大腦”、深度學習框架PaddlePaddle、智能語音操作系統DuerOS和自動駕駛平臺Apollo之后，百度也推出了自研AI芯片——“昆侖”。據悉，“昆侖”基于百度CPU、GPU和FPGA加速器長達8年的研發，通過20多次的迭代產生。
最近名聲大振的華為海思，成立于2004年10月，其前身是創建于1991年的華為集成電路設計中心，可見華為的遠見。而在AI芯片方面，華為在云端、邊緣和移動端都有相應的解決方案。在移動端，先后推出了麒麟系列的Kirin970和Kirin980兩款AI芯片，從借鑒寒武紀NPU到自研首次集成雙NPU單元，AI性能大幅提升。
2018年10月，華為推出自研的達芬奇架構的昇騰系列AI芯片——Ascend 910和Ascend 310，昇騰910面向云端訓練和推理，直至競爭對手英偉達和谷歌，被稱之為當時單芯片計算密度最大的AI芯片。而Ascend 310為低功耗設計，針對邊緣計算，擁有nano、tiny、mini、lite和max五個系列，能提供橫跨全場景支持。至此，在AI芯片的支持下，華為的AI戰略和全棧全場景AI解決方案的雛形已初見端倪。
此外，阿里整合中天微與達摩院芯片團隊的“平頭哥半導體有限公司”，也
正在研發神經網絡芯片Ali-NPU，同時其也將推出自研IoT物聯網芯片，從云端向邊緣拓展。
在科技巨頭們紛紛涉足AI芯片的同時，一些初出茅廬的初創AI企業也想在這一領域分一杯羹。寒武紀、地平線、云之聲、依圖、思必馳、出門問問、Rokid、深鑒科技等等國內初創企業搶先推出自研AI芯片，從應用場景從面向上游的芯片設計邁出了重要的一步。
寒武紀成立與2015年，在國內并不被終端消費者所熟知，但提到華為全球首款移動端AI芯片——Kirin 970移動處理器，就不得不提寒武紀Cambricon-1A 神經網絡處理器。Cambricon-1A也由此成為了全球首個成功商用的深度學習處理器IP產品。此外，寒武紀分別在2018年5月和2019年5月推出云端芯片MLU100和思元270(MLU270)，完善自身產品線和布局。去年6月，寒武紀完成數億美元B輪融資，投后整體估值為25億美元(約合167億人民幣)，成為全球AI芯片創業公司的“領頭羊”。
地平線作為一家2015年成立的初創自動駕駛企業，2017年就推出了基于FPGA的自研BPU(Brain Processing Unit，腦處理單元)架構和“征程”和“旭日”兩款嵌入式AI視覺芯片，在業界先拔頭籌！今年2月27日，地平線獲得6億美元(約合40億人民幣)左右的B輪融資，估值達30億美元(約合200億人民幣)，成為AI芯片領域“最值錢”的獨角獸。
5月9日，依圖推出自研云端AI芯Questcore以及基于該芯片構建的軟硬件一體化系列產品和行業解決方案。宣稱，該芯片在視覺推理上超越英偉達GPU，算法執行力可見一斑。
此外，云之聲面向物聯網以及思必馳、Rokid和出門問問都專注于AI語音芯片，是圍繞應用場景做文章的鮮明例子。
從目前兩大AI芯片新勢力陣營來看，明顯的特征就是結合自身應用場景的特點，通過自研AI芯片，以擺脫英偉達等老牌廠商的束縛，并實現掌控產業鏈上游，進一步提升行業話語權。事實上，這正是傳統硬件廠商的老套路，如今也在AI領域被活學活用。
合縱連橫
盡管各大科技、互聯網巨頭及初創企業“造芯”勢頭正如火如荼，但從目前的市場格局來看，英偉達GPU的地位仍然無人能夠撼動，尤其在需求量較大的云端推理層面，可謂一家獨大。正因此，英偉達也幾乎成為所有廠商對標的對象，一旦超越，其意義非比尋常。
為了突破大企業的壟斷，小企業采用合縱連橫的商業策略已成為一種潮流。雖然在AI芯片行業并沒有明顯的“拉幫結派”，但各廠商之間的強強聯手、深度合作，甚至抱團取暖的趨勢已日益顯著。
據Compass Intelligence的研究結果顯示，從2018年開始的過去三年中，各大公司藉由收購AI及AI新創企業，已經總共在研發、投資AI領域超過600億美元。AI新創公司就有約1700家，業界對于AI芯片組需求正逐漸擴大。
最典型的例子就是谷歌，近年來其收購的企業數量已近20家。蘋果公司在該AI領域也是動作頻頻，先后收購了Tuplejump等3家AI公司。
英特爾通過“買買買“，接連收購Mobileye、Nervana、Movidus，實現向自動輔助駕駛、神經網絡、機器視覺三大AI芯片應用場景的拓展，大大補充了自身實力。
同時，賽靈思收購國內的AI芯片新秀深鑒科技，從合作方到強強聯手，就是為了掌控FPGA構架及相關核心技術，以求與英偉達一爭高下。此外，依圖推出自研芯Questcore的背后，也離不開其投資的AI芯片初創團隊熠知電子(ThinkForce)的功勞。
鹿死誰手
無論是自研，還是收購、合作，廠商的目的都是快速推動AI芯片落地，與特定應用場景相結合，從而擴大市場或向新興領域拓展。然而，值得注意的是，目前ASIC構架由于可定制，易于為特定應用場景量身打造，獲得了大量廠商的認可，上文提到的谷歌、蘋果、華為等均采用了ASIC構架。同時，業內也有一種觀點，即ASIC的開發難度要低于處理復雜指令的通用芯片和FPGA構架芯片，所以ASIC被認為是如今實現快速“造芯”的殺手锏。
但事實并非如此。
盡管ASIC構架門檻有所降低，但目前仍然缺乏統一的標準，而且算法、軟件迭代速度又快，再加上芯片行業慣有的高投入、高風險、慢回報等特點，仍然危機重重。
由于其周期長，且試錯成本極高，風險也大，讓企業難以承受。目前，即便以谷歌為首的科技巨頭全面深入AI芯片領域，所以依靠的就是自身的財力支撐，但仍然面臨不小的風險。另一方面，初出茅廬的初創企業的加入戰局，與其先期巨額的投資不無關系，同時依托多方面的聯手，以減低風險，但相比科技巨頭來說，仍然將面臨不可預知的困難。
不過，無論各方面如何競爭，最后芯片制造的重擔仍然要落到臺積電等代工大廠身上，其實際產量和排期所決定了芯片何時問世。但不可忽略的是，在如今這個快速發展的大背景下，一旦產品延遲上市，很可能就是滅頂之災，性命攸關。
從這個層面來看，在AI芯片的“戰國時代”，扎堆“造芯”背后的最大的贏家說不定就成了芯片代工廠。
17621123178