忽如一夜春风来，千树万树梨花开。跟着AI工业的敏捷发展，越来越多的企业都投身到了AI淘金这股浪潮中，而其间最为耀眼的便是AI芯片。
2016年5月，谷歌发布自主规划芯片TPU（张量处理器），同年英特尔也发布Nervana AI处理器，上一年，Deep Mind出资的Graphcore公司也推出了IPU智能处理器；而就在国外企业纷繁研制AI芯片的一起，国内企业也相同没有闲着：在寒武纪推出神经网络处理器NPU（本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依据FPGA渠道的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）……
为什么会忽然呈现这么多CPU、GPU的兄弟？
众所周知，现在业界最为人所知、运用规模最广的芯片是CPU和GPU。
其间，CPU呈现的前史最长，在电子设备中的效果也最为重要，但由于其仅用于串行核算，所以在需求海量核算的AI场景下，其数据处理才能已明显不行，并且落井下石的是，处理器的功用每18个月就能翻倍的摩尔定律也已几近失效，想要依托摩尔定律提高CPU的功用现已不太实践。
而就在此刻，由于具有并行核算才能而具有更强运算力的GPU开端被人们注重，并被广泛用于人工智能范畴。从此，人工智能有了GPU在算力方面的支撑，人工智能也敏捷进入运用阶段。乃至有人表明，没有GPU，就没有这一波AI浪潮。
而GPU范畴的肯定霸主英伟达也因而青云直上，成为了当今人工智能范畴最为成功的企业：2015年，英伟达的市值是100亿美元，而现在其股价已暴升至1300亿美元。
可是，GPU尽管协助人工智能走过了踉跄学步的初级阶段，但人工智能接下来的要走的路却不必定适宜由GPU来走了。
- 首要在云端，数据中心最大的本钱开销一般都是电力本钱，因而，能耗压力是迫使GPU让位的重要原因。比方，依据谷歌上一年4月曝光的数据，其时，TPU 现已在谷歌数据中心内部运用大约两年，并依托TPU打败了李世石。（ 依据谷歌的一份论文显现TPU 均匀比Nvidia K80 GPU或 Haswell CPU 快15~30倍，功用功耗比高出约 30~80 倍，不过英伟达对此辩驳，以为谷歌是在拿TPU和旧的GPU进行比较，因而不客观。不过有必要了解到的是，一般来说芯片功耗越高功用越强，因而，拿功耗高出许多的GPU与相对低功耗的TPU相比较，其实也不公平）。
- 其次便是在终端，跟着用户越来越关怀个人隐私安全与时效性，此前以云端为根底的人工智能正逐渐部分或彻底被终端智能所替代。而终端智能则要求芯片一起具有高功用与低功耗的特征。
尽管GPU在处理许多人工智能问题时现已很高效了，并且GPU作为通用芯片可以习惯各种不同的运用场景，但GPU在运转不同场景中的程序时，芯片的全体功用其实是很难彻底发挥出来。其实也可以说，没有任何单一的 AI 体系可以在任何场景完美地作业。因而，AI 在不同场景中的运用，都需求针对场景的需求，在功耗、推迟、数据吞吐量、加速器计划的挑选上做出调整和优化，使其可以完美运转习惯特定运用场景的算法——所以，各种CPU、GPU的兄弟便诞生了。
别的，地平线算法VP黄畅还表明即使是在同一细分运用场景下，只需深化职业，就会发现算法仍然会有所不同。而这便意味着商场需求更多品种的AI芯片。
总的来说，AI芯片在此刻呈现是顺应年代发展趋势的。
技能与落地，决议AI芯片存亡的要害
尽管现在市道上各种X-PU都因赶上了AI风口而欢喜不已，可是，今日拥堵在身边的是“兄弟”，在明日就或许是敌人了，想想CPU、GPU现在的寡头全国不便是活生生的比方吗？X-PU们真都能笑到最终吗？这也是许多入局者都关怀的一个问题。
OnceAI创始人张春亮深信AI芯片职业不太或许呈现一两家企业控制悉数AI芯片的状况。“比方现在的通讯商场，有寻求高功用高速率的5G规范，但其也必定再来高功耗（的问题）。所以小数据量传输但低功耗的窄带需求量也越来越大。并且还有像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以为商场十分大，并且商场需求也不或许一致，因而，“AI芯片今后很有或许深化出像PIC/AVR这样的低功耗低核算力的芯片，还有像Intel/amd这样的高核算才能高功耗的芯片，或许像arm适用于移动场景的芯片。”
“AI和任何一个新式的技能都相同，引起商场广泛重视的时分都会有许多大佬以及创业公司进入到这个商场，然后开端做芯片。我其实觉得这是一件风趣的工作，由于只需这么多的公司从不同的视点去看待技能，去研制他们的技能，才能给商场带来真实的革新，然后才能把这些技能真实的落地。”英特尔新技能事务Movidius产品事务拓宽负责人 Gordon尽管很认可其时AI芯片的许多兴起，但这并不意味着现在一切但AI芯片企业都能活到最终，AI芯片职业跟其他职业相同，也都将有一个优胜劣汰的进程：
- 首要，做AI芯片的技能难度不小。“怎样把合理的架构和运用场景结合起来，把芯片的功用、功耗和运用场景结合起来，做出一个十分好的产品，这实践上对每个企业都是巨大的应战。” 为了阐明这一点，Gordon还透露了一个他的经历：许多企业或许买了许多IP，以为把它组在一起就能到达好的功用，但实践上这些产品并不必定能有商场。
- 其次，也是最要害的，那便是商场化与产品落地。Gordon就着重落地是一个“十分重要”的工作。Gordon以为做芯片在技能上尽管有难度，但只需找到适宜的人，其实也会有许多人都能做，但创业的实质并不是要做出一款技能上的好产品，而是要处理职业特定问题，然后挣钱养活自己。“而这儿的问题便是你对产品的开发究竟有多深的了解，一个是架构，一个是平衡，如安在功用、功耗、推迟等方面做好取舍，再一个便是对商场的了解，决议做那个职业等。”
而该观念也得到了黄畅的认同，“仅仅做芯片是远远不行的，要害仍是运用的落地，所以地平线是把算法和芯片结合在一起迭代优化，针对运用场景全程推进落地。”黄畅如此表明。
给国内AI芯片创业公司的主张
Gordon表明，英特尔其实是很多AI芯片创业公司的巨大竞争对手，“咱们尽管进来的晚，但咱们在芯片范畴有着多年的研讨，慢仅仅慢在软件以及与场景的结合上。”Gordon以为英特尔一个重要优势便是与职业有着十分严密的结合，因而，Gordon以为英特尔想要后来者居上其实也并非不或许。
不过，面临巨子，中小AI芯片创业公司也并非没有成功的或许性。现在，市道上有一个观念便是像英特尔这样的大企业由于精力有限，无法掩盖一切的细分场景，因而，小企业便有了得以生计的缝隙。
而该观念也得到了Gordon的证明：尽管英特尔十分垂青笔直，但英特尔也会评价哪个笔直或许会先起来，或许有更大的商场，然后排优先级。“比方对某些职业，咱们就有必要要满意其需求，而对另一些职业，咱们则仅仅尽量满意其需求，对第三种职业，那或许便是爱用不用了。”Gordon以为关于像英特尔这么的大企业“有必要学会取舍”。
别的，Gordon也为国内的AI芯片企业提了一些详细的主张：
- 首要，要找对人，找对场景十分了解人，并可以跟工业结合，那就有时机成功。而假如仅仅纯做技能，不跟工业、运用结合，那就走不了多远。
- 其次，挑选职业是不要一窝蜂地盲干。“国内做AI的企业都会集在十分窄的几个范畴，比方一切人都恨不得要去做安防的，但在海外，咱们就看不见这种状况，海外企业会十分专心于自己拿手的职业，而这也是很简单做成果的办法。”
别的，ARM的兴起也能给予我们必定的参阅。
ARM公司1978年在英国建立，1985年，规划了第一代32位、6MHz的处理器，它支撑的指令比较简单，尽管功用远不如英特尔处理器强壮，可是功耗小、价格便宜。不过，其时处理器职业的霸主是英特尔，占有着PC处理器商场绝大多数的商场份额。ARM处理器才能缺乏，底子无法撼动英特尔在PC处理器的商场份额。
因而，ARM找到了嵌入式设备商场，可是整个20世纪90年代，ARM公司的成绩平平，处理器的出货量徘徊不前。但在而在2007年之后，跟着智能手机年代的到来，ARM处理器迎来了快速增长，有材料显现现在全世界95%的智能手机和80%的相机都用到了ARM的技能。现在ARM也现已成了嵌入式芯片范畴的实践规范。ARM也因而成为了一家可以与英特尔抗衡的企业。
明显，ARM的成功经历便是找准方向，然后便是咬定青山不放松地等风来，这对AI芯片企业而言，明显也是一个好主张。
题图来自123RF