芯片，目前在我國是一個高熱度話題。尤其是在貿(mào)易戰(zhàn)之后，每天有大量的報道充斥在我們周圍：一邊是我國芯片陷入“缺芯少魂”的絕境，一邊又是我國AI芯片“趕超歐美”的欣喜。這些在對立面的報道大大增加了人們的疑惑，到底誰說的對，我國芯片行業(yè)目前真實的狀態(tài)究竟是怎樣？

其實，這兩種看似對立的聲音都是正確的，都是我國芯片行業(yè)目前真實的現(xiàn)狀。只是有些人混淆了傳統(tǒng)芯片與AI芯片的概念。

傳統(tǒng)芯片，指的是中央處理器（CPU），它是一塊超大規(guī)模的集成電路，是一臺計算機的運算核心（Core）和控制核心（Control Unit）。它的功能主要是解釋計算機指令以及處理計算機軟件中的數(shù)據(jù)。

在傳統(tǒng)芯片領(lǐng)域，美國一家獨大，占全球市場份額的60%以上。美國的英特爾、AMD、高通、博通、英偉達等都是全球頂尖的芯片制造商。在這一方面，中國的確落后于美國，并且在短時間內(nèi)極難追趕?！叭毙旧倩辍钡恼f法也由此而來。

但在AI芯片領(lǐng)域，卻呈現(xiàn)出一副截然不同的畫面。

AI芯片并非廣義的芯片

AI芯片并不是真正意義上的芯片，從某種意義上來說，能實現(xiàn)AI加速功能的半導體器件都可以被稱為“AI芯片”。它可以被封裝成芯片的形態(tài)，也可以被制成板卡的形態(tài)，所以AI芯片也被稱為AI加速器或計算卡，是專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。

圖：CPU的內(nèi)部結(jié)構(gòu)及工作原理 來源：百度百科

如圖所示，以往CPU負責整個系統(tǒng)的基本計算和運行。但當整個系統(tǒng)都需要使用人工智能這項功能時，就需要消耗大量的算力。如果這時候仍由CPU的運算單元來提供算力，可能就會出現(xiàn)因為算力不足而“死機”的情況。

AI芯片就是為了完成這些額外計算任務而誕生的。

目前，根據(jù)芯片的架構(gòu)，以及通用性和計算性能的差異，我們通常把AI芯片分為： GPU 、ASIC、FPGA、類腦芯片四大類。

GPU采用的是單指令、多數(shù)據(jù)處理結(jié)構(gòu)，主要處理圖像領(lǐng)域運算加速的任務。但GPU無法單獨工作，必須由CPU進行控制調(diào)用才能工作。CPU可單獨作用，處理復雜的邏輯運算和不同的數(shù)據(jù)類型，但當需要大量地處理類型統(tǒng)一的數(shù)據(jù)時，則可調(diào)用GPU進行并行計算。

ASIC芯片是供專門應用的集成電路芯片技術(shù)，在集成電路界被認為是一種為專門目的而設(shè)計的專用AI芯片。除了不能擴展以外，在功耗、可靠性、體積等方面都有優(yōu)勢，尤其在高性能、低功耗的移動端。

FPGA，即現(xiàn)場可編程門陣列。它是專用集成電路（ASIC）領(lǐng)域中的一種半定制電路，既解決了定制電路不足的問題，又克服了原有可編程器件門電路數(shù)有限的缺點，適用于多指令，單數(shù)據(jù)流的分析，常用于預測階段，如云端。FPGA是用硬件實現(xiàn)軟件算法，因此在實現(xiàn)復雜算法方面有一定的難度，缺點是價格比較高。

由于人腦結(jié)構(gòu)精密且復雜，芯片想要模仿人腦的工作模式并不容易，所以目前類腦芯片只有個別傳統(tǒng)芯片巨頭在從事相關(guān)研發(fā)工作。

國產(chǎn)崛起，拉開戰(zhàn)爭序幕

縱觀全球AI芯片格局，老牌芯片公司依然占據(jù)主導地位，但中國企業(yè)正在迅猛向前。

2018年，市場研究和咨詢公司Compass Intelligence發(fā)布了年度全球AI芯片公司排名報告。根據(jù)報告顯示，英偉達排名第一，英特爾、IBM、Google、蘋果、AMD、ARM、高通、三星、恩智浦等公司位列2-10名。在Top24的榜單排行中，已有六家中國公司入圍。分別是：第12位華為（海思）、第14位聯(lián)發(fā)科（MediaTek）、第20位瑞芯微（Rockchip）排名第20位、第21位芯原（Verisilcon）、第23位寒武紀（Cambricon）排名第23位、第24位地平線（Horizon）。

由于CUDA開發(fā)平臺的普及和較早研發(fā)GPU，英偉達的GPU是目前應用最廣的通用AI硬件計算平臺，它也牢牢地占據(jù)了榜單的第一名。

除了英偉達，其他老牌的芯片巨頭也沒“閑”著，特別是英特爾。通過收購Altera，英特爾獲得了基于FPGA的AI方案，這讓英特爾得以躋身行業(yè)第一梯隊。

雖然中國企業(yè)暫時排名較后，但崛起的可能性無限。

如果從使用場景來看，AI芯片主要可分為兩類：一個是在數(shù)據(jù)中心部署的云端，一個是在消費者端部署的終端。其中，云端主要以訓練（Training）任務為主，終端以推理（Inference）任務為主。

訓練任務即用大量標記過的數(shù)據(jù)來“訓練”相應的系統(tǒng)，使之可以適應特定的功能。例如給系統(tǒng)海量的“人臉”的圖片，系統(tǒng)會通過訓練記住每張“人臉”的特點、細節(jié)、差異。

推理任務即用訓練好的系統(tǒng)來完成任務。接上面的例子，就是你將一張圖給之前訓練過的系統(tǒng)，之后系統(tǒng)就會自動分辨出特定的“人臉”。

訓練和推理在目前大多數(shù)的AI系統(tǒng)中，是相對獨立的過程，兩者對計算能力的要求也不盡相同。

完成訓練任務，需要極高的計算性能，需要較高的精度，需要能處理海量的數(shù)據(jù)，需要有一定的通用性，以便完成各種各樣的學習任務。所以擁有大量原始數(shù)據(jù)的中國芯片廠家，將會在此脫穎而出。

相對來說，推理任務對性能的要求并不高，對精度要求也要更低，在特定的場景下，對通用性要求也低，能完成特定任務即可。但因為推理的結(jié)果直接提供給終端用戶，所以用戶體驗方面的優(yōu)化更為重要。這也給了大量注重用戶體驗的中國企業(yè)新的超越機會。

在今年8月的人工智能大會上，華為的麒麟810、麒麟910、昇騰310、昇騰910;地平線“征程/旭日”系列、依圖的“求索”;阿里旗下玄鐵910、銳虎賁T710等AI芯片紛紛嶄露頭角。此外Thinkforce、翱捷和芯馳等后起之秀也在摩拳擦掌。

AI芯片的戰(zhàn)爭才剛剛開始。