目前，AI芯片的大規(guī)模應用場景主要還是在云端。在云端，互聯(lián)網(wǎng)巨頭已經(jīng)成為了事實上的生態(tài)主導者，因為云計算本來就是巨頭的戰(zhàn)場，現(xiàn)在所有開源AI框架也都是這些巨頭發(fā)布的。工業(yè)主板

從應用場景看，AI芯片主要有兩類，一是部署在以數(shù)據(jù)中心為代表的云端，其特點是高性能，功耗隨之也偏高；另一個是部署在消費級和物聯(lián)網(wǎng)的終端，其最大特點就是低功耗。

云端AI芯片已經(jīng)被各大巨頭把控，但是在終端上，由于還沒有一統(tǒng)天下的事實標準，芯片廠商可以八仙過海各顯神通。目前，AI芯片在終端的應用場景主要還是手機，各大手機處理器廠商都在打AI牌，生怕錯過了熱點。

產(chǎn)學研各界的眾多企業(yè)和科研機構(gòu)在最近兩年紛紛投入人力和財力，進行低功耗AI芯片的研發(fā)，以期在競爭中占得先機。一些傳統(tǒng)AI服務廠商將自己的服務進行垂直拓展，比如的自然語音處理廠商云知聲從自己的傳統(tǒng)語音業(yè)務出發(fā)，開發(fā)了UniOne語音AI芯片，用于物聯(lián)網(wǎng)IoT設備。相對于語音市場，安防更是一個AI芯片扎堆的大產(chǎn)業(yè)，如果可以將自己的芯片置入攝像頭，是一個不錯的場景，也是很好的生意。

在計算機體系結(jié)構(gòu)頂級會議ISSCC 2018，“Digital Systems： Digital Architectures and Systems”分論壇主席Byeong-GyuNam對AI芯片，特別是深度學習芯片的發(fā)展趨勢做了概括，去年，大多數(shù)論文都在討論卷積神經(jīng)網(wǎng)絡的實現(xiàn)問題，今年則更加關注兩個問題：一，如果更高效地實現(xiàn)卷積神經(jīng)網(wǎng)絡，特別是針對手持終端等設備；二，關于全連接的非卷積神經(jīng)網(wǎng)絡，如RNN和LSTM。

為了獲得更高的能效比，越來越多的研究者把精力放在了低精度神經(jīng)網(wǎng)絡的設計和實現(xiàn)上，如1bit的神經(jīng)網(wǎng)絡。這些新技術使深度學習加速器的能效比從去年的幾十TOPS/W提升到了今年的上百TOPS/W。有些研究者也對數(shù)字+模擬的混合信號處理實現(xiàn)方案進行了研究。對數(shù)據(jù)存取具有較高要求的全連接網(wǎng)絡，有些研究者則借助3D封裝技術來獲得更好的性能。相信隨著5G和物聯(lián)網(wǎng)的大面積鋪開，低功耗AI芯片將是未來的主要發(fā)展方向，只要相關標準能夠確定，則商機無限。

總之，AI芯片在終端側(cè)的發(fā)展?jié)摿薮螅覒脠鼍氨姸?，品類也多，這就更適合眾多初創(chuàng)的、中小規(guī)模AI芯片企業(yè)的胃口。

來源：朗銳智科