在众多种类的芯片中，专注于人工智能应用的AI芯片是名副其实的“风口”——无论是科技巨头还是初创企业，芯片厂商还是互联网公司，纷纷积极布局这一领域。

　　以BAT为代表的互联网公司在芯片行业虽无深厚家底，但是靠着雄厚资金、尖端人才和海量数据，步子走得一点儿也不慢。继今年4月阿里达摩院宣布正在研发应用于图像视频分析、机器学习领域，性价比是同类产品40倍的神经网络芯片Ali－NPU之后；百度在7月的AI开发者大会上正式推出了专注于自然语言处理、图像识别、自动驾驶等应用的“中国首款云端全功能AI芯片”昆仑。

　　AI芯片大热，初创企业们同样热情高涨。成立于2015年的地平线已经推出了面向智能驾驶的征程（Journey）系列处理器和面向智能摄像头的旭日（Sunrise）系列处理器；成立于2016年的寒武纪则于今年5月在上海发布了采用7nm工艺的第三代机器学习终端处理器1M，其性能比此前发布的寒武纪1A高10倍。

　　一线芯片企业在AI领域早已深入布局，甚至已先声夺人。在CES 2018上，瑞芯微发布了旗下首款AI处理器RK3399Pro，首次采用CPU＋GPU＋NPU硬件结构设计，其片上NPU运算性能高达2．4TOPs，具备高性能、低功耗、开发易等优势；同年3月，台湾芯片厂商联发科发布了首款内建AI功能的芯片曦力P60，内置了专门用作AI运算的APU，可以提供从入门到高级的完整API支持和开发者工具包。

　　AI芯片风口，究竟具有什么样特质的企业才能抓得住飞得起来呢？

　　智能互联设备激增催热人工智能AI芯片

　　近几年，市场上一个明显的趋势是智能手机的人口红利正在消失，出货量逐年逼近天花板，与之相反的是，智能互联设备却呈海量激增之势。

　　智能音箱是消费领域的典型代表，市场研究公司Canalys的数据显示，今年第一季度的智能音箱全球出货量高达900万台，较去年同期增长210％；智能摄像头则是产业领域的典型代表，目前国内大概装有1．76亿个监控摄像头，预计三年内数量会增加到6．26亿。在数量暴增的同时，对摄像头的要求也越来越高，正在从“看得见”向“看得懂”转变，这就要求摄像头更加“智慧”。

　　显然，这些新型的智能互联设备需要以自然语言处理、图像识别为代表的深度学习技术作为支撑，由此对设备的大脑——芯片在计算能力和功耗方面提出了新的要求。

　　好比绘图工作会交给 GPU 而不是 CPU 是一样的道理，早在2011年，谷歌就发现，如果每位用户每天使用3分钟谷歌提供的基于深度学习语音识别模型的语音搜索服务，就必须把现有的数据中心扩大两倍。这意味着已有的CPU和GPU都不能满足需求，这驱动了谷歌自己研发更高效的AI芯片——NPU。

　　AI 芯片的大热正是基于这样的理念：让适合的架构来做适合的工作，才能得到更高的效率和更低的功耗。专用于人工智能的芯片和传统的计算芯片存在很大的差异——典型CPU的架构中需要大量的空间去放置存储单元和控制单元，相比之下计算单元只占据了很小的一部分，算力无法满足深度神经网络（DNN）的计算需求；而AI芯片则具有大量的计算单元，能够适合大规模并行计算的需求。

　　图：CPU和GPU架构对比

　　既然这么多家企业都在布局AI芯片，那么各家研发的AI芯片究竟表现如何？

　　前不久，市场研究公司Compass Intelligence发布了全球AI芯片企业排名。Compass Intelligence是从公司表现、产品表现、市场表现、独特市场四大维度计算出了这一结果。

　　在全球前20名的AI芯片企业排名表中，中国大陆占据两个席位，分别是华为和瑞芯微，下面我们从他们的产品布局与生态链战略来看看上榜的理由。

　　华为AI芯片布局——抢占手机交互入口

　　AI芯片想要发光发热，必须有搭载芯片的载体，华为毫不犹豫的选择了体量已经非常巨大的手机作为切入点。

　　2017年9月，华为在德国柏林国际电子消费品展览会（IFA）上正式推出其最新 AI 芯片 “麒麟 970”（Kirin 970）。麒麟 970集成 NPU 专用硬件处理单元（寒武纪IP），创新设计了 HiAI 移动计算架构，其 AI 性能密度大幅优于 CPU 和 GPU。10月，华为在德国慕尼黑发布了搭载麒麟 970的新款旗舰手机Mate 10，最主要的卖点便是人工智能。NPU新架构让华为手机在处理同样的AI任务时，得到了50倍能效和25倍性能提升。

　　据悉，华为内部已经制定了代号“达芬奇”（Project Da Vinci）的项目，也被一些华为高管称为“D计划”。在这个计划中，华为希望将AI引入自己所涉足的所有业务，从电信基站、云数据中心，到智能手机和摄像头。