9月25日，阿里平头哥推出含光800AI芯片，以其领先同行的性能震惊业界。而就在8月，华为也发布了自己的AI芯片昇腾910。巧合的是，双方都选择了云端AI芯片，为何巨头都看重了这一领域？随着他们的入局，云端芯片会对终端AI芯片带来怎样的影响？

互联网巨头争先布局AI云端芯片

9月25日，在杭州云栖大会上，阿里巴巴旗下平头哥第一颗AI自研芯片—含光800正式发布。作为阿里成立平头哥以来发布的第一款正式流片的AI芯片，这是继处理器IP核玄铁910、无剑SoC平台之后，又一次实力的证明。

在业界标准的ResNet－50测试中，“含光800”推理性能达到78563IPS（每秒能处理7．8万张图片），比目前业界最好的AI芯片性能高4倍；能效比500IPS／W（每瓦功率能处理500张图片），是第二名的3．3倍。

华为：最快的云端训练芯片

在阿里含光800发布之后，大家不免将它与华为在8月23日全联接大会发布的AI处理器昇腾910进行对比 。

因为华为的昇腾910与含光800发布之时都号称算力最强的AI处理器。事实上，两者的用途并不一致。AI芯片可以划分为训练芯片和推理芯片两种用途，昇腾910是最快的训练芯片，含光800是最强的推理芯片。训练是指通过大量标记过的数据在平台上进行“学习”，并形成具备特定功能的神经网络模型；推理则是利用已经训练好的模型输入新数据通过计算得到各种结论。但他们均属于云端芯片。

在AI芯片应用场景中，我们通常分为云端和终端，云端主要指大规模数据中心和服务器，终端包括手机、车载、安防摄像头、机器人等丰富的场景。

除了阿里、华为之外，国内百度、腾讯等也均在芯片领域持续布局。百度布局集中在图像、语音、无人驾驶等应用层面，腾讯则通过投资比特大陆、Diffbot、iCarbonX、CloudMedx、Skymind、ScaledInference等企业完善其在AI芯片产业链的布局。

AI芯片赛道：入局“拥挤”赛道为哪般？

首要原因是，巨头们入局云端AI芯片，更多是考量自身业务的融合优化。随着数据量级的增长，无论是百度的搜索、语音交互、无人驾驶还是腾讯社交、新零售、智能硬件等方面布局，或是阿里云计算，物联网等领域，通用AI芯片已经难以满足自身业务算法和硬件设计的需求。

相比传统芯片厂商，互联网巨头在涉足芯片领域普遍存在一个共同点，那就是其芯片产品都不是以商品芯片的身份单独出售，而是与自家的产品捆绑在一起。

含光800将通过阿里云对外输出AI算力，未来企业可以通过阿里云获取含光800的算力。同时含光800也主要用于解决图像、视频识别、云计算等商业场景的AI推理运算问题，提升运算效率、降低成本，为数据中心提供动力。

而华为发布昇腾910则用于补充AI云端芯片的空白，也用在华为自有服务器和云业务上。

当然，巨头们的布局并不仅仅是云端AI芯片，也包括终端芯片。大量厂商纷纷进入这条赛道的另一大重要原因，是为了芯片的自主可控。

要想在AI赛道上打一场硬仗，芯片是关键的一环。特别是在中美贸易战的大格局下，在核心的芯片上自主可控也是有必要的，毕竟谁也不想成为下一个中兴。

2019年，AI芯片战场正群雄逐鹿

事实上，在资本助力下，AI芯片这一“增量”市场迅速群雄并起，除了英特尔、英伟达等老牌玩家，初创型AI芯片企业、互联网巨头谷歌、新能源汽车科技公司特斯拉、社交网络鼻祖Facebook也纷纷开始涉足AI芯片。

初创AI芯片企业、互联网巨头、传统芯片厂商同台竞技，AI芯片行业呈现群雄逐鹿的局面。

据美国市场研究公司ReportLinker研究报告，预计到2023年，AI芯片市场规模将达到108亿美元，复合年均增长率达到53．6％。

市场大，竞争者也多。截止2018年底，国内芯片设计公司规模已经发展到近1700家，虽然受经济影响，增速大不如前两年，但是仍然有不少人想要抢夺这块蛋糕。

近两年，各AI芯片厂商的新品竞相发布，各环节分工逐渐明显。AI芯片的应用场景也不再局限于云端，部署于智能手机、安防摄像头、及自动驾驶汽车等终端的各项产品日趋丰富。

入局者中，既有国内原本做安防、语音语义、人脸识别、云计算等领域解决方案的公司布局AI芯片寻求自研，也有AI算法公司转向所在领域的AI芯片研究。

不同于传统芯片市场，AI芯片就是用于计算的芯片，效率高，功能相对单一，且不涉及IP授权问题，应用起来更节约资源且门槛要比通用芯片低，人人可参与这个尚未成型的AI芯片市场变得再正常不过。

实际上在AI芯片的实际落地和巨头的推动下，这个市场的格局和趋势正在逐渐清晰。

AI芯片格局初显，云端一体成为共识

据赛迪顾问统计，2018年中国AI芯片销售市场中，云端AI芯片占据了76．9％的市场份额，但这并不代表云端芯片会取代终端芯片。相反，终端芯片的重要性正在愈发凸显，要真正发挥AI的赋能力量，云端和终端配合已成为共识。

“AI芯片在云端的使用，将突破‘城市大脑’‘工业大脑’‘农业大脑’等AI产品成本限制，加速规模化普及。”达摩院芯片技术部曾对外表示。一如阿里巴巴的淘宝网“让天下没有难做的生意”，云端AI芯片含光800的推出目标直指“让天下没有难做的AI”。

寒武纪 CEO 陈天石表示：“终端的数据量有限，但云可以看到大量用户的数据，云侧的智能处理可以把很多端的信息汇聚在一起。”云端的智能处理在数据方面有其不可替代的巨大优势，可利用海量数据，训练出非常强大的模型。

云端芯片的优势在于强大的算力和学习推断能力，但是在实际落地中，云端芯片遇到的最大困境是响应不够及时。比如自动驾驶、安防等领域，都需要作出即时的推断和响应，这个时候，就需要终端芯片作为补充，解决云端芯片的延迟问题。

在AI芯片圈地运动初期，云端芯片获取海量数据和降低客户成本方面的确拥有相当优势，近年来行业格局初显，形成了以寒武纪、地平线等初创型芯片公司，旷视、依图等人工智能公司和华为阿里这样的巨头为代表的几大势力。

AI芯片市场争夺逐渐稳定，接下来的实际落地阶段，终端AI芯片的需求正在逐渐被发掘。

今年8月的2019世界人工智能大会上，赛迪顾问发布的《中国人工智能芯片产业发展白皮书》中提到，AI芯片发展的一个重要趋势将从云到云端一体。

随着边缘计算兴起，“云端一体”方案逐渐成为主流，将智能算法前置，解放中心的计算资源，实现从端到云的边缘计算＋云计算，加快处理速度，实现灵活应用。

在边缘计算场景，AI芯片主要承担推断任务，通过将终端设备上的传感器（麦克风阵列、摄像头等）收集的数据代入训练好的模型推理得出推断结果。由于边缘侧场景多种多样、各不相同，对于计算硬件的考量也不尽相同，芯片可以是IP in SoC，也可以是边缘服务器，对于算力和能耗等性能需求也有大有小。

因此不同于云端场景的“高端、通用”，应用于边缘侧的计算芯片需要针对特殊场景进行针对性设计以实现最优的解决方案，解决GPU计算时代速度和成本的问题。

终端芯片主要应用于智能安防、自动驾驶、移动互联网和物联网四大场景。在AI芯片成为主流方案之前，GPU是行业的主要选择，但GPU芯片的主要问题在于并非为AI运算而生，计算速度不如AI芯片，同时成本高昂。以智能安防为例，主流的智能安防解决方案多基于英伟达Jetson TX1 GPU芯片，其最大的客户是国内安防巨头海康威视。据悉，单个芯片成本估算在70～150美元左右，模块成本在200～300美元。

云端一体的方案还将解决原先高昂的成本问题。由于芯片存在大规模成本边际效益递减效应，专用芯片量产后，由AI模块带来的每颗芯片和相关存储成本增加预计在2美元以下，采用ASIC方案的AI摄像头实现成本将大幅度降低。

嗅到“云端一体”趋势并深入布局的公司在国内已经有多家，包括阿里、华为等巨头，也有寒武纪这样的“业内老兵”。

寒武纪是国内最早进入终端芯片的公司之一。2016年，该公司发布了全球首款商用深度学习专用处理器 IP ——寒武纪 1A 处理器，并于去年11月，发布了三款全新的智能处理器 IP 产品，分别面向低功耗场景视觉应用、高通用性和高性能场景以及终端人工智能产品。

去年5月，寒武纪发布了首款云端智能芯片 MLU100，标志着寒武纪成为同时拥有终端和云端智能处理器产品的公司。从寒武纪的从终端到云端的跨越来看，这样的布局或为AI芯片领域的主要发展趋势。

而随着发展趋势的明确，中国AI芯片产业在全球环境下的竞争力，也在不断提高。

AI芯片高地争夺，中国逆袭的关键

AI芯片市场一直由英伟达、英特尔、谷歌等企业主导，而现在的它们正面临着HabanaLabs、高通等公司的挑战。最近寒武纪、华为和阿里巴巴新品的发布，宣布国内企业进入这一高地。

市场研究和咨询公司Compass Intelligence去年发布的2018年度全球AI芯片公司Top24排行榜中，中国公司占据了7席，其中华为（海思）排名第12位、联发科（MediaTek）排名第14位、Imagination排名第15位、瑞芯微（Rockchip）排名第20位、芯原（Verisilcon）排名第21位、寒武纪（Cambricon）排名第23位、地平线（Horizon）排名第24位。

而一直在科技层面处于顶尖水平的韩国和日本反而在这一波人工智能潮中熄了火，尤其是日本，在机器人研究领域一直处于领先地位，然而却先发后至，错过了AI芯片。

韩国仅三星一家上榜，三星直到2018年才发布了其首款AI芯片Exynos 9610，主要应用于三星的旗舰手机。三星在手机市场逐年下滑的情况下，新的AI芯片并不能挽回其颓势。

在这一波AI芯片中美两国领跑整个AI芯片产业，虽然目前在市场份额和企业的整体实力上仍存在差距，但是随着阿里华为等企业推出的最新产品来看，中国AI芯片已经可以凭借高端芯片上争夺芯片高地。

在芯片这样的上游领域的实力，将影响中国人工智能产业整体的发展水平，无论是现阶段的贸易战还是接下来全球产业升级，中国无疑已经先抓到了好牌。