提到云端AI芯片，就不得不提英偉達和英特爾的名字，這兩家云端AI芯片的領先公司，8月16日，英偉達發布了2020年第二季度財報。財報顯示，截止今年7月28日，英偉達總營收25.79億美元，英偉達GPU拉動業務增長，營收21億美元，“我們實現了跨平臺的連續增長。”英偉達CEO Jensen Huang說：“實時光線追蹤是十年來在圖形計算領域最重要的創新。”他還表示，能夠處理復雜游戲的筆記本電腦，以及能夠處理實時聊天的機器人AI模型推動了需求。

人工智能興起的背后關鍵因素之一是云計算能力的提升，而這主要是由云端 AI 芯片的增強和升級推動的。云端 AI 芯片是專注于 AI 工作負載的計算芯片，通常部署在云或數據中心應用環境中。

ABI Research 的第一份報告“云端 AI 芯片：市場前景和供應商定位”表示：云端 AI 推理和訓練所產生的 AI 芯片市場，預計將從 2019 年的 42 億美元增長到 2024 年的 100 億美元。

與終端 AI 芯片相比，云端 AI 芯片通常具有更高的計算能力，更高的功耗，更大的物理占用面積，因此也相對更加昂貴。

圖：2017-2024年AI芯片銷售年度銷售總收入對比預測 來自ABI industry

到目前為止，云端 AI 市場一直由英偉達的 GPU 和英特爾的 CPU 主導，而現在的它們正面臨著寒武紀科技、Graphcore、Habana Labs 、高通等公司的挑戰。

如今的云端 AI 芯片市場可大致分為三個部分：

1、公共云，由云服務提供商托管，如：AWS、Microsoft Azure、Google、阿里云、百度云和騰訊云等。

2、私有云 + 混合云，主要用于企業數據中心，如：VMware、Rackspace、NetApp、HPE、Dell 等公司的各類產品。

3、電信云，由電信公司為核心網絡，IT 和邊緣計算工作負載部署的云基礎架構，是新興的市場 。

云端推理 AI 芯片市場呈現出不同的景象，該市場并非由單一玩家主導，這在一定程度上取決于推理任務的性質，以及在垂直方向上各不相同的領域。ABI Research 預計：從 2020 年起，ASIC（專用集成電路）將在該領域實現強勁增長。

谷歌的 TPU 就是這樣一個例子，它主要應用于云端 AI 相關的訓練和推理任務，被視為 CPU 和 GPU 技術的強大挑戰者。正如報告中所述，谷歌在 TPU 上的成功為其他云服務提供商提供了開發 AI 專用芯片的藍圖。據 ABI Research 預測，到 2024 年，15％至 18％的市場將落在云服務供應商之下。

終端 AI 芯片

隨著 AI 推理任務向邊緣轉移，終端 AI 芯片變得更加重要。

終端 AI 芯片，指專注于 AI 工作負載的計算芯片，多應用于 AI 推理任務，通常部署在包括：終端設備、網關、內部部署服務器等終端環境中。在某些情況下，終端 AI 芯片還可以支持 AI 訓練，尤其是深度學習模型的訓練。

終端，即手機、安防攝像頭、汽車、智能家居設備、各種 IoT 設備等執行邊緣計算的智能設備。終端的數量龐大，而且需求差異較大。

ABI Research 的第二份報告“終端 AI 芯片：技術展望和使用案例”中：終端 AI 芯片市場，預計到 2024 年會增長至 710 億美元，2019 年至 2024 年之間的復合年增長率為 31％。

這種強勁的增長主要得益于 AI 推理任務向終端遷移，特別是在智能手機、智能家居、自動駕駛、可穿戴設備和機器人等行業。

目前，終端推斷有這樣三個利基市場：

機器人，由于機器人依賴于許多類型的神經網絡，所以它通常需要異構計算架構。例如用于導航的 SLAM、用于人機界面的會話 AI、用于對象檢測的機器視覺等，它們都會在不同程度上使用 CPU、GPU 和 ASIC。英偉達、英特爾和高通在這個領域競爭尤為激烈。

智能工業應用，包括制造業、智能建筑以及石油、天然氣部門。在這一方面，FPGA 供應商表現優異，這主要歸功于 FPGA 的可編程性，在面對傳統設備時，FPGA 具備的較高靈活性和適應性。

“非常終端”，即廣域網中傳感器和其他小端節點中需要嵌入的超低功耗 AI 芯片。鑒于重點著力于超低功耗，這個市場主要由 FPGA 公司、RISC-V 設計和 ASIC 供應商組成。

利基市場，指企業選定一個很小的產品或服務領域，集中力量進入并成為領先者，從當地市場到全國再到全球，同時建立各種壁壘，逐漸形成持久的競爭優勢。

此外，該報告還研究了開源芯片的當前發展。在 RISC-V 下，開源芯片初創公司已經開始開發具有高并行計算能力的 AI 專用芯片。由于對整個行業的參與和貢獻，開源 AI 芯片將更符合市場要求和期望，大大降低了產品維護和升級中的錯誤和開發成本。

本文來自ABI Research，本文作為轉載分享。