無芯片不AI，芯片是支撐人工智能的基礎。2019年，云端AI芯片迎來亞馬遜、高通、阿里巴巴、Facebook等新玩家，軟硬一體化趨勢加強;終端芯片功耗比競爭加強，語音芯片持續火熱;邊緣AI芯片勢頭初現。2020年，AI芯片將逐漸進入洗牌期，機遇與挑戰并存。

邊緣AI芯片進入搶灘戰

AI正在從云端向邊緣端擴展，邊緣計算被視為人工智能的下一個戰場。寒武紀副總裁劉道福表示，在邊緣計算種類中，邊緣往往和各類傳感器相連，而傳感器的數據往往是非結構化的，很難直接用于控制和決策，因此需要邊緣人工智能計算將非結構化的數據結構化，從而用于控制和決策。

2019年，圍繞邊緣AI芯片的搶灘布局已經開始。一方面，英偉達、寒武紀、百度等已經在云、端有所積累的廠商，希望以邊緣芯片完善云、邊、端生態，打造一體化的計算格局。英偉達發布了面向嵌入式物聯網的邊緣計算設備Jetson Nano，適用于入門級網絡硬盤錄像機、家用機器人以及具備全面分析功能的智能網關等應用，之后又發布了邊緣AI超級計算機Jetson Xavier NX，能夠在功耗10W的模式下提供最高14TOPS，在功耗15W模式下提供最高21 TOPS的性能。寒武紀發布用于深度學習的SoC邊緣加速芯片思元220，采用臺積電16nm工藝，最大算力32TOPS（INT4），功耗控制在10W，支持Tensorflow、Caffe、mxnet以及pytorch等主流編程框架。百度聯合三大運營商、中興、愛立信、英特爾等，發起百度 AI 邊緣計算行動計劃，旨在利用 AI 推理、函數計算、大數據處理和產業模型訓練推動 AI 場景在邊緣計算的算力支撐和平臺支持。

另一方面，自動駕駛等專用邊緣AI芯片勢頭漸顯。地平線宣布量產國內首款車規級AI芯片“征程二代”，采用臺積電28nm工藝，可提供超過4TOPS的等效算力，典型功耗僅2瓦，延遲少于100毫秒，多任務模式下可以同時運行超過60個分類任務，每秒鐘識別目標數超過2000個，面向車聯網對強實時響應的需求。

多個新玩家入局云端

云端仍然是AI芯片的主要戰場。2019年，云端芯片迎來多個新玩家，算力大戰持續升級。高通推出了面向數據中心推理計算的云端AI芯片Cloud AI 100，峰值性能超過350 TOPS，與其他商用方案相比每瓦特性能提升10倍。云服務領跑者亞馬遜推出了機器學習推理芯片AWS Inferentia，最高算力為128 TOPS，在AI推理實例inf1可搭載16個Inferentia芯片，提供最高2000TOPS算力。阿里巴巴推出號稱全球最高性能AI推理芯片含光800，采用自研芯片架構和達摩院算法，在Resnet50基準測試中獲得單芯片性能第一。騰訊投資的燧原科技發布了面向云端數據中心的AI加速卡云燧 T10，單卡單精度算力達到20TFLOPS，支持單精度FP32和半精度BF16的混合精度計算，并為大中小型數據中心提供了單節點、單機柜、集群三種模式，在集群模式下通過片間互聯實現1024節點集群。

芯片是AI的載體，而軟件是完成智能操作的核心。隨著異構計算逐漸導入AI芯片，軟硬件協同成為云端AI的重要趨勢。英特爾推出了面向異構計算的統一軟件平臺One API，以隱藏硬件復雜性，根據系統和硬件自動適配功耗最低、性能最佳的加速方式，簡化并優化編程過程。賽靈思也推出了軟件平臺Vitis AI，向用戶開放易于訪問的軟件接口，可根據軟件或算法自動適配賽靈思硬件架構。

功耗比仍是終端側重點

在終端側，功耗比仍然是角逐焦點。尤其在手機等對于續航能力錙銖必較的終端，主力廠商推出的AI引擎都對低功耗有所強調。麒麟990 5G的NPU采用雙大核+微核的方式，大核負責性能，微核擁有超低功耗。據介紹，微核在人臉檢測的應用場景下，能耗比大核工作降低24倍。高通發布的驍龍865集成了傳感器中樞，讓終端能夠以極低功耗感知周圍情境。三星提出通過較低功耗的NPU實現終端設備上的AI處理，實現在設備端直接執行更復雜的任務。

除了手機，終端側的另一個當紅炸子雞是AI語音芯片。科大訊飛、阿里巴巴、探境科技、清微智能等都發布了針對智能家居的AI語音芯片，反映了AI芯片在特定領域的專業化、定制化趨勢。阿里達摩院公布了首款專用于語音合成算法的 AI FPGA芯片技術Ouroboros，使用了端上定制硬件加速技術，降低對云端網絡的依賴，支持實時語音合成和AI語音識別，有望在天貓精靈搭載。

2020機遇挑戰并存

2019-2021年，中國AI芯片市場規模仍將保持50%以上的增長速度，到2021年，市場規模將達到305.7億元。賽迪智庫預測，2019-2021年，云端訓練芯片增速放緩，云端推理芯片、終端推理芯片市場增長速度將持續呈上升趨勢。預計2021年，中國云端訓練芯片市場規模將達到139.3億元，云端推理芯片市場規模將達到82.2億元，終端推理芯片達到84.1億元。

集邦咨詢分析師姚嘉洋向記者指出，2019年，AI芯片大致已經走出一條較為清晰的道路，端、邊、云的芯片規格相對明確。2020年，各大芯片廠會延續在2019年的產品發展路徑，持續深化芯片的性價比及功耗比表現。從訓練端來看，值得關注的是HBM（高頻寬存儲器）的整合與相關的封裝技術良率，這會牽動芯片廠商與存儲器及封測廠商之間合作關系的變化。推理端的決戰點在INT8領域，重點在于如何進一步提升芯片本身的性能及功耗表現。

5G、VR/AR等新技術，也將為AI芯片，尤其是邊緣側的AI芯片提供更多的發揮空間。Arm ML事業群商業與營銷副總裁Dennis Laudick曾向記者表示，5G通信技術改變了數據處理的方式，讓邊緣AI的工作負載也有了處理需求。可以說，5G帶來了網絡邊緣的更多創新。姚嘉洋也表示，AI在5G核心網絡存在機會，由于5G帶來了更多元的頻譜組合，AI可以輔助核心網絡更有效地調度網絡資源，將頻寬資源的利用達到極大化。同時，5G也涵蓋車聯網，AI將在自動駕駛將大有機會。在VR/AR端，AI也在導入，主要聚焦在人眼追蹤或是場景識別等應用，有望改善VR/AR的流暢度與實時性表現。

清華大學微電子所所長魏少軍表示，從產業發展規律來看，在2019-2020年，AI芯片將持續火熱，企業扎堆進入;但是到了2020年前后，則將會出現一批出局者，行業洗牌開始。由于目前AI算法還在不斷演進匯總的過程中，最終的成功與否則將取決于各家技術路徑的選擇和產品落地的速度。

痛點尚待攻克

近兩年，AI在語音識別、圖像識別等應用領域取得突破，但要從單點突破走向全面開花，需要AI領域誕生如同CPU一樣的通用AI計算芯片。清華大學微納電子系副教授尹首一等專家指出，AI芯片短期內以異構計算為主，中期要發展自重構、自學習、自適應，長期則朝向通用計算芯片發展。

具體來說，AI要從應用適應硬件走向硬件適應應用，就要求AI芯片具備可編程性、動態可變的計算架構，來應對層出不窮的新算法和新應用。魏少軍表示，AI芯片一要適應算法的演進，二要有適應所有應用的架構，這就要求架構具備高效的轉化能力。在成本敏感的消費電子領域，還需關注AI芯片的計算效能，達到低功耗、小體積、開發簡易，這些都需要探索架構上的創新。

全球AI芯片產業仍處于產業化早期階段，國產處理器廠商與國際廠商在人工智能這一全新賽場上處在同一起跑線。耐能創始人兼CEO 劉峻誠表示，中國擁有龐大的智能手機、智能家居、智能安防等市場，對中國的AI公司而言，不僅在服務國內客戶時具有本土化的優勢，還可借助這些客戶的生產制造優勢進軍海外市場，實現“立足中國，放眼全球”的商業布局。
責任編輯：wv