不久前，谷歌在I/O大會(huì)發(fā)布了其第三代TPU，并宣稱其性能比去年的TUP 2.0提升8倍之多，達(dá)到每秒1000萬(wàn)億次浮點(diǎn)計(jì)算，同時(shí)谷歌展示了其一系列基于TPU的AI應(yīng)用。

可以說，AI已經(jīng)成為科技行業(yè)除了區(qū)塊鏈之外最熱門的話題。AI芯片作為AI時(shí)代的基礎(chǔ)設(shè)施，也成為目前行業(yè)最熱門的領(lǐng)域。

下面這個(gè)表是媒體統(tǒng)計(jì)的部分AI芯片企業(yè)融資情況：

可以看到，AI芯片已經(jīng)成為資本追逐的最熱門領(lǐng)域，資本對(duì)半導(dǎo)體芯片的熱情被AI技術(shù)徹底點(diǎn)燃。在創(chuàng)業(yè)公司未真正打開市場(chǎng)的情況下，AI芯片初創(chuàng)企業(yè)已經(jīng)誕生了不少的獨(dú)角獸，多筆融資已經(jīng)超過億元。

AI技術(shù)的革新，其從計(jì)算構(gòu)架到應(yīng)用，都和傳統(tǒng)處理器與算法有巨大的差異，這給創(chuàng)業(yè)者和資本市場(chǎng)無限的遐想空間，這也是為什么資本和人才對(duì)其趨之若鶩的原因。

但是，產(chǎn)業(yè)發(fā)展還是要遵循一定的產(chǎn)業(yè)規(guī)律，「商業(yè)技術(shù)評(píng)論」認(rèn)為，絕大多數(shù)AI芯片公司都將成為歷史的炮灰，最后，在云端和終端只剩下為數(shù)極少的幾個(gè)玩家。

目前對(duì)AI芯片的需求主要集中在哪些方面？

先來講講AI目前芯片大致的分類：從應(yīng)用場(chǎng)景角度看，AI芯片主要有兩個(gè)方向，一個(gè)是在數(shù)據(jù)中心部署的云端，一個(gè)是在消費(fèi)者終端部署的終端。從功能角度看，AI芯片主要做兩個(gè)事情，一是Training（訓(xùn)練），二是Inference（推理）。

目前AI芯片的大規(guī)模應(yīng)用主要還是在云端。云端的AI芯片同時(shí)做兩個(gè)事情：Training和Inference。

· Training即用大量標(biāo)記過的數(shù)據(jù)來“訓(xùn)練”相應(yīng)的系統(tǒng)，使之可以適應(yīng)特定的功能，比如給系統(tǒng)海量的“貓”的圖片，并告訴系統(tǒng)這個(gè)就是“貓”，之后系統(tǒng)就“知道”什么是貓了；

· Inference即用訓(xùn)練好的系統(tǒng)來完成任務(wù)，接上面的例子，就是你將一張圖給之前訓(xùn)練過的系統(tǒng)，讓他得出這張圖是不是貓這樣的結(jié)論。

Training和Inference在目前大多數(shù)的AI系統(tǒng)中，是相對(duì)獨(dú)立的過程，其對(duì)計(jì)算能力的要求也不盡相同。

Training需要極高的計(jì)算性能，需要較高的精度，需要能處理海量的數(shù)據(jù)，需要有一定的通用性，以便完成各種各樣的學(xué)習(xí)任務(wù)。

Inference相對(duì)來說對(duì)性能的要求并不高，對(duì)精度要求也要更低，在特定的場(chǎng)景下，對(duì)通用性要求也低，能完成特定任務(wù)即可，但因?yàn)镮nference的結(jié)果直接提供給終端用戶，所以更關(guān)注用戶體驗(yàn)的方面的優(yōu)化。

Training將在很長(zhǎng)一段時(shí)間里集中在云端，Inference的完成目前也主要集中在云端，但隨著越來越多廠商的努力，很多的應(yīng)用將逐漸轉(zhuǎn)移到終端。

目前的市場(chǎng)情況

· 云端市場(chǎng)已被巨頭瓜分殆盡，創(chuàng)業(yè)公司生存空間幾乎消失

云端AI芯片無論是從硬件還是軟件，已經(jīng)被傳統(tǒng)巨頭控制，給新公司預(yù)留的空間極小。

下面這張圖是Compass Intelligence公布了全球AI芯片榜單。因?yàn)锳I芯片目前在終端應(yīng)用極少，所以榜單頭部的排名可以近似的認(rèn)為就是云端AI芯片的目前市場(chǎng)格局。

我們可以看到，芯片巨頭Nvidia（英偉達(dá)）已經(jīng)牢牢占據(jù)AI芯片榜首，由于CUDA開發(fā)平臺(tái)的普及，英偉達(dá)的GPU是目前應(yīng)用最廣的通用AI硬件計(jì)算平臺(tái)。除了有實(shí)力自研芯片的企業(yè)（全世界也沒幾家），如果需要做AI相關(guān)的工作，必定需要用到Nvidia的芯片。

Nvidia的芯片應(yīng)用普遍，現(xiàn)在所有的AI軟件庫(kù)都支持使用CUDA加速，包括谷歌的Tensorflow，F(xiàn)acebook的Caffe，亞馬遜的MXNet等。

除了一騎絕塵的英偉達(dá)，其他老牌的芯片巨頭都沒閑著，特別是Intel通過買、買、買奮力的將自己擠到了頭部玩家的位置。微軟在最新的Build大會(huì)上公布了基于英特爾FPGA的AI方案，而英特爾的FPGA業(yè)務(wù)正是通過收購(gòu)Altera獲得的。

除此之外，我們可以看到像Google這樣的互聯(lián)網(wǎng)廠商也亂入了前五。

這當(dāng)然要?dú)w功于上面提到的TPU，雖然谷歌不直接售賣芯片，但是谷歌通過云服務(wù)提供TPU的調(diào)用服務(wù)。谷歌很早就開源了Tensorflow軟件平臺(tái)，這使得Tensorflow成為最主流的機(jī)器學(xué)習(xí)軟件平臺(tái)，已經(jīng)成了事實(shí)上行業(yè)的軟件平臺(tái)標(biāo)準(zhǔn)。而Tensorflow最佳的計(jì)算環(huán)境必定就是谷歌自己的云服務(wù)了，通過軟件、硬件（或者說云）環(huán)境的打通，谷歌妥妥的成為AI芯片領(lǐng)域的一方霸主。

現(xiàn)在業(yè)界爭(zhēng)論的焦點(diǎn)是AI芯片的處理器架構(gòu)用哪種是最好的，有前面提及的有GPU、FPGA、DSP和ASIC，甚至還有更前沿的腦神經(jīng)形態(tài)芯片。現(xiàn)在GPU可以認(rèn)為是處于優(yōu)勢(shì)地位，但其他幾種的處理器架構(gòu)也各有優(yōu)勢(shì)。

Intel則是多方下注，不錯(cuò)過任何一種處理器架構(gòu)。谷歌在TPU（其實(shí)就是一種ASIC）方面的巨大投入帶來了硬件效能的極大提高，目前看來對(duì)GPU的沖擊將是最大的，原因不單單是因?yàn)閷Ｓ眉軜?gòu)帶來的效率優(yōu)勢(shì)，還有商業(yè)模式方面帶來的成本優(yōu)勢(shì)。

在半導(dǎo)體行業(yè)內(nèi)的普遍觀點(diǎn)是，一旦AI的算法相對(duì)穩(wěn)定，ASIC肯定是最主流的芯片形態(tài)。看看挖礦芯片的進(jìn)化歷程，這個(gè)觀點(diǎn)非常有說服力。

在云端，互聯(lián)網(wǎng)巨頭已經(jīng)成為了事實(shí)上的生態(tài)主導(dǎo)者，因?yàn)?a href="http://www.nxhydt.com/v/tag/475/" target="_blank">云計(jì)算本來就是巨頭的戰(zhàn)場(chǎng)，現(xiàn)在所有開源AI框架也都是這些巨頭發(fā)布的。在這樣一個(gè)生態(tài)已經(jīng)固化的環(huán)境中，留給創(chuàng)業(yè)公司的空間實(shí)際已經(jīng)消失。所以地平線的余凱在前幾年就對(duì)「商業(yè)技術(shù)評(píng)論」表示，云端市場(chǎng)是巨頭的禁臠，創(chuàng)業(yè)公司沒有任何機(jī)會(huì)。

· 終端市場(chǎng)群雄割據(jù)，機(jī)會(huì)尚存

上面說到了Inference現(xiàn)在主要是在云端完成的，這主要是因?yàn)楝F(xiàn)在終端上基本沒有合適的處理單元可以完成相應(yīng)功能。所以我們發(fā)現(xiàn)很多AI功能都需要聯(lián)網(wǎng)才可以使用，這大大限制了AI的使用場(chǎng)景。所以將Inference放到終端來，讓一些功能可以本地完成，成了很多芯片廠商關(guān)注的領(lǐng)域。

華為的麒麟970便是最早將AI處理單元引入到終端產(chǎn)品的芯片，其中該芯片中的AI核心，是由AI芯片創(chuàng)業(yè)公司寒武紀(jì)提供的IP（知識(shí)產(chǎn)權(quán)）。該芯片的引入，可以幫助華為手機(jī)在終端完成一些特定的AI應(yīng)用，比如高效的人臉檢測(cè)，相片的色彩美化等。

此后，蘋果，三星都宣布了在其處理器中引入相應(yīng)的AI處理單元，提升手機(jī)終端的AI應(yīng)用能力。

在終端上，由于目前還沒有一統(tǒng)天下的事實(shí)標(biāo)準(zhǔn)，芯片廠商可以說是八仙過海各顯神通。

給手機(jī)處理器開發(fā)AI協(xié)處理器是目前看來比較靠譜的方式，寒武紀(jì)Cambricon-1A集成進(jìn)入麒麟970就是一個(gè)很好的例子。由于華為手機(jī)的巨大銷量，寒武紀(jì)迅速成為AI芯片獨(dú)角獸。

而另外一家創(chuàng)業(yè)公司深鑒科技此前獲得了三星的投資，其AI芯片IP已經(jīng)集成到三星最新的處理器Exynos 9810中。

然而能獲得手機(jī)大廠青睞的AI芯片廠商畢竟是少數(shù)，更多的AI芯片廠商還需要找到更多的應(yīng)用場(chǎng)景來使自己的芯片發(fā)光發(fā)熱。

一些傳統(tǒng)AI服務(wù)廠商很容易想到將自己的服務(wù)進(jìn)行垂直拓展，比如的自然語(yǔ)音處理廠商云知聲從自己的傳統(tǒng)語(yǔ)音業(yè)務(wù)出發(fā)，開發(fā)了自己的芯片UniOne語(yǔ)音AI芯片，用于物聯(lián)網(wǎng)IOT設(shè)備。

相對(duì)于語(yǔ)音市場(chǎng)，安防更是一個(gè)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(gè)不錯(cuò)的場(chǎng)景，也是很好的生意。包括云天勵(lì)飛、海康威視、曠視科技等廠商都在大力開發(fā)安防領(lǐng)域的AI嵌入式芯片，而且已經(jīng)完成了一定的商業(yè)化部署。

相對(duì)于云端，終端留給AI芯片創(chuàng)業(yè)公司更廣闊的市場(chǎng)。但是于此同時(shí)，由于應(yīng)用環(huán)境千差萬(wàn)別，沒有相應(yīng)的行業(yè)標(biāo)準(zhǔn)，各個(gè)廠商各自為戰(zhàn)，無法形成一個(gè)統(tǒng)一的規(guī)模化市場(chǎng)，對(duì)于投入巨大的芯片行業(yè)來說，是好故事，但不一定是個(gè)好生意。

怎樣的AI芯片企業(yè)會(huì)有機(jī)會(huì)？

AI芯片的誕生，源于一種全新的計(jì)算需求，傳統(tǒng)的計(jì)算架構(gòu)很難滿足AI計(jì)算的要求，所以新的芯片成為業(yè)界追逐的熱點(diǎn)，這和多年前的顯卡市場(chǎng)非常像。

曾經(jīng)的PC并沒有3D處理能力，CPU幾乎包攬了所有的功能，但是由于人們對(duì)于3D處理需求的逐漸增加，帶有3D加速功能的圖形處理器越來越成為人們關(guān)注的重點(diǎn)。

于是一大批圖形處理器企業(yè)如雨后春筍搬冒了出來。

3D顯卡誕生初期市場(chǎng)上的玩家

然而最后，只有Nvidia（也是目前的AI芯片巨頭）作為獨(dú)立的3D圖形處理器供應(yīng)商活了下來。

ATI被AMD收購(gòu)，仍然耕耘3D圖形市場(chǎng)，和Nvidia正面作戰(zhàn)，但常年的虧損也一直困擾著這個(gè)千年老二。

Intel早早退場(chǎng)，放棄了獨(dú)立顯卡產(chǎn)品線，但由于其控制了中央處理器，其顯示核心一直以集成的方式變相的和Nvidia以及AMD曲線作戰(zhàn)。

Nvidia之所以獲得成功，有以下幾方面原因：

首先在性能上，始終保持在第一梯隊(duì)，在最開始幾代失敗的產(chǎn)品后，Nvidia一直是最先進(jìn)圖形技術(shù)的代名詞。當(dāng)然，光有性能是不夠的，當(dāng)時(shí)世面上還有很多性能差不多的產(chǎn)品。Nvidia在當(dāng)時(shí)做了一件現(xiàn)在看來很平常的事情，就是推出了專屬驅(qū)動(dòng)程序——雷管，并定期的更新，使其不斷的兼容最新的游戲。這在當(dāng)時(shí)顯卡標(biāo)準(zhǔn)混亂，游戲兼容一塌糊涂的情況下，一舉奠定了其領(lǐng)先位置。

于此同時(shí)，Nvidia擁抱了當(dāng)時(shí)最大軟件平臺(tái)微軟推出的3D 圖形API接口——Driect 3D，在此之前，每家顯卡都有自己的3D API接口，標(biāo)準(zhǔn)極度不統(tǒng)一，也讓開發(fā)者非常頭痛，Driect 3D出現(xiàn)結(jié)束了這個(gè)局面，所以誰(shuí)對(duì)DirectX支持好，誰(shuí)就更受市場(chǎng)歡迎。Nvidia和ATI一直和微軟合力推動(dòng)DriectX 和顯卡的換代升級(jí)，也因此坐穩(wěn)了了PC顯卡的領(lǐng)先位置。

芯片是一個(gè)贏者通吃的市場(chǎng)，由于高昂的研發(fā)費(fèi)用，只有市場(chǎng)第一才能形成規(guī)模優(yōu)勢(shì)從而轉(zhuǎn)化成成本優(yōu)勢(shì)，最后將其他玩家趕凈殺絕，無論是傳統(tǒng)的GPU行業(yè)還是CPU行業(yè)，都存在相同的情況。

然后我們?cè)龠^來看AI芯片市場(chǎng)，AI云端市場(chǎng)，其實(shí)更接近于顯卡市場(chǎng)的末期，主導(dǎo)的軟硬件生態(tài)已經(jīng)形成，巨頭控制整個(gè)軟硬件和服務(wù)市場(chǎng)。如果AI技術(shù)在理論層面沒有新的突破，依然是以深度學(xué)習(xí)為基礎(chǔ)進(jìn)行迭代升級(jí)的話，這個(gè)局面并不容易打破。

在終端市場(chǎng)，更接近于顯卡市場(chǎng)發(fā)展的初期，沒有統(tǒng)一的API接口，沒有統(tǒng)一的基準(zhǔn)測(cè)試，沒有成熟的應(yīng)用場(chǎng)景。

所以終端市場(chǎng)對(duì)于AI芯片創(chuàng)業(yè)公司來說，還是值得一搏的，但這也是一場(chǎng)硬仗，你必須在核心性能上擁有優(yōu)勢(shì)，或是處理速度，或是功耗控制，總得有拿的出手的殺手锏。第二，必須賭對(duì)標(biāo)準(zhǔn)，站到勝利者一邊，并借此快速占領(lǐng)市場(chǎng)。誰(shuí)都想成為標(biāo)準(zhǔn)的制定者，但很多時(shí)候，你必須擁護(hù)其他人的標(biāo)準(zhǔn)，甚至是競(jìng)爭(zhēng)對(duì)手的標(biāo)準(zhǔn)，才能贏得市場(chǎng)。

頭部玩家將吃下幾乎所有市場(chǎng)

芯片產(chǎn)業(yè)是一個(gè)資金密集型的產(chǎn)業(yè)，無論是研發(fā)，還是后期的生產(chǎn)，都要求極高的資金投入。如果產(chǎn)品沒有辦法規(guī)模化，將無法消化前期的高額開銷，將企業(yè)拖入虧損的泥潭。

拿PC行業(yè)CPU和顯卡領(lǐng)域的千年老二AMD為例，雖然常年坐二望一，偶爾爆發(fā)短期超越，但其財(cái)報(bào)可謂慘不忍睹，虧多盈少，經(jīng)常以虧損減少為榮，基本不提盈利。但也因?yàn)樾酒袠I(yè)能保持市場(chǎng)第二，已經(jīng)屬于不易，所以AMD即使常年虧損，其戰(zhàn)略地位仍然極具價(jià)值，仍然是芯片行業(yè)重要玩家。

至于老三，好像是不存在的（就是***的威盛，已經(jīng)毫無市場(chǎng)存在感）。

移動(dòng)芯片領(lǐng)域也存在類似的情況，高通和聯(lián)發(fā)科幾乎壟斷了整個(gè)市場(chǎng)，除了蘋果、華為、三星、依托自己的終端優(yōu)勢(shì)，撐起了自己的芯片業(yè)務(wù)，其他純粹的芯片玩家已經(jīng)基本被清場(chǎng)，又是一個(gè)和圖形處理器市場(chǎng)發(fā)展非常相似的過程，從百家爭(zhēng)鳴到寡頭壟斷。

而在AI芯片領(lǐng)域，這種情況也將繼續(xù)。頭部玩家將吃下幾乎所有市場(chǎng)，而第三名以外的玩家，即使能活下來，也只有喝湯的份了。

秦始皇統(tǒng)一中原，奠定了中國(guó)大一統(tǒng)帝國(guó)的統(tǒng)治基礎(chǔ)，但讓人神往的卻是之前的諸子百家。在那個(gè)思想激昂的年代，各種思潮不斷涌現(xiàn)，為后人提供了無限的精神財(cái)富。

在微軟統(tǒng)治PC操作系統(tǒng)之前，還有很多偉大的操作系統(tǒng)，比如OS/2、VMS，BeOS、Netware等。雖然這些系統(tǒng)在商業(yè)上失敗了，卻給整個(gè)行業(yè)留下了寶貴的財(cái)富，系統(tǒng)不只有一種實(shí)現(xiàn)方法，還有更多的可能。

AI芯片創(chuàng)業(yè)者們，正在用他們認(rèn)為可行的方式，探索著行業(yè)的各種可能，雖然我們知道在最后，絕大多數(shù)的嘗試都將失敗，但這些失敗將成為推動(dòng)整個(gè)產(chǎn)業(yè)發(fā)展的動(dòng)力，將技術(shù)快速轉(zhuǎn)化成真正的應(yīng)用，推動(dòng)社會(huì)的發(fā)展。

若干年以后，當(dāng)人們回顧AI行業(yè)的發(fā)展，可能會(huì)發(fā)現(xiàn)，最精彩的故事就發(fā)生在這個(gè)群雄并起的時(shí)代。