鲁达 近年来，越来越多的企业都加入到了人工智能的开发与应用中。特别是AI芯片，作为人工智能领域的热门赛道，该产业一直受资本青睐，其热度更是不断提升。那么，什么是AI芯片，它究竟是有多神？为什么能够吸引众多企业投身其中呢？
什么是AI芯片？
事实上，人工智能技术之所以快速发展不仅仅是依靠大数据的支撑，更是计算机芯片算力不断增强的结果，而实现超级算力的核心就是AI芯片。AI芯片也被称为人工智能加速器，即专门用于处理人工智能应用中的大量计算任务的模块。
AI芯片类别有哪些？
此外，从技术架构、部署位置、承担任务三个角度还可以将AI芯片划分为不同的类型。
1、按技术架构：分为并行加速计算的 GPU、半定制化的 FPGA、全定制化ASIC、类脑芯片。
GPU：图形处理芯片，也就是我们通常所说的显卡芯片。是一种专门在个人电脑、工作站、游戏机和一些移动设备上图像运算工作的微处理器。GPU 通用性强、速度快、效率高，但GPU无法单独工作，必须由 CPU 进行控制调用才能工作，而且功耗比较高。
FPGA：全称“现场可编程门阵列”，其基本原理是在 FPGA 芯片内集成大量的基本门电路以及存储器，用户可以通过编程的方式进行组合，以实现不同的功能。FPGA具有低能耗、高性能以及可编程等特性，但FPGA 价格较为昂贵。
ASIC：用于供专门应用的集成电路芯片技术，为实现特定要求而定制的芯片。在性能、面积、功耗等方面，AISC都优于GPU和FPGA，但相对地，ASIC的开发周期长、制造成本高。
类脑芯片：属于神经拟态芯片，从结构层面去模拟大脑，参考人脑神经元结构和人脑感知认知方式来设计芯片。要做类脑芯片非常难，该类芯片还只局限于小规模研究。
2、按部署位置，分为用于云端和用于终端两大类。
云端：在深度学习的训练阶段，由于数据量和运算量巨大，单一处理器无法独立完成，因此训练过程只能选择在云端实现。云AI芯片特点是：自身的性能比较强，并且能够支持大量运算，除此之外还能够支持图片、语音等多种不同的人工智能应用。
终端：像手机、智能家居、自动驾驶等移动设备对实时性的要求极高。因此推断过程必须选在设备本身完成。端AI芯片特点是：体积小、耗能低，而且所需要提供的性能支持能力也不用太强大。
3、按承担任务，分为训练(training)和推断(inference)两个环节。
训练环节：是指通过大量的数据输入，训练出一个复杂的深度神经网络模型。对于处理器的计算能力、精度、可扩展性等性能要求很高。通常使用GPU集群来完成。
推断环节：是指通过训练好的模型，使用新的数据去“推断”出各种结论。该环节计算量相对较小。在推断环节中，GPU、FPGA 以及ASIC均能发挥作用。
AI芯片领域有哪些主要厂商？
当前，在AI芯片领域，无论是国内外各科技巨头，还是创业公司，都在加紧布局AI芯片。其中，国外芯片巨头占据了绝大部分市场份额，而国内的AI芯片企业也呈现出十分活跃的局面。像传统芯片巨头英伟达、ARM、IBM、高通等持续对AI芯片加大投入：
英伟达可以说是AI芯片市场的领导者。其发明的GPU重新定义了现代计算机图形技术，改变了并行计算。深度学习对计算速度有非常苛刻的要求，而英伟达的GPU芯片能够让大量处理器并行运算，因而成为绝大部分人工智能研究者和开发者的首选。
AMD专门为计算机、通信和消费电子行业设计和制造各种创新的微处理器，以及提供闪存和低功率处理器解决方案。目前AMD拥有针对人工智能和机器学习的高性能Radeon Instinc加速卡，开放式软件平台ROCm等。
IBM启动了类脑芯片的研发，即 TrueNorth。 TrueNorth是IBM 参与DARPA的研究项目 SyNapse 的最新成果。其终极目标是开发出打破冯·诺依曼体系结构的计算机体系结构。
高通在智能手机芯片市场占据绝对优势，同时也在AI芯片领域布局。高通已经在研发可以在本地完成深度学习的移动端设备芯片。
与此同时，科技巨头开始加入自研芯片的阵营，例如：
谷歌自主研发了专门为机器学习应用而设计的专用芯片TPU。TPU可以以8位低精度计算节省晶体管，对精度影响很小同时可以大幅降低功耗、加快速度。
华为海思推出了一款采用了台积电10nm工艺的新一代芯片麒麟970，是全球首款内置独立NPU(神经网络单元)的智能手机AI计算平台，为手机提供了更快的处理速度和更低的功耗。
百度推出的云端全功能AI芯片——昆仑，其中包含训练芯片昆仑818-300，推理芯片昆仑818-100，主要面向人工智能大规模运算需求。
阿里巴巴达摩院正在研发一款神经网络芯片——Ali-NPU，主要运用于图像视频分析、机器学习等人工智能推理计算。
AI芯片领域存“泡沫” ？
据Gartner的预测数据，全球AI芯片市场规模将在未来五年内呈现飙升，到2023年将达到108亿美元，复合年均增长率达到53.6%，AI芯片无疑将成为最大蓝海市场。
以人工智能等为主的新兴科技，代表了未来发展趋势，而芯片作为实现人工智能的载体，吸引着一些初创企业去蹭热点，以此来吸引更多的投资者。一般来说，AI芯片产业的产业链很长，包括设计、制造、封装、测试、组装等多个环节，每个环节都要求非常高。然而，有一些声称在研发AI芯片的团队，既不具备相关人才储备，也难以查到流片信息，它们更多是拼组装能力与代工能力，其繁荣的表象背后，正在形成巨大的泡沫。
写在最后：
从现在的情况来看，在AI芯片这条赛道上，尽管参与者众多，但AI芯片泡沫终究会破裂，到那时起AI芯片又将回到了研究领域。最终将会有哪些公司能脱颖而出，让我们拭目以待。