芯片，目前在我國是一個高熱度話題。尤其是在貿(mào)易戰(zhàn)之后，每天有大量的報(bào)道充斥在我們周圍：一邊是我國芯片陷入“缺芯少魂”的絕境，一邊又是我國AI芯片“趕超歐美”的欣喜。這些在對立面的報(bào)道大大增加了人們的疑惑，到底誰說的對，我國芯片行業(yè)目前真實(shí)的狀態(tài)究竟是怎樣？

其實(shí)，這兩種看似對立的聲音都是正確的，都是我國芯片行業(yè)目前真實(shí)的現(xiàn)狀。只是有些人混淆了傳統(tǒng)芯片與AI芯片的概念。

傳統(tǒng)芯片，指的是中央處理器（CPU），它是一塊超大規(guī)模的集成電路，是一臺計(jì)算機(jī)的運(yùn)算核心（Core）和控制核心（Control Unit）。它的功能主要是解釋計(jì)算機(jī)指令以及處理計(jì)算機(jī)軟件中的數(shù)據(jù)。

在傳統(tǒng)芯片領(lǐng)域，美國一家獨(dú)大，占全球市場份額的60％以上。美國的英特爾、AMD、高通、博通、英偉達(dá)等都是全球頂尖的芯片制造商。在這一方面，中國的確落后于美國，并且在短時間內(nèi)極難追趕。“缺芯少魂”的說法也由此而來。

但在AI芯片領(lǐng)域，卻呈現(xiàn)出一副截然不同的畫面。

AI芯片并非廣義的芯片

AI芯片并不是真正意義上的芯片，從某種意義上來說，能實(shí)現(xiàn)AI加速功能的半導(dǎo)體器件都可以被稱為“AI芯片”。它可以被封裝成芯片的形態(tài)，也可以被制成板卡的形態(tài)，所以AI芯片也被稱為AI加速器或計(jì)算卡，是專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊（其他非計(jì)算任務(wù)仍由CPU負(fù)責(zé)）。

圖：CPU的內(nèi)部結(jié)構(gòu)及工作原理? ? ?

如圖所示，以往CPU負(fù)責(zé)整個系統(tǒng)的基本計(jì)算和運(yùn)行。但當(dāng)整個系統(tǒng)都需要使用人工智能這項(xiàng)功能時，就需要消耗大量的算力。如果這時候仍由CPU的運(yùn)算單元來提供算力，可能就會出現(xiàn)因?yàn)樗懔Σ蛔愣八罊C(jī)”的情況。

AI芯片就是為了完成這些額外計(jì)算任務(wù)而誕生的。

目前，根據(jù)芯片的架構(gòu)，以及通用性和計(jì)算性能的差異，我們通常把AI芯片分為： GPU 、ASIC、FPGA、類腦芯片四大類。

GPU采用的是單指令、多數(shù)據(jù)處理結(jié)構(gòu)，主要處理圖像領(lǐng)域運(yùn)算加速的任務(wù)。但GPU無法單獨(dú)工作，必須由CPU進(jìn)行控制調(diào)用才能工作。CPU可單獨(dú)作用，處理復(fù)雜的邏輯運(yùn)算和不同的數(shù)據(jù)類型，但當(dāng)需要大量地處理類型統(tǒng)一的數(shù)據(jù)時，則可調(diào)用GPU進(jìn)行并行計(jì)算。

ASIC芯片是供專門應(yīng)用的集成電路芯片技術(shù)，在集成電路界被認(rèn)為是一種為專門目的而設(shè)計(jì)的專用AI芯片。除了不能擴(kuò)展以外，在功耗、可靠性、體積等方面都有優(yōu)勢，尤其在高性能、低功耗的移動端。

FPGA，即現(xiàn)場可編程門陣列。它是專用集成電路（ASIC）領(lǐng)域中的一種半定制電路，既解決了定制電路不足的問題，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)，適用于多指令，單數(shù)據(jù)流的分析，常用于預(yù)測階段，如云端。FPGA是用硬件實(shí)現(xiàn)軟件算法，因此在實(shí)現(xiàn)復(fù)雜算法方面有一定的難度，缺點(diǎn)是價(jià)格比較高。

由于人腦結(jié)構(gòu)精密且復(fù)雜，芯片想要模仿人腦的工作模式并不容易，所以目前類腦芯片只有個別傳統(tǒng)芯片巨頭在從事相關(guān)研發(fā)工作。

國產(chǎn)崛起，拉開戰(zhàn)爭序幕

縱觀全球AI芯片格局，老牌芯片公司依然占據(jù)主導(dǎo)地位，但中國企業(yè)正在迅猛向前。

2018年，市場研究和咨詢公司Compass Intelligence發(fā)布了年度全球AI芯片公司排名報(bào)告。根據(jù)報(bào)告顯示，英偉達(dá)排名第一，英特爾、IBM、Google、蘋果、AMD、ARM、高通、三星、恩智浦等公司位列2－10名。在Top24的榜單排行中，已有六家中國公司入圍。分別是：第12位華為（海思）、第14位聯(lián)發(fā)科（MediaTek）、第20位瑞芯微（Rockchip）排名第20位、第21位芯原（Verisilcon）、第23位寒武紀(jì)（Cambricon）排名第23位、第24位地平線（Horizon）。

由于CUDA開發(fā)平臺的普及和較早研發(fā)GPU，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，它也牢牢地占據(jù)了榜單的第一名。

除了英偉達(dá)，其他老牌的芯片巨頭也沒“閑”著，特別是英特爾。通過收購Altera，英特爾獲得了基于FPGA的AI方案，這讓英特爾得以躋身行業(yè)第一梯隊(duì)。

雖然中國企業(yè)暫時排名較后，但崛起的可能性無限。

如果從使用場景來看，AI芯片主要可分為兩類：一個是在數(shù)據(jù)中心部署的云端，一個是在消費(fèi)者端部署的終端。其中，云端主要以訓(xùn)練（Training）任務(wù)為主，終端以推理（Inference）任務(wù)為主。

訓(xùn)練任務(wù)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。例如給系統(tǒng)海量的“人臉”的圖片，系統(tǒng)會通過訓(xùn)練記住每張“人臉”的特點(diǎn)、細(xì)節(jié)、差異。

推理任務(wù)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)，之后系統(tǒng)就會自動分辨出特定的“人臉”。

訓(xùn)練和推理在目前大多數(shù)的AI系統(tǒng)中，是相對獨(dú)立的過程，兩者對計(jì)算能力的要求也不盡相同。

完成訓(xùn)練任務(wù)，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)。所以擁有大量原始數(shù)據(jù)的中國芯片廠家，將會在此脫穎而出。

相對來說，推理任務(wù)對性能的要求并不高，對精度要求也要更低，在特定的場景下，對通用性要求也低，能完成特定任務(wù)即可。但因?yàn)橥评淼慕Y(jié)果直接提供給終端用戶，所以用戶體驗(yàn)方面的優(yōu)化更為重要。這也給了大量注重用戶體驗(yàn)的中國企業(yè)新的超越機(jī)會。

在今年8月的人工智能大會上，華為的麒麟810、麒麟910、昇騰310、昇騰910；地平線“征程／旭日”系列、依圖的“求索”；阿里旗下玄鐵910、銳虎賁T710等AI芯片紛紛嶄露頭角。此外Thinkforce、翱捷和芯馳等后起之秀也在摩拳擦掌。

AI芯片的戰(zhàn)爭才剛剛開始。