▲花开花落 与你一起 笑看风云▲
谁才是AI芯片中的强者？——国内外 AI 芯片厂商概览
【导读】近年来，各类势力均在发力 AI 芯片，参与者包括传统芯片设计、IT 厂商、技术公司、互联网以及初创企业等，产品覆盖了 CPU、GPU、FPGA 、ASIC 等。国内芯片企业如华为海思、联发科、寒武纪、地平线机器人等在国际上能拍第几呢？
01、整体排名根据市场调研机构 Compass Intelligence年发布的 AI Chipset Index TOP24 榜单中，AI芯片企业前十名依然是欧美韩日企业，国内芯片企业如华为海思、联发科、Imagination（ 年被中国资本收购）、寒武纪、地平线机器人等企业进入该榜单，其中华为海思排 12 位，寒武纪排 23 位，地平线机器人排 24 位。
02、芯片企业芯片设计企业依然是当前 AI 芯片市场的主要力量，包括英伟达、英特尔、AMD、高通、三星、恩智浦、博通、华为海思、联发科、Marvell（美满）、赛灵思等，另外，还包括不直接参与芯片设计，只做芯片 IP 授权的 ARM 公司。其中，英伟达、英特尔竞争力最为强劲。英伟达：AI 芯片市场的领导者，计算加速平台广泛用于数据中心、自动驾驶等场景英伟达创立于 1993 年，最初的主业为显卡和主板芯片组。其主板芯片组主要客户以前是 AMD，但是在 AMD 收购 ATI 推出自研芯片组之后，英伟达在该领域的优势就荡然无存。
于是，公司全面转向到 GPU 技术研发，同时进入人工智能领域。 年，公司神经网络技术在其 GPU 产品的支持下取得重大进展，并在计算机视觉、语音识别、自然语言处理等方面得到广泛应用。 年，全球人工智能发展加速，英伟达迅速推出了第一个专为深度学习优化的 Pascal GPU。，英伟达又推出了性能相比 Pascal 提升 5 倍的新 GPU 架构 Volta，同时推出神经网络推理加速器TensorRT 3。至此，英伟达完成了算力、AI 构建平台的部署，也理所当然成为这一波人工智能热潮的最大受益者和领导者。公司的战略方向包括人工智能和自动驾驶。人工智能方面，英伟达面向人工智能的产品有两类，Tesla 系列 GPU 芯片以及 DGX 训练服务器。Tesla 系列是专门针对 AI 深度学习算法加速设计 GPU 芯片，DGX 则主要是面向 AI 研究开发人员设计的工作站或者超算系统。 年，公司包含这两款产品的数据中心业务收入大幅增长 52%，其中Tesla V100 的强劲销售是其收入的主要来源。自动驾驶方面。英伟达针对自动驾驶等场景，推出了 Tegra 处理器，并提供了自动驾驶相关的工具包。 年，基于 Tegra 处理器，英伟达推出了 NVIDIA DRIVE AutoPilot Level 2+，并赢得了丰田、戴姆勒等车企的自动驾驶订单。同时， 年，公司也正在积极推动 Xavier 自动驾驶芯片的量产。值得关注的是，英伟达还正在通过投资和并购方式继续加强在超算或者数据中心方面的业务能力。 年 3 月，英伟达宣称将斥资 69 亿美元收购 Mellanox。Mellanox 是超算互联技术的早期研发和参与者。通过与 Mellanox 的结合，英伟达将具备优化数据中心网络负载能力的能力，其 GPU 加速解决方案在超算或者数据中心领域的竞争力也将得到显著提升。英特尔加速向数字公司转型，通过并购+生态优势发力人工智能英特尔作为传统的 CPU 设计制造企业，在传统 PC、服务器市场有着绝对的统治力。随着互联网时代的到来以及个人电脑市场的饱和，公司也在开始加快向数字公司转型。尤其在人工智能兴起之后，英特尔凭借着技术和生态优势，打造算力平台，形成全栈式解决方案。英特尔主要产品为 CPU、FPGA 以及相关的芯片模组。虽然 CPU 产品在训练端的应用效率不及英伟达，但推理端优势较为明显。英特尔认为，未来 AI 工作周期中，推理的时长将是训练时长的 5 倍甚至 10 倍，推理端的芯片需求也会放量。同时，即使是云端训练，GPU 也需要同 CPU 进行异构。目前，英特尔在人工智能芯片领域主要通过三条路径：1）通过并购快速积累人工智能芯片相关的技术和人才，并迅速完成整合。英特尔在收购了 Altera 后，还先后收购了 Nervana、Movidius 与 Mobileye等初创企业。在完成上述一系列并购之后，英特尔设立了 AI 事业群，整合了 Xeon、Xeon Phi、Nervana、Altera、Movidius 等业务和产品，同时将原有的自动驾驶业务板块并入 Mobileye。2）建立多元的产品线。目前，英特尔正建构满足高性能、低功耗、低延迟等差异化芯片解决方案，除了 Xeon 外，包括可支持云端服务 Azure 的 Movidius VPU 与 FPGA。3）通过计算平台等产品，提供强大的整合能力，优化 AI 计算系统的负载，提供整体解决方案。在英特尔收购的这些企业中，除了前面已经提到的 Altera、Mobileye 之外，Nervana 也非常值得关注。
年 8 月，英特尔斥资超过 3.5 亿美元收购这家员工人数不超过 50 人的创业公司，但是经过不到三年的成长，这家公司已经成为英特尔 AI 事业部的主体。依托 Nervana，英特尔成功在 10 月推出了专门针对机器学习的神经网络系列芯片，目前该芯片已经升级至第二代，预计 下半年将正式量产上市，该芯片在云端上预计能和英伟达的 GPU 产品一较高下。
03、IT 及互联网企业AI 兴起之后，互联网及 IT 企业凭借着在各大应用场景上技术和生态积累，也在积极拓展 AI 相关市场，其中 AI 芯片是部署重点之一。
相较而言，互联网企业凭借着数据和场景先天优势，在 AI 算法和芯片领域优势更为明显，如美国谷歌、国内的 BAT。IT 企业如 IBM，在人工智能领域较早开始研究， 年年中曾经推出专门针对深度学习算法的原型芯片。谷歌：TPU 芯片已经实现从云到端，物联网 TPU Edge 是当前布局重点谷歌可谓是 AI 芯片行业的一匹黑马，竞争力强劲。谷歌拥有大规模的数据中心，起初同其他厂商的数据中心一样，都采用 CPU+GPU 等异构架构进行计算加速，用来完成图像识别、语音搜索等计算服务。但是，随着业务量的快速增长，传统的异构模式也很难支撑庞大的算力需求，需要探索新的高效计算架构。同时，谷歌也需要通过研发芯片来拓展 AI 平台 TensorFlow 的生态。因此，，Google 正式发布了 TPU 芯片。从谷歌 TPU 的本质来看，它是一款 ASIC（定制芯片），针对 TensorFlow 进行了特殊优化，因此该产品在其他平台上无法使用。第一代 Cloud TPU 仅用于自家云端机房，且已对多种 Google 官方云端服务带来加速效果，例如 Google 街景图服务的文字处理、Google 相簿的照片分析、甚至 Google搜寻引擎服务等。Cloud TPU 也在快速改版， 年推出第二代， 年推出第三代芯片 TPU 3.0。同时，谷歌对 TPU 的态度也更为开放，之前主要是自用，目前也在对用户开放租赁业务，但没有提供给系统商。除了云端，谷歌针对边缘端推理需求快速增长的趋势，也在开发边缘 TPU 芯片。 年 11 月，Google 推出轻量版的 TensorFlow Lite（某种程度取代此前的 TensorFlow Mobile），使得能耗有限的移动设备也能支持TensorFlow，推出的Edge TPU芯片即是以执行TensorFlow Lite为主，而非 TensorFlow。Edge TPU 性能虽然远不如 TPU，但功耗及体积大幅缩小，适合物联网设备采用。Edge TPU 可以自己运行计算，不需要与多台强大计算机相连，可在传感器或网关设备中与标准芯片或微控制器共同处理 AI 工作。按照谷歌的规划，Edge TPU 将提供给系统商，开放程度将进一步提升。如果 Edge TPU 推广顺利，支持的系统伙伴将进一步增多，谷歌将尽快推出下一代 Edge TPU 产品。即使推广不顺利，Google也可能自行推出 Edge 网关、Edge 设备等产品。
阿里巴巴：推出自研神经网络处理芯片，同时加速对 AI 企业投资布局阿里巴巴作为国内 AI 领域的领军企业，在底层算力、算法技术以及应用平台方面都有较强积累。同Google 类似原因，阿里巴巴也在近年来开始开发 AI 芯片，同时加大对相关领域的投资布局。 年，阿里巴巴成立阿里达摩院，研究领域之一就是 AI 芯片技术。 年 4 月，阿里达摩院对外宣布正研发一款 Ali-NPU 神经网络芯片，预计将在 年下半年问世。这款芯片将主要应用于图像视频分析、机器学习等 AI 推理计算。阿里巴巴在自研 AI 芯片之前，主要在通过投资的方式布局 AI 芯片领域。目前，寒武纪、深鉴科技、杭州中天微等都有阿里巴巴的入股，其中 年 1 月份还成为了 AI 芯片设计企业杭州中天微的第一大股东。
百度：通过自研、合作以及投资等多种方式布局 AI 芯片百度作为搜索企业，其对 AI 芯片的需求更为明确。早在 年，百度就在 FPGA 和 GPU 进行了大规模部署，也开始在 FPGA 的基础上研发 AI 加速器来满足深度学习运算的需要。此后，百度就不断通过合作、投资和自研的方式来推进该业务。1）加强同芯片设计及 IP 企业合作。 年 3 月，百度发布了 DuerOS 智慧芯片，并与紫光展锐、ARM、上海汉枫达成战略合作。这款芯片搭载了对话式人工智能操作系统，可以赋予设备可对话的能力，能广泛用于智能玩具、蓝牙音箱、智能家居等多种设备。 年 8 月，百度又与赛思灵（Xilinx）发布了 XPU，这是一款 256 核、基于 FPGA 的云计算加速芯片。同在 年，百度同华为达成合作，推动终端 AI 芯片的落地。2）参与 AI 芯片企业投资。 年 2 月 5 日，美国初创公司 Lightelligence 宣布获得了 1000 万美元种子轮融资，由百度风投和美国半导体高管财团领投。Lightelligence主要利用基于光学的新技术，来加速人工智能的工作负载，通过光子电路的新兴技术来加速信息处理。3）自研芯片也正在加速部署。 年 7 月，百度正式发布了自研的 AI 芯片“昆仑”，这是当时国内第一款云端全功能 AI 芯片，其中包含训练芯片昆仑 818-300，推理芯片昆仑 818-100。昆仑 AI 芯片是基于百度 CPU、GPU、FPGA 的 AI 加速器研发，能够在 100W 左右的功耗下，提供高达 260 万亿次/秒的运算速度，算力处于业界领先水平。
04、创业企业寒武纪：同时发力终端和云端芯片，技术综合实力较强寒武纪发源于中科院，是目前全球领先的智能芯片公司，由陈天石、陈云霁兄弟联合创办，团队成员主要人员构成也来自于中科院，其中还有部分参与龙芯项目的成员。 年 6 月公司，公司获得数亿美元投资，此轮融资之后，寒武纪科技估值从上年的 10 亿美金大幅上升至 25 亿美元。公司是目前国内为数不多的同时具备云端和终端 AI 芯片设计能力的企业。公司最早发力的是终端芯片，主要为 1A 系列，包括 1A、1H8 和 1H16，公司通过 IP 授权的模式赋能终端或者芯片设计企业，目前主要合作伙伴包括华为，其中麒麟 970 就采用其 1A 处理器。另外，公司还推出了面向低功耗场景视觉应用的寒武纪 1H8，高性能且拥有广泛通用性的寒武纪 1H16，以及用于终端人工智能产品的寒武纪 1M。 年 9 月，华为发布的麒麟 980 依然集成了优化版的寒武纪 1H 新一代智能处理器。公司云端芯片也取得较大突破。云端芯片一直是英特尔、英伟达等公司的领地，国内企业很难进入。 年 5 月，寒武纪推出算力达到 128Tops 的 MLU 100 云端智能芯片，可用于训练和推理。MLU100相比传统的 GPU 和 CPU 芯片，MLU 芯片拥有显著的性能功耗比和性能价格比优势，适用范围覆盖了图像识别、安防监控、智能驾驶等多个重点应用领域。6月20日，寒武纪正式推出了第二代云端AI芯片——思元270（MLU270）及板卡产品。思元270采用的是寒武纪自主研发的MLUv02指令集，可支持视觉、语音、自然语言处理以及传统机器学习等高度多样化的人工智能应用，更为视觉应用集成了充裕的视频和图像编解码硬件单元。
具体性能指标方面，思元270芯片处理非稀疏深度学习模型的理论峰值性能提升至上一代MLU100的4倍，达到了128TOPS（INT8）；同时在定点训练领域取得关键性突破，兼容INT4和INT16运算，理论峰值分别达到256TOPS和64TOPS；支持浮点运算和混合精度运算。
综合来看，公司在 AI 芯片方面竞争力较强。公司拥有自己的处理器架构和指令集，而且通过硬件神经元虚拟化、开发通用指令集、运用稀疏化处理器架构解决了 ASIC 用于深度学习时存在的云端算力的挑战、能效瓶颈、手机端和云端超大规模计算场景应用问题。地平线机器人：公司AI芯片和计算平台在嵌入式及智能驾驶领域具备优势地平线成立于 年，主要从事边缘人工智能芯片和计算平台业务，场景聚焦于智能驾驶和 AIoT边缘计算。 年起，公司逐渐实现产品化落地。 年 2 月，公司官方宣布已获得 6 亿美元 B轮融资，SK 中国、SK Hynix 以及数家中国一线汽车集团（与旗下基金）联合领投。B 轮融资后，地平线估值达 30 亿美元。 年 12 月，地平线发布中国首款全球领先的嵌入式人工智能视觉芯片征程（Journey）系列和旭日（Sunrise）系列。
旭日 1.0 处理器面向智能摄像头等应用场景，具备在前端实现大规模人脸检测跟踪、视频结构化的处理能力，可广泛用于智慧城市、智慧零售等场景。
征程 1.0 处理器面向智能驾驶，具备同时对行人、机动车、非机动车、车道线、交通标志牌、红绿灯等多类目标进行精准的实时检测与识别的处理能力，同时满足车载严苛的环境要求以及不同环境下的视觉感知需求，可用于高性能 L2 级别的高级驾驶辅助系统 ADAS 。 年 2 月，地平线自主研发的高清智能人脸识别网络摄像机，搭载地平线旭日人工智能芯片，提供基于深度学习算法的人脸抓拍、特征抽取、人脸特征值比对等功能。可以在摄像机端实现人脸库最大规模为 5 万的高性能人脸识别功能，适用于智慧城市、智慧零售等多种行业。 年 4 月，公司发布地平线 Matrix1.0 自动驾驶计算平台。目前已经更新到性能更强的升级版本，地平线 Matrix 自动驾驶计算平台结合深度学习感知技术，具备强大的感知计算能力，能够为 L3 和 L4 级别自动驾驶提供高性能的感知系统。
地平线 Matrix 自动驾驶计算平台已向世界顶级Robotaxi 厂商大规模供货，成功开创了中国自动驾驶芯片产品出海和商业化的先河。比特大陆：区块链矿机霸主进军AI领域比特大陆是全球领先的算力芯片设计企业，其致力于开发高性能、低功耗、全定制的算力芯片，是全球少数几家掌握最先进7nm制程设计能力并可规模量产7nm芯片的公司之一。目前，比特大陆的产品主要应用于区块链和人工智能两个领域，区块链矿机的市场份额高达74.5%。，比特大陆正式发布了面向人工智能领域的子品牌——“算丰”，并推出了针对深度学习推理的第一代云端AI芯片BM1680。3月，比特大陆快速推出了第二代云端人工智能芯片BM1682，9月份推出了面向终端的AI芯片产品BM1880，并计划于推出其第三代云端AI芯片BM1684。此外，比特大陆基于其芯片，在云端还研发了加速卡、服务器等产品，在终端推出了计算棒、模组、开发板等产品，为不同行业的客户提供适应多种应用场景的产品。在项目落地方面，比特大陆基于云端AI芯片的人脸闸机助力福建618展会与厦门98投洽会成功举办，累计通行超过30万人次，通道表现稳定可靠，状况良好。在第二届数字中国峰会安保系统中，搭载比特大陆自研芯片的算丰人工智能服务器与海康威视人脸识别算法相融合，全程应用于峰会安全保障工作，3D人脸轨迹系统为日均6万余人次、累计150余万张人脸图片的海量分析提供算力支持。在合作方面，比特大陆与福建当地企业合资成立福建省算域大数据科技有限公司，负责福州城市大脑的投资、建设与运营，为日后福州AI产业发展建设好基础设施。比特大陆还作为首批企业加入海淀城市大脑科技产业联盟，助力海淀“城市大脑”建设，后还与海淀区签署了围绕“智能处理芯片应用场景建设”的重大项目合作意向书，推动算力芯片应用落地。此外，公司还与东亚最大的游戏云平台优必达（ Ubitus ）合作，共同建设公司位于日本、台湾的机房，基于“算丰”芯片，公司协助Ubitus共同开发计算机视觉相关的AI功能。嘉楠科技：转型AI芯片厂商
作为仅次于比特大陆的全球第二大比特币矿机厂商，近几年以来，嘉楠科技也开始积极转型AI芯片厂商，目前已掌握集AI芯片研发、AI算法、结构、SoC集成及流程实现一体化等综合技术，以AI芯片为核心建立AI生态链，以生态伙伴需求为依归，为生态伙伴提供一揽子AI服务方案。嘉楠科技于发布了全球首款基于ASIC芯片的区块链计算设备，引领行业进入ASIC时代。，嘉楠科技获清华长三角研究院投资，并作为重点项目被引进至科技重镇杭州。同年，嘉楠科技成功实现28nm制程工艺芯片的量产，迈出了AI芯片量产的第一步。嘉楠科技在实现了16nm芯片量产，一举通过国家高新技术企业认定。并于被正式评定为杭州市高科技独角兽企业。，嘉楠科技连获两项全球重大技术突破，实现量产全球首个基于自研的7nm芯片，以及量产全球首款基于RISC-V 自研商用边缘智能计算芯片。9月，嘉楠科技推出了第一代边缘侧AI芯片勘智K210，通过完全自主研发的神经网络加速器IP，同时具备机器视觉和语音识别能力，可以在超低功耗下进行高速卷积神经网络计算。随后勘智K210很快在无感门禁、智能门锁、病虫害防治等领域得到应用。在项目落地方面，嘉楠科技提供的无感门禁系统已经得到了软通动力总部大楼（共有集团员工5万人）的采用，目前已实现每个监控点日均2000次的识别数量。
嘉楠科技提供的智能电表解决方案也被亚洲最大的社区——贵阳南明花果园社区采用，实现了对社区10万多个传统电气表的智能化升级改造，解决传统人工入户抄表模式的“高成本、低效率、难入户”等问题。
在治理林业病虫害的业务场景中，嘉楠与百度、林业大学合作，将搭载8通道高性能麦克风阵列的音频处理硬件插入树中，以虫子嗑咬树植的声音为音源，判断害虫的位置。同时，还可利用K210芯片的视觉能力，将芯片置入40mm见方的智能盒子，通过图像分类和检测的方法判断视野内是否有害虫存在。
这种视听综合判断的方法有效提升了判断的效率与精度，在林业、农田都有广泛的应用场景。同时，该智能盒子不需要外接供电设备，只需要电池供电即可，相比传统的设备更为轻量化，使用成本更低廉。在生态合作方面，5月29日，嘉楠联合百度大脑发布PaddlePi-K210。该产品作为一款AI开发板，尺寸仅为3 X3cm，相当于一个火柴盒大小，具有1Tops的澎湃算力，同时兼具300mw的极低功耗，即使加上摄像头和屏幕也只有1w的功耗，充分适配边缘侧设备对于极低功耗的业务场景需求。
同时，该产品打通PaddlePaddle模型设备端部署解决方案。开发者不需要硬件更改，使用公版模具就可以一直支持用户做到产品小样阶段，对开发者十分友好。
9月21日，嘉楠科技还与天津市西青区人工智能产业基地签约AI项目。此次人工智能产业集中签约重点项目有平台类、芯片设计、软件研发类、应用类。涉及智能网联车、智慧医疗、智慧城市、智能制造多个人工智能领域。文章来源：芯智讯
