人工智能主要包括三大要素,，分別是數(shù)據(jù),、算法和算力。其中數(shù)據(jù)是基礎(chǔ)，正是因為在實際應(yīng)用當(dāng)中的數(shù)據(jù)量越來越大,，使得傳統(tǒng)計算方式和硬件難以滿足要求，才催生了AI應(yīng)用的落地,。

AI芯片的生態(tài)圈

從廣義說,，能夠驅(qū)動AI程序的芯片都叫做AI芯片。從狹義來說,，AI芯片是為適應(yīng)AI算法進行了特殊設(shè)計的芯片,。

從應(yīng)用層面講，AI芯片主要分為云AI芯片和端AI芯片,。云AI芯片應(yīng)用于云端服務(wù)器及數(shù)據(jù)中心,；端AI芯片應(yīng)用于智能設(shè)備、IoT端設(shè)備,。未來,，人工智能將會在我們的日常生活中得到極大普及，正如英偉達創(chuàng)始人黃仁勛所說：“未來,，AI與AI芯片將無處不在：咖啡機,、保溫杯、麥克風(fēng),、甚至耳環(huán),、鞋子這些小物件都會智能化?！?/p>

云AI芯片的特點是性能強大,、能夠同時支持大量運算、支持圖片識別,、以及語音,、視頻處理。端AI芯片則需要嵌入到設(shè)備內(nèi)部,，讓設(shè)備不聯(lián)網(wǎng)就能具備AI能力,。AI芯片之于人工智能的意義，可以理解為發(fā)動機之于汽車,。人工智能理論已經(jīng)提出多年,，由于它需要一臺計算能力超強的“發(fā)動機”驅(qū)動,，所以多年沒有真正跑起來，直到AI算法,、大數(shù)據(jù)以及AI芯片的出現(xiàn),。

人工智能的破局是在2012年計算機視覺屆的“奧林匹克”—ImageNet挑戰(zhàn)賽的賽場上，來自多倫多大學(xué)的Geoffrey Hinton教授和他的團隊第一次用上了GPU芯片和深度學(xué)習(xí)算法,，成為AI史上的一個重要節(jié)點,。

在2015年的ImageNet大賽上，微軟亞洲研究院團隊更是憑借GPU與深度學(xué)習(xí)算法,，第一次讓計算機的圖像識別超過了人類,。人類識圖錯誤率約為4％，而冠軍團隊機器識圖的錯誤率為3．57％,。在圖像識別興起之后,，視頻識別、語音識別,、翻譯,、語音助手等一系列AI應(yīng)用應(yīng)運而生。

AI芯片的爆發(fā),，至少將會影響到四個應(yīng)用場景：家居／消費電子,、安防監(jiān)控、自動駕駛以及云計算,。

AI芯片困局：競爭力與差異化

目前,，無論是初創(chuàng)公司還是芯片設(shè)計巨頭，壓力都是與日俱增,。一般而言,，只要有應(yīng)用場景的支持、足夠的資金和工程能力,，AI芯片做出來不會成為大的問題,。但對于AI芯片這一新興市場而言，談市場布局實在有些為時過早,，大家心中都明白這將是一場持久戰(zhàn),，而產(chǎn)業(yè)真正的未來和發(fā)展方向還是取決于創(chuàng)新。

從現(xiàn)有的市場情況來看,，2019年整個產(chǎn)業(yè)趨于平靜也反應(yīng)出了大家已經(jīng)逐漸從保證功能的粗放設(shè)計轉(zhuǎn)變?yōu)樘岣吒偁幜筒町愋缘木氉髁?，但要做出競爭力和差異化卻不容易。

想要贏得客戶,，做服務(wù),、建生態(tài)是當(dāng)下打開市場的出路，但是“硬件好做,，軟件難”卻是大家普遍反映的問題,。有業(yè)內(nèi)人指出,，無止境的軟件工具優(yōu)化讓大家備受困擾，從單核,、多核到多芯片,、多板卡，再到神經(jīng)網(wǎng)絡(luò)算法與非NN算法,、異構(gòu)系統(tǒng),、軟硬件聯(lián)合優(yōu)化，軟件工程師會遇到各種問題,，這都將為大家不斷深耕上層的帶來阻力,。