AI芯片—人工智能必争之地

无论是PC时代，还是移动计算时代，核心处理器件都是计算平台走向应用的关键。谁能更好地满足新一代计算平台的需求，谁就能占领下一代计算革命制高点。

当前处理器难以满足A.I计算需求。传统的CPU架构往往需要数百甚至上千条指令才能完成一个深度学习过程中单个神经元的处理，无法支撑深度学习的大规模并行计算需求。如果传统CPU的架构不改变，即使继续提高晶体管的数量，也无法满足深度学习的计算需求。A.I时代需要新的、更为合适的处理器。如，Google于2012年开发了一个用于识别YouTube视频中的猫的系统。该系统由大约10亿个神经元组成，并从YouTube视频（一帧10秒视频中）处理了1000万帧。训练数据过程用了1.6万块电脑处理器，运行了三天的时间。这还仅是处理10s视频的需求，未来A.I处理数据更为庞大，对处理效率要求更高，传统数据中心处理器很难胜任。

当期人工芯片尚未成熟。服务智能阶段对于数据处理需求主要由数据中心承担，芯片主要任务是提高处理效率以缩短训练时间。未来向通用人工智能阶段发展，在解决处理效率的基础上，会在功耗，成本等方面对芯片提出更高要求。更为先进的超级智能阶段甚至会颠覆当前的芯片结构，使得芯片处理方式高度模拟人脑。当前，GPU在数据中心广泛部署；专用芯片处于研发阶段，部分企业少量量产；类脑芯片处尚于研发阶段。

芯片制造—A.I产业链基础。英特尔和ARM的历史告诉我们，新计算平台的出现往往是新兴芯片企业弯道超车的拐点，新计算方式的发展必然带动专业处理器的需求。新兴企业把握核心芯片优势，建立产业生态体系、纵深发展，才能在新一轮计算变革中占有一席之地。芯片产业在计算领域处于基础层次，是计算产业上游领域发展的基石。

根据阿里云研究院对A.I产业链的划分，按照技术层级由下到上可以分为：应用层、技术层和基础层。

应用层是指面向特定行业领域的，解决痛点问题的应用。包括应用平台层和解决方案层。应用平台层是指行业应用分发和运营平台、机器人运营平台；解决方案层是指面向具体应用场景的解决方案，具体有智能广告、智能诊断、自动写作、智能投顾、智能助理、无人车、机器人等应用。应用层直面行业痛点、投资周期短；但进入壁垒不高、竞争激烈。当前服务智能阶段创业公司大量涌入该层次，许多企业在提供的服务方面竞争，核心A.I算法和技术往往采用购买方式，并未触及A.I核心。

技术层主要涉及A.I一些专用技术，包括框架层、算法层、通用技术层。其中框架层是指支持A.I的一些框架和操作系统，有TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等。算法层是指为解决A.I计算问题涉及的专用算法，有机器学习、深度学习、增强学习等各种算法。通用技术层包括，语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件。技术层是构建A.I产业生态的技术基础，需要中长期投资、提早布局，这一层次优秀的创业公司不多，而且也一直处于探索，发展阶段。

基础层包括A.I计算能力的硬件支持层—计算能力层：涵盖大数据、云计算、GPU/ASIC等硬件、神经网络芯片等计算能力提供商。数据层涵盖身份信息、出行、医疗、支付等各行业、场景的一些数据支持。

基础层是构建A.I生态的基础，价值最高，并需要初期就进行战略布局，而且行业壁垒较高。当前A.I基础层-芯片制造尚处于早期研发阶段，通用芯片向A.I专用化改进，专用芯正在探索、研发中。但毫无疑问，谁能占据A.I芯片市场的主导地位，谁就能成为下一个英特尔和ARM，成为下一代计算产业革命的领导者。

我国在人工智能处于世界领先水平，但大多集中在技术层和应用层，基础层较为薄弱。因为中国人工智发展由互联网企业推动引领，大量网络数据的积累为深度学习积累了数据资源。一些互联网企业（如阿里，百度等）走在了自然语言处理、图像/语音识别技术前沿，并分别应用于相应的服务平台中。而芯片硬件等基础计算层次的投入时间较短，传统芯片巨头都是美国公司。与中国相比，美国智能生态系统更为完善和活跃，人工智能涉及领域更为广泛，遍布产业链各个环节；并且优秀企业数量上也远胜我国（美国为39个，中国仅3个），行业并购也更为活跃。

国内A.I芯片领域产业情况。半导体、微处理器产业一直被美国巨头公司所垄断，中国微晶片一直严重依赖进口，部分高端半导体几乎完全依靠进口。而代表新一代计算革命的人工智能，高性能处理芯片是基础层中的核心器件，对于建立完整A.I产业生态具有重要战略意义。2015年美国政府禁止英特尔、英伟达和AMD这三家全球CPU、GPU巨头芯片供应商向中国机构出售高端电脑芯片（用于超级计算的高性能芯片）。这一禁令迫使中国在半导体、微处理器产业走上了自主研发的道路。中国政府在 2014 年出台了《国家集成电路产业发展推进纲要》以及“中国制造 2025”行动纲领。还成立了国家集成电路产业投资基金。在A.I产业投资大量涌入，国家产业扶持情况下，我国人工智能芯片得到了迅猛的发展。

人工智能芯片—下一代计算革命基石

当前人工智能虽然尚处于早期发展阶段，但已渗透到众多行业，垂直行业应用遍地开花，人工智能无疑引领下一代计算革命。作为计算平台的大脑—A.I芯片必然扮演举足轻重的角色。当前A.I芯片尚处于早期研发阶段，通用芯片向A.I专用化改进，专用芯正在探索、研发中。但毫无疑问，谁能占据A.I芯片市场的主导地位，谁就能成为下一个英特尔和ARM，成为下一代计算产业革命的领导者。

GPU—通用芯片，广泛应用于数据中心

GPU其强大的并行计算能力使其成为A.I训练数据首要考虑的芯片之一。GPU具有性能强、功耗大、价格高等特点，这些特点使其适用于对性能要求较高，功耗、价格其次的数据中心。当前的GPU巨头——英伟达在数据中心市场尝到甜头后，开始着手布局深度学习专用加速卡，以及其他A.I应用场景，如无人驾驶领域。目前GPU+CPU已经成为数据中心中进行A.I数据训练最主流的解决方案。

FPGA技术路线—半定制化，用于企业、军工等要求灵活性场景

基于FPGA开发的A.I芯片具有高性能、低功耗等特性，并且FPGA的易于开发赋予了这种芯片更多的灵活性，使其适合于产品价格要求不高，但对产品灵活性、性能功耗比要求较高的场景。但FPGA价格相对较高，因此用 FPGA 做深度学习加速器的多是军工或者企业用户。基于FPGA开发A.I专用芯片是热门研究方向之一，许多互联网巨头和创业公司都在FPGA芯片布局，未来前景较为乐观。

ASIC技术路线—全定制化，用于消费电子等高性能功耗比场景

采用ASIC技术路线的A.I芯片也具有FPGA高性能功耗比的特点。与FPGA不同的是ASIC是流片生产，早期的研发成本可以在量产后摊薄，这使得其较为适合对可编程性要求不高，但对性能功耗比，以及价格有要求的消费电子端。当前A.I尚处于初级服务智能阶段，A.I的核心计算主要集中于数据中心。当A.I发展至通用智能阶段时，消费前端应用会井喷式增长，ASIC专用芯片市场前景不可估量。

类脑芯片—萌芽阶段，未来不确定大

类脑芯片是对传统计算机架构的突破，能够模拟人类大脑进行认知、记忆、处理问题，是对发展了几十年的冯诺依曼体系架构计算机的颠覆。类脑芯片当前还处于研发阶段，应用前景尚不明确。但作为一个计算平台，若类脑芯片能实现高性能、低功耗、自主学习等功能，那无疑将会带来新一代处理器革命。