人工智能芯片竞争格局，主要有三个赛道

经过多年发展，人工智能在新科技革命和产业变革中初显爆发端倪，并已成为发达国家和地区激发创新活力、抢占未来发展先机和巩固核心竞争实力的前沿战略领域。人工智能基础研究、类脑研究、人机协同增强智能、群体集成智能等技术领域实现重大突破，代表了未来科技和产业发展方向，体现了当今世界智能经济、绿色经济的发展潮流。

人工智能产业得以快速发展，得益于海量激增的数据还有在摩尔定律影响下不断提升的计算能力，而无论是海量数据的获取和存储还是计算能力的体现都离不开硬件载体——芯片。因此，人工智能芯片就成为当前激烈的人工智能产业比拼中颇具战略地位的一个环节，也是近两年投向人工智能众多资金中最为关注的领域之一。同时这也是一个正快速增长的巨大市场，国际权威基金评级机构Morningstar则预测，2021年全球AI芯片市场规模有可能超过200亿美元。

人工智能芯片到目前为止还没有一个准确的定义，广义的讲，满足人工智能应用需求的芯片都可以称之为人工智能芯片。其实目前大部分的人工智能应用场景下，我们还是使用GPU、FPGA等已有的适合并行计算的通用芯片来实现人工智能算法。但是回顾计算芯片发展史，新的计算模式一般都会催生新的专用计算芯片，因此在未来，人工智能专用芯片将会是发展的大方向，并且将会对传统计算架构产生颠覆性变革，这也是为什么人工智能芯片具有战略性的原因，它的发展不仅对于人工智能产业本身的意义重大，对当前全球芯片产业的市场格局也会带来深刻影响，对于中国而言，也许更是重大的赶超机遇。

目前全球人工智能芯片比拼最激烈的两个国家就是美国和中国，当然也不仅仅是芯片，两个国家在人工智能领域是全方位的竞争，今天单说芯片。

人工智能芯片的竞争目前分为三个主要赛道：

第一个是基于GPU、FPGA等通用芯片的半定制方案。比如英伟达针对各类智能计算设备开发对应的GPU，以及打造NVIDIA CUDA平台大大提升其编程效率、开放性和丰富性，建立了包含CNN、DNN、深度感知网络、RNN、LSTM 以及强化学习网络等算法的平台，使得AI可以渗透到各种类型的智能机器。美国沿袭在传统计算芯片上的强大优势，包括在CPU，FPGA，GPU，DSP领域包揽全球第一的技术能力和行业地位，自然占据了这个赛道的霸主地位，据称在医疗、生命科学、能源、金融服务、汽车、制造业以及娱乐业等多个领域运用GPU或者FPGA开展深度学习工作的企业有近4000余家，传统优势的渗透力可见一斑。也可以从侧面看出，在这条赛道上，其实中国的企业鲜少再有机会。

第二个赛道是针对深度学习算法的专用芯片。GPU、FPGA等通用芯片虽然适用于大规模并行计算，但是也天然存在性能、功耗等方面的瓶颈，面对不断激增的数据量和持续扩大的AI应用规模，通用芯片自然有其局限性，因此专用芯片必然是大势所趋。中国科学院计算所研究员、寒武纪深度学习处理器芯片创始人陈云霁博士在《中国计算机学会通讯》上撰文指出：通过设计专门的指令集、微结构、人工神经元电路、存储层次，有可能在3~5年内将深度学习模型的智能处理效率提升万倍。这也使得中美人工智能芯片创业的大部分企业集中在这个赛道进行竞争。目前这个赛道聚集了当下全球创新最活跃的智力资源，涌现出多种方法来定制芯片设计和架构，去解决不同AI应用场景中人工智能芯片的诸多“痛点”问题，比如影响处理器性能提高的存储带宽瓶颈，计算非结构化信息时性能疲软，再比如在嵌入式设备上实现AI应用，除了计算性能的要求之外，如何平衡功耗和成本的问题等等。在这条赛道上，既有谷歌、intel、英伟达等全球人工智能和芯片领域的顶尖巨头大手笔的投入，也有无数的中小创业企业在全力以赴，期望跳过这些传统巨头在计算架构上的坚固壁垒，去创造人工智能时代的Intel或者ARM。这其中不乏大量的来自中国的人工智能芯片初创企业，在AI领域的投资上，我国已经超越美国成为世界第一，其中大笔资金投向了AI专用芯片领域，这也充分证明了这个赛道，有对我国计算芯片非比寻常的意义。

第三个赛道是类脑计算芯片，这个领域不再仅仅局限于加速深度学习算法，也不仅仅局限于在特定场景下实现人工智能，而是在芯片基本结构甚至器件层面上希望能够开发出新的非冯诺依曼计算机模型和体系结构，去解决通用智能计算的问题。类脑的研究距离可以大规模广泛使用的成熟商用技术还有一定差距，甚至在产业化的过程中还面临不小的风险，但是长期来看这个赛道是最有可能会带来计算体系革命的选择。在这个领域其实更多是基础研究能力的比拼，中国和美国的差距其实并不大。

人工智能芯片将决定新的计算时代的基础架构和未来生态，因此，谷歌、微软、IBM、Facebook等美国巨头都投巨资加速人工智能芯片的研发，旨在抢占新计算时代的战略制高点，掌控人工智能时代主导权。而国内人工智能芯片则呈现出创新活跃，百花齐放的格局。通过走访调研、与一些投资机构、创业企业的沟通，这里以目前可查阅到的接近40家国内涉及人工智能芯片业务的企业为样本，归纳出目前我国人工智能芯片产业发展呈现出来的部分特点：

首先，北京是我国人工智能芯片创新最活跃的地区，涉及这块业务的企业数量超过一半。北京具备全国最密集的人工智能和微电子领域的智力资源，清华大学，微软亚洲研究院，中科院计算所、自动化所，微电子所，北航等全国过半数人工智能骨干研究单位都聚集在北京，再加上百度、小米、京东、滴滴等国内互联网巨头在人工智能领域的全力投入，以及活跃的投资机构和行业媒体的助推催化，让北京成为最适宜人工智能芯片初创企业成长的沃土。亿欧智库发布的2017年度《中国人工智能产业发展城市排行榜》中显示，北京在企业规模、政策基础、学术基础等各项指标的得分远超其他城市，稳居第一，也说明了相较于其他城市，北京发展人工智能芯片产业具备得天独厚的优势。

第二，目前国内人工智能芯片企业主要落地应用的场景是安防领域，在统计的国内38家人工智能芯片企业中，以安防为核心业务的企业接近30家，而面向自动驾驶，医疗，智能家居等场景的AI芯片研发则都相对较少。安防领域拥有海量的数据，能够为深度学习训练提供足够多的场景，并且这个领域同时满足AI芯片对规模化和高资本投入的需求，也就是既有量，又烧得起钱，而且安防市场呈现出碎片化特性以及地域封闭属性，对于AI芯片企业而言相对好切入开展业务，自然是其青睐的首选市场。

第三，我们发现很多老牌芯片企业正在积极拥抱人工智能时代的变化，接近1/4，成为中国人工智能芯片产业中的重要力量。在2013年以前成立的海思，中星微、北京君正、中天微、杭州国芯等传统SoC处理器芯片或者多媒体芯片企业就是其中的代表。相比那些活跃的初创AI芯片新生力量，老牌企业具有更加完备的前后端设计、产品、验证和测试团队，具备打造一颗完整SoC芯片产品的工程化经验，要知道仅有一个深度学习加速器是没法使用的。老牌芯片企业的入场竞争，和新生力量在人才、产品层面的角力，是未来这个产业值得关注的一大看点。

第四，在部分AI芯片前沿创新领域，我国一些企业的技术能力已经达到了国际领先水平。一方面体现在基础研究方面，比如在直接在存储器内执行计算而不需要数据传输的内存计算领域，异构融合类脑计算领域，可重构计算芯片技术领域，我国的基础研究能力已经与国际接轨甚至引领。这里不得不提到位于清华的北京市未来芯片技术高精尖创新中心，在人工智能芯片的前沿领域做了很多工作，具有一定的全球影响力。另一方面体现在大批海外AI芯片领域专家和高端人才归国创业，领英的数据显示，从2013年至2016年，毕业归国的AI人才平均年增长率约为14%，而有海外工作背景的归国AI人才平均年增长率约为10%。在我们统计的38家AI芯片企业中，有海外背景的团队超过一半。

第五，切入人工智能芯片领域的算法和系统公司逐渐增多，比如商汤，海康，依图，华为等。算法厂商提供的都是高频次、基础性的功能服务，因此，仅仅通过算法来实现商业盈利往往会遇到瓶颈。通过将各自人工智能核心算法芯片化、则不但提升了原有性能，同时也有望为商业盈利铺平道路。而系统公司也正在积极地通过自主研发与并购投资的方式加大对AI芯片的投入，它们离场景最近，对场景真实需求的深刻了解，强大的软硬件一体化产品能力，市场营销渠道能力以及充足的资本储备是系统企业的优势，这使得它们在处理和众多AI芯片初创企业的关系上始终处在一个更加主导的地位，或携手合作、或直接竞争，增加了产业格局的不确定性。

总之，目前全球人工智能产业还处在高速变化中，我们有充足的理由对我国在人工智能领域的潜力感到乐观，广泛的行业分布为人工智能的应用提供了广阔市场，但相比市场和数据方面的优势而言，我国人工智能芯片发展仍处于奋力追赶状态，虽然在不同技术路线上均有突破，但仍任重道远。