各路厂商角逐人工智能芯片

随着人工智能受到媒体和资本的热捧，近来国内外各路豪杰纷纷推出自己的人工智能芯片，在这些厂商各自的发布会上，纷纷宣传自己的产品是多么先进，并且在PPT上展示如何在性能和功耗上吊打竞争对手。

而且在宣传语中，“全球领先”、“中国首款”等字样屡见不鲜。宣传越来越邪乎，都宣传自己是“中国首款”，这种情况下，PPT的纸面数据吊打友商根本没有任何意义。大家真正应该关注的是这些宣传“全球领先”的国产人工智能芯片，与应用结合得是否紧密。

各路厂商角逐人工智能芯片

近年来，PC行业已经开始逐年衰退，智能手机行业也随着市场的逐渐饱和进入瓶颈期。在这种情况下，人工智能、物联网、云计算、大数据等领域被认为是下一个风口。其中，人工智能无疑是最受媒体和资本热捧的宠儿。

正是因此，国外大厂纷纷推出了自己的人工智能芯片。

Intel推出了众核CPU，英伟达推出了专门勇于人工智能的GPU，CEVA和Cadence推出了用于人工智能的DSP，阿尔特拉推出了用于人工智能的FGPA。此外，谷歌也推出了TPU，IBM推出了“真北”，原本造电动汽车的特斯拉也宣传要开发自己的人工智能芯片。

在国外大厂跑马圈地的同时，国内单位也推出了各自的人工智能芯片，中科院计算所推出了寒武纪芯片，中星微也开发了星光智能一号。2017年年底，地平线推出了自己的人工智能视觉处理器，华夏芯也发布了自己的“松江”和“北极星”。另外，一些厂商明明是购买友商的人工智能IP集成到SoC中，却在宣传上非常艺术，很容易误导大众以为这些买IP做集成的厂商也在开发人工智能芯片。

寒武纪变成了麒麟NPU

国外厂商如何我们姑且不论，但国内厂商在宣传上已然越来越浮夸，比如在去年12月，地平线举办的“AI芯时代”产品发布会上就请了上百家媒体来助威，并宣布“这次推出的芯片是中国首款全球领先的高性能、低功耗、低延时的嵌入式人工智能视觉处理器”。在媒体的报道中，还将地平线称之为“全球领先的嵌入式人工智能领导者”。

就在地平线产品发布会的不久之后，华夏芯也发布了自己的产品，在宣传中称：

发布了中国首款64位高端嵌入式“长城”系列CPU/DSP统一处理器IP和“松江”系列嵌入式人工智能专用处理器IP，以及基于上述全自主IP的多核SoC芯片平台——北极星。据悉，这是国内首次发布具有自主知识产权的人工智能平台型芯片，不仅打破了国外垄断，还初步实现了产业化，为建设和完善我国自主可控的人工智能产业链添上了重要一笔。

实事求是的说，这些宣传语中是有一定水分的，比如地平线所谓的“中国首款全球领先的嵌入式人工智能处理器”就不准确。毕竟在去年10月，中科院计算所的嵌入式人工智能处理器寒武纪1A已经随着华为Mate10的上市进入寻常百姓家，而直到2个月之后，地平线才发布所谓“中国首款全球领先的嵌入式人工智能处理器”。

又比如华夏芯，本质上是选择用传统SIMD/DSP架构来跑人工智能，这种做法和去年的星光智能一号如出一辙，由于国内已经有了寒武纪、星光智能一号等产品，且寒武纪有望借助华为手机的畅销实现千万级量产，所谓的打破国外垄断也就无从谈起了。

类似的，百度推出了XPU、阿里刚发布Ali-NPU。根据媒体的报道，Ali-NPU还在设计中，但又公然宣称：“阿里巴巴的Ali-NPU性能，将是目前市面上主流CPU、GPU架构AI芯片的10倍，而制造成本和功耗仅为一半，性价比超过40倍”。在Ali-NPU还在设计之中的情况下，真不知道这些10倍、40倍的数据是怎么测试出来的。难不成达摩院的扫地僧和杰克马切磋“功守道”测试出来的？

可以说，由于人工智能掀起的热度，很多厂商都去蹭热点，寄希望于获得资本市场的青睐。而为了在宣传中标榜自己，各种“中国首款”、“全球领先”、“打破国外垄断”等标签也就被大家用烂了。

八仙过海，各显神通

就目前而言，人工智能芯片主要以ASIC、FPGA、CPU、GPU、DSP为主，像寒武纪和地平线就是属于ASIC，阿尔特拉的人工智能芯片属于FPGA，英伟达的人工智能芯片属于GPU，星光智能一号属于DSP，英特尔的方案属于CPU。

在这些人工智能芯片中有一个规律，那就是芯片的通用性与用来跑人工智能的性能和功耗成反比。像CPU这样的芯片，因为其“万精油”的属性，导致这种芯片具有很好的通用性，但在某些特定领域，性能和功耗相对于其他几种芯片都没有啥优势。

而GPU的通用性比CPU要差，但又不如ASIC，因而在性能和功耗方面会优于CPU，但明显低于ASIC，这也是中科院计算所孵化的寒武纪芯片能在性能功耗比上明显优于GPU的原因。

将传统的面向数字信号处理的DSP处理器架构进行运算器方面的修改之后，也可以用来跑人工智能，而且可以借助现有的成熟技术。不过在应用领域上有一定局限性——可以用于卷积神经网（CNN），但对循环神经网络（RNN）和长短期记忆网络（LSTM）等处理语音和自然语言的网络则无能为力。换言之，就是这种DSP主要用于机器视觉领域，但难以应用到语音识别、文本处理和自然语言理解等领域。用DSP做人工智能芯片的做法，在人工智能细分市场还是具备一定商业上的潜力的。

根据阿尔特拉的PPT，其专门针对人工智能的FPGA性能功耗比却可以达到50GFlops/W，因而有观点认为，FPGA由于比英伟达的GPU省电，可以降低运营费用而取得优势。不过，FPGA也有自己的缺点，那就是缺乏性价比。虽然FPGA在一些新兴的应用领域取得了一定成绩，但随着新兴领域的崛起，其市场规模和重要性不断提升，由于缺乏性价比的原因，FPGA最终会被专用芯片所替代。

不过，性能高一点，低一点问题不大，真正重要的是应用和产业生态。英伟达的GPU成为主流，愿意就在于生态做得好，开发方便。

人工智能不宜被过度炒作

由于人工智能非常火爆，众多公司开始玩概念，不论是做比特币矿机的，还是做DSP的，摇身一变都成为人工智能芯片公司。截至目前，中国已经完成融资或正在融资的人工智能芯片公司已经超过40家，而且大多数都是在2015年后成立的。

目前，人工智能已经有被过度炒作的迹象，一些媒体都纷纷鼓吹中国依靠人工智能弯道超车。但实际上，人工智能芯片只是加速器，用于解决特定的问题，并不能取代CPU、GPU、FPGA、DSP、NAND Flash、DRAM等类型的芯片。一些媒体宣称中国应该大力发展AI芯片，依靠人工智能打破X86、ARM的垄断，这种论调显然缺乏基本的行业常识。

商业公司搞人工智能芯片对产业链的拉动效果也有限。举例来说，要实现对产业链上下游的拉动效应，境内芯片设计公司以牺牲芯片的性能为代价，选择境内的芯片制造商生产芯片；境内的晶圆厂可以做一定牺牲，选择境内的设备商和原材料厂商的产品……这样子就可以形成正循环。如果境内的芯片设计公司总是找台积电代工，境内的晶圆厂更加偏爱ASML、应用材料等国际大厂的设备。那么，中国的芯片就很难不受制于人。

然而，像阿里、百度、地平线、比特大陆等都是非常商业化的公司，肯定是商业利益优先，必然选择台积电更加成熟的工艺。即便是把订单交给中芯国际，也是因为中芯国际在良率等方面都有了很大提升之后的事情。

一句话，就是“只会锦上添花，不会雪中送炭”，而中芯国际最棘手的就是新工艺初期找不到愿意下单的客户，无法用产能摊平成本。这样一来就会陷入死循环。

目前，打破这个死循环的主要推手之一不是国内企业，反而是美国高通公司。并非高通怀有一颗红心，只是被发改委反垄断了，才把订单给中芯国际。另外，不仅仅是阿里、百度等互联网公司不会雪中送炭，华为、中兴、小米等公司也是一样优先选择台积电。

因此，资本大量投向人工智能，很可能成为资本赶风口的狂欢。不仅无法打破西方公司在芯片上的垄断，也未必能对产业链起到多少推动作用。而中国芯片方面的真正短板，比如CPU、GPU、FPGA、RF、AD/DA等，以及各种开发工具却有可能面临无人问津的局面。对于不再重蹈中兴事件的覆辙毫无帮助。