FPGA芯片的发展需要颠覆性技术的支持

全球AI芯片企业排行榜的公布，在国内引起了广泛关注和热议，纷纷鼓吹中国凭借AI芯片便能在芯片行业崛起，但所有AI芯片均没有看到颠覆性的技术出现。美国AI芯片巨头垄断，英伟达、英特尔和谷歌等科技巨头齐发力。英伟达作为人工智能领域涉及面最广、市场份额最大的公司，其更专注于GPU和无人驾驶领域芯片，在全球GPU市场上占据70%份额。

全球最大计算机芯片制造商的英特尔，伴随着人工智能的风潮，接连收购Altera、Nervana、Movidius，全方位布局AI，其子公司Movidius在2017年便推出视觉处理器Myriad X。2016年便宣布公司战略转为AIFirst（人工智能先行）的谷歌，在2018 Google I/O开发者大会上发布第三代TPU，在ASIC方向深耕AI芯片。

但以上均没有颠覆性技术报道。相比美国，国内企业纷纷抢占AI芯片赛道，目前已涌现出华为、Imagination、瑞芯微、芯原、寒武纪和地平线等潜力企业。启英泰伦研发的CI1006 AI芯片，集成脑神经网络处理硬件单元，专供语音识别，提升智能语音识别响应及控制速度，实现单芯片本地离线大词汇量识别。

又如华为在海思麒麟970处理器中搭载寒武纪AI芯片，运用于Mate 10手机中，在图片识别速度上明显提升。但也均无颠覆性技术报道。目前，AI芯片主要以CPU、GPU、FPGA、ASIC为主，如英特尔AI芯片属于CPU，英伟达属于GPU，阿尔特拉属于FPGA，寒武纪和地平线属于ASIC，其中，CPU和GPU属于通用型，FPGA和ASIC属于专用型。

相比CPU，GPU具有明显的数据吞吐量和并行计算优势，最早被用于 AI 计算，广泛应用在数据中心中。FPGA在2015年后异军突起，适用于虚拟化云平台和预测阶段，ASIC 芯片具备适用于人工智能平台和智能终端领域的特性，但是和FPGA芯片一样，不具备批量生产优势，也就是说没有价格优势。

AI芯片快速发展的同时面临着严峻现实问题。因为应用场景不同，在算法上也不能通用，无法固定，所以算法和应用仅处于一一对应阶段，没有像CPU一样的通用算法芯片。在架构上，目前是CPU+GPU、CPU+FPGA、CPU+ASIC组合。

AI芯片的发展需随场景不同而变化，这是AI芯片架构发展的挑战。AI芯片不仅仅只需要架构上的创新，目前采用CPU+GPU、CPU+FPGA、CPU+ASICAI构架的AI芯片其介质均基于硅，也未见颠覆性技术。

量子计算机样机早在3年前就已产生，目前还没有被产业化，如果以量子为介质的芯片能产业化，并顺利在短时间内嫁接到AI芯片上，或许能产生颠覆性变化。AI芯片如不能在架构和介质上进行颠覆性创新，并进行产业化应用，再高的排名也是花拳绣腿。