人工智能芯片发展迅猛 核心专用芯片将成战略制高点

从深蓝到Alpha Go，人工智能逐渐走进人们的生活。人工智能也从一场技术革命，逐渐走向了产业落地。智能手机、智能家居设备、智能音箱……等设备，已经完全进入到人们的生活中。指纹识别、人脸识别、画面增强等实用人工智能的技术，也成为了人们日常使用电子设备必不可少的技术。

这些在我们日常生活中“见怪不怪”的人工智能技术越来越普遍，代表了人工智能产业在近年来的爆炸式发展，2018年更是被称为人工智能技术规模应用的拐点。而作为人工智能技术的核心，人工智能芯片也备受关注，2017年人工智能芯片市场规模达到10亿美金，预计到2021年将达到52亿美金，年复合增长率达到53%，增长迅猛，发展空间巨大。

目前，主流的人工智能芯片基本都是以GPU、FPGA、ASIC以及类脑芯片为主。

从云端芯片来看，GPU最早作为深度学习算法的芯片被引入人工智能领域，因良好的矩阵计算能力和并行计算优势最早被用于AI计算，在数据中心中获得大量应用。目前GPU占据云端人工智能主导市场，占人工智能芯片市场份额的35%。

ASIC是Application Specific Integrated Circuit的英文缩写，中文为“专用集成电路”。ASIC芯片因其比FPGA芯片具备更低的能耗与更高的计算效率，适用于人工智能平台和智能终端领域的特性，一直是AI芯片研发领域的焦点。以TPU为代表的ASIC目前只运用在巨头的闭环生态。

FPGA，即专用集成电路，一种集成大量基本门电路及存储器的芯片，可通过烧入FPGA配置文件来来定义这些门电路及存储器间的连线，从而实现特定的功能，在数据中心业务中发展较快。FPGA因其在灵活性和效率上的优势，适用于虚拟化云平台和预测阶段。

类人脑芯片架构是一款模拟人脑的新型芯片编程架构，这种芯片的功能类似于大脑的神经突触，处理器类似于神经元，而其通讯系统类似于神经纤维，可以允许开发者为类人脑芯片设计应用程序。通过这种神经元网络系统，计算机可以感知、记忆和处理大量不同的情况。目前该类芯片还只是小规模研究与应用，低能耗的优势也带来预测精度不高等问题，没有高效的学习算法支持使得类脑芯片的进化较慢，还不能真正实现商用。

放眼未来，GPU、TPU等适合并行运算的处理器成为支撑人工智能运算的主力器件，既存在竞争又长期共存，一定程度可相互配合；FPGA有望在数据中心业务承担较多角色，在云端主要作为有效补充存在。

全球人工智能芯片行业竞争格局：英伟达占有绝对优势

从目前主要的几个机器学习芯片平台来看，首先是GPU，GPU的计算能力要比CPU高很多倍。从全部GPU市场来看，英特尔目前占了71%，英伟达占了16%，AMD占了13%。但从分立式GPU市场来看，英伟达占了71%，AMD占了29%。因此英伟达在分立式GPU市场产品中占有绝对的优势，其产品广泛应用于数据中心的人工智能训练。

核心专用芯片是人工智能时代的战略制高点

就目前人工智能主要发展方向来看，可投资的垂直细分领域主要包括，机器人芯片研发、智能视觉、自然语言理解和开放知识图谱、人工智能教育、围棋AI、机器视觉、机器人系统方案、体感人机交互、智能投顾、智能视觉等。而所有细分领域中，核心专用芯片是人工智能时代的战略制高点。

人们越来越看好人工智能的前景及其潜在的爆发力，而能否发展出具有超高运算能力且符合市场的芯片成为人工智能平台的关键一役。目前市场上英伟达保持着绝对的领先地位。但随着包括谷歌、脸书、微软、亚马逊以及百度在内的巨头相继加入决战，人工智能领域未来的格局如何，仍然待解。