【全球AI芯片企業(yè)排名表中華為排行12，初創(chuàng)企業(yè)該從何突破？】1848年8月19日，《紐約先驅(qū)報》刊登了一則重磅消息，加州（加利福尼亞）發(fā)現(xiàn)了黃金！消息傳開，大批的人力投身于美國西部，引發(fā)了席卷全美的淘金熱潮，給加州這塊貧瘠的土地，帶來了財富與繁榮。

當下的AI領(lǐng)域，正經(jīng)歷著這樣一場淘金熱。

資本家們毫不吝嗇，投入了數(shù)以億計的資金，融入的玩家大小林立，既有掌握先進工具的科技巨頭，也有正不遺余力煉金的企業(yè)家，更多的是獨握一門煉金術(shù)的獨角獸。同時，因為這片處女地足夠大，不管你是芯片制造商，還是算法提供商，抑或是云計算服務提供商，都可以獲取自己的利益。但是最終決定這場淘金熱能夠走得多遠、影響多持久，AI芯片企業(yè)掌握了實際的話語權(quán)。

近日，市場研究公司CompassIntelligence發(fā)布了最新研究報告，全球AI芯片企業(yè)排名表中，英偉達（Nvidia）、英特爾（Intel）分列第一、第二名，中國企業(yè)華為、寒武紀、地平線，分列12、22、24位。雖然都在同一條賽道上奔跑，但是企業(yè)側(cè)重有所不同。

巨頭把持云端AI芯片

AI芯片，可以說是深度學習的專用芯片，具備在很高的內(nèi)在并行度、大量的浮點計算能力以及矩陣預算的能力，算法、算力、數(shù)據(jù)，是它三個核心的元素。在相同的精度下，與傳統(tǒng)的通用CPU相比，它的處理速度更快、所需的服務器更少、功耗更低。一個簡單的顯性例子是，AI芯片下的處理能力每秒能夠達到5700張圖片，而如今所用的CPU則每秒僅能識別140張圖片。

AI芯片的興起要回溯到2013年，人們意外發(fā)現(xiàn)，原來用于游戲的GPU在深度學習中發(fā)揮巨大的作用。這一發(fā)現(xiàn)，使得GPU出身的英偉達瞬間占據(jù)了AI芯片的制高點，基于深度學習發(fā)布了多款芯片。

人工智能芯片領(lǐng)域，可以分為面向云端數(shù)據(jù)中心的芯片和面向終端的嵌入式人工智能芯片兩大門類。而英偉達的GPU已經(jīng)成為在云端服務器的霸主，有報告顯示，世界上目前約有3000多家AI初創(chuàng)公司，大部分都采用了英偉達提供的硬件平臺。在端方面，英偉達推出了16nm的AI芯片XAVIER、自動駕駛平臺DRIVEPX，并且開源了DLA深度學習加速器項目。憑借著巨大的優(yōu)勢，英偉達的股價已經(jīng)從2016年初的30美元，飆升至如今的255美元，飛升了八倍之多。

從保守的角度來說，英偉達的潛在對手是英特爾。在云端市場，英特爾是老牌玩家，英偉達是新入局者。不過，英特爾發(fā)力較晚，通過連續(xù)收購完成了生態(tài)布局，云端收購Altera之后推出了基于FPGA的專用深度學習加速卡，收購Nervana為AI優(yōu)化的KnightMill至強處理器。自動駕駛方面，與Mobileye和BMW結(jié)成了自動駕駛聯(lián)盟，并在移動端收購了Movidius。后續(xù)發(fā)力，業(yè)內(nèi)人士相當看好英特爾。

實際上，真正挑起與英偉達在云端芯片較量的重擔是谷歌。自從決定研發(fā)AI芯片，也就是TPU（TensorProcessingUnit）后，谷歌一直悄無聲息。直到去年4月，谷歌一篇論文的發(fā)布，猶如一枚深水炸彈，讓業(yè)內(nèi)吃了一驚。隨后TPU的發(fā)布更是讓英偉達“慌了”。第三方平臺RiseML（riseml．com）做了一次對比評測。實驗結(jié)果表明，在自定義的LSTM模型上，TPU更快。TPU（21402examples／s）比P100（1658examples／s）快16．9倍，比V100（2778examples／s）快7．7倍。RiseML給出的結(jié)論是：一旦TPU能夠容納更多的用戶使用，就可以成為英偉達GPU真正的替代者。

需要注意的是，柯潔對戰(zhàn)的AlphaGoMaster使用的就是第一代TPU，單機運行，且物理服務器僅僅部署了4個TPU就打敗了柯潔。頗為遺憾的是，谷歌的TPU僅供自家使用，不對外出售，僅僅開放云端供大家使用。

初創(chuàng)團隊更偏向終端側(cè)發(fā)力

英偉達首席科學家兼NVIDIAResearch高級副總裁BillDally博士表示，雖然AI領(lǐng)域大家似乎都在同一起跑線上，但是細分之后較為清晰可鑒的是，面向云端數(shù)據(jù)中心的芯片被巨頭們把持，因市場偏成熟，企業(yè)積累深厚，很難被超越，所以各大初創(chuàng)公司創(chuàng)業(yè)方向選擇的是面向終端的嵌入式人工智能芯片，如物聯(lián)網(wǎng)、智能駕駛、機器人等等，這是他們的機會所在。

這也是為什么地平線自2015年成立以來，突破的是面向終端的嵌入式人工智能芯片薄弱環(huán)節(jié)——在保證性能、可編程的前提下，芯片保持較低的功耗與成本。

地平線表示，他們研發(fā)歷時2年，才推出面向智能駕駛的征程處理器和面向智能攝像頭的旭日處理器。三項核心數(shù)據(jù)上，地平線做到了可每秒實現(xiàn)30幀1080P高清視頻流的實時處理；每幀支持200個并行目標的檢測、識別和跟蹤；典型功耗僅1．5W，每幀處理時延小于30ms。

地平線采用的是自主設(shè)計研發(fā)的BPU芯片架構(gòu)，是一款典型的異構(gòu)多指令多數(shù)據(jù)的系統(tǒng)，架構(gòu)中心處理器是完整的系統(tǒng)，存儲器架構(gòu)設(shè)計進行了特別優(yōu)化，能使數(shù)據(jù)自由傳遞，進行多種計算，讓不同部件同時運轉(zhuǎn)起來，極大提高了器件利用率，提高AI運算的效率。

寒武紀在終端發(fā)力之后，也在云端推出了產(chǎn)品。前不久的發(fā)布會上，不僅推出新一代終端智能處理器IP產(chǎn)品Cambricon1M，還發(fā)布了首款云端智能芯片CambriconMLU100，雙向發(fā)力讓業(yè)內(nèi)嘩然。寒武紀CEO陳天石表示，3年前就開始了兩顆芯片的研發(fā)，時刻準備著將寒武紀的產(chǎn)品放入云端。陳天石在發(fā)布會現(xiàn)場公布了在R－CNN算法下MLU100與TeslaV100和TeslaP4的計算延遲對比，數(shù)據(jù)顯示MLU100的計算延遲為125ms，TeslaV100的延遲為174ms，TeslaP4的延遲為1069ms。

現(xiàn)在來看，只有英偉達的體量，才有能力橫跨兩個領(lǐng)域垂直做深，甚至英特爾也是通過收購完成布局。寒武紀的道路與英偉達相似，但從目前僅有的信息很難判斷寒武紀的產(chǎn)品性能，是否能超越英偉達TeslaV100、TeslaP4。比起各方多有涉足，業(yè)內(nèi)人士更希望寒武紀將垂直領(lǐng)域做得更深。

超越互聯(lián)網(wǎng)＋的場景應用

根據(jù)Tractica研究所的數(shù)據(jù)，到2025年，AI年收入預計將達到368億美元。Tractica表示，迄今為止已經(jīng)確定了AI的27種不同細分行業(yè)以及191個使用案例。

UCLA博士李一雷認為，人工智能落地兩個重要的點分別是自動駕駛和醫(yī)療，然而自動駕駛必須能通過各種極端情況下的驗證才能上馬，輔助駕駛離現(xiàn)實比較接近。

作為AI的重頭戲，幾乎所有的AI芯片都在發(fā)力智能駕駛領(lǐng)域。因為初創(chuàng)公司偏向端側(cè)，應用場景有所側(cè)重，像地平線這樣主攻算法＋芯片的企業(yè)，未來將在垂直領(lǐng)域做深，沿著規(guī)劃的三代架構(gòu)，對芯片進行逐年迭代，使其能力不斷升級，智能駕駛?cè)耘f是他們發(fā)力的重點行業(yè)領(lǐng)域。

相比而言，英偉達的核心雖然是GPU，但是它打造的是一個生態(tài)。自動駕駛所需要的運算能力體現(xiàn)在云端和終端兩個方面，終端感知周圍環(huán)境，做出駕駛決策，而云端是將行駛的數(shù)據(jù)，通過深度學習或者增強學習“訓練”模型，最終應用到車輛終端中。英偉達CEO黃仁勛預計明年自動駕駛的模擬和開發(fā)系統(tǒng)會成熟，2019年機器人出租車將飛速發(fā)展；2020－2021年底，第一輛全自動的L4級自動駕駛汽車上路。

豐富的生態(tài)，尤其是云端建立深度學習的模型訓練，使得英偉達的AI芯片擁有更為廣泛的應用場景。其中寄予人類深厚希望的，更多是AI芯片在醫(yī)療上的賦能。以肺癌而言，以往醫(yī)生一般通過肉眼檢查CT掃描影像，從中尋找小塊結(jié)節(jié)并推斷結(jié)節(jié)的良性與惡性。但是肉眼的弊端是，如果早期結(jié)節(jié)很小便難以診斷，后期發(fā)現(xiàn)肺癌為時已晚，使得肺癌的存活率僅為17％。但有了GPU驅(qū)動的AI和深度學習技術(shù)來改變肺癌難以診斷的現(xiàn)狀。不僅易于診斷，還解放了醫(yī)生，肉眼檢查CT掃描影像花費至少在十分鐘以上，現(xiàn)在只需要兩分鐘便可實現(xiàn)結(jié)節(jié)檢測及良惡性區(qū)分。據(jù)估計，此系統(tǒng)一天可為醫(yī)生節(jié)約至少4小時，從而使他們有更多的時間與病人交流或進行更多研究工作。

AI芯片的加持，還給互聯(lián)網(wǎng)＋未能有所改觀的傳統(tǒng)新領(lǐng)域帶來了新變化，比如與互聯(lián)網(wǎng)難以產(chǎn)生聯(lián)系的石油行業(yè)。據(jù)了解，每臺海上鉆井平臺每年大約會產(chǎn)生50TB的數(shù)據(jù)，而其中只有不到1％的數(shù)據(jù)會被標簽或分析?？此破D難的數(shù)據(jù)分析現(xiàn)狀，恰恰給擁有海量計算能力的AI發(fā)揮巨大潛力的機會。

在勘探油氣藏的過程中，石油天然氣行業(yè)正在利用計算量越來越龐大的地震算法，用英偉達GPUAI解決方案進行“事故預測、巖層辨別以及通過挖掘3D模型來創(chuàng)建高效的環(huán)境掃描，加快獲取鉆井許可的過程”，至少提速4—20倍。因強大的計算能力，使得斯倫貝謝、雪佛龍、道達爾、巴西石油以及雷普索爾等各大世界石油巨頭均部署了英偉達TeslaGPU，以加速地震處理的速度。

淘金熱，正在AI領(lǐng)域熱絡(luò)上映。不管是自動駕駛還是醫(yī)療、石油，這僅僅是AI淘金熱被發(fā)掘出來一小片領(lǐng)域，更多的機會還存在于國防、氣候、醫(yī)學、金融、生物信息等行業(yè)。比起互聯(lián)網(wǎng)＋引起的效應，AI賦能的效果顯然更為革命與顯現(xiàn)。