论文部分内容阅读
人工智能芯片战场上的硝烟才刚刚燃起，小小芯片不同层面、不同路径的选择也仍在博弈中，谁赌对了方向，谁赢
今年以来，一家曾经不那么为人所知的公司英伟达（NASDAQ：NVDA）开始浮出水面。这家公司在今年内创下了20次历史收盘最高纪录，股价累计上涨約69%。这不仅跑赢了追踪半导体板块的基金涨幅，还远超同期标普500指数。
有投行预测英伟达股价还有40%的上升空间。在过去两年间，英伟达市值已经上涨7倍。
英伟达是这一轮人工智能芯片大战兴起的导火索。英特尔、高通、AMD等芯片公司随之宣布入局，谷歌、百度等互联网公司也纷纷披露开发计划，一些创业公司更是迅速推出新的设计方案和产品。
英伟达的GPU产品最初受众狭窄，给游戏PC提供视觉特效，帮它们和专业电子游戏机竞争。但随着新一轮人工智能兴起，GPU更为适合深度学习所需的并行计算能力，芯片开始供不应求，是第一批走向台前的类AI芯片玩家。
奥银湖杉创始合伙人CEO苏仁宏专注投资智能硬件，他认为，当下，人工智能功能基本基于云端，不能全面实现智能能力，原因就在于智能芯片的缺位。因此，人工智能能力不仅是下一代智能手机竞争高地，也是当下智能硬件的突围瓶颈。
目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构均因硬件规模、算法、功耗等原因不符合AI芯片理想架构，相对来说功能动态、实时地跟随软件变化而变化更重要。
战火兴起后，英伟达开始疯狂砸钱，力求在最短时间内将GPU转化为更通用的计算工具。仅研发一项，目前已经投入了将近100亿美元。
第三方机构晨星报告中指出，2021年，上述玩家所在的人工智能芯片市场总价值将达到200亿美元。TechNavio则预测，到2021年前，全球人工智能芯片年均复合增长率将超过54%。
由普通沙子制成的芯片，是整个IT发展的基础。谁掌握了这颗驱动计算的“心”，谁就将引领产业发展，并获得巨大的收益。PC时代的英特尔、智能手机时代的高通，都曾胜者为王，营收的增长带动了资本市场的青睐。
英伟达由黄仁勋与Curtis Priem和Chris Malachowsky在1993年创立于硅谷，公司总部与众多半导体公司比邻而居。成立以来，英伟达在半导体行业都是一家不温不火的公司，偏安于图形处理器（GPU）市场。
但就在这个时候，英伟达作出了一件极为重要的决定：加注技术投入和软件开发，令GPU可以在电脑屏幕上处理图像之外，进行更为复杂的任务处理。
2007年前后，一个被命名为“CUDA”（统一计算设备架构）项目被确立，其每年的开支大概5亿美元，这在当时占据了公司年度总营收的六分之一。今年54岁的黄仁勋回忆称，“这为公司带来了极大的成本压力。”
但正是这个项目确立了英伟达在人工智能的先发优势。英伟达一面整合CUDA进入各等级产品，另一面游说高等学校开设相关课程，并赞助研究所和创业公司，希望它们可以一路支持GPU的发展。
英伟达甚至提供测试版本的GPU给亚马逊等大型公司的科学家使用。尽管这样做看起来像是希望工程师帮助其寻找产品漏洞，但这种积极的态度打动了硅谷的工程师们。他们更积极地为GPU及其生态进行研发。
2012年开始，人工智能应用领域的玩家发现，CPU为核心的硬件设备已经难以满足深度神经网络（DNN）多层级特点的计算要求，而GPU可以满足其需求。他们开始使用英伟达的芯片进行人工智能模型的训练。
技术随后从研究转向产业，浪潮集团人工智能与高性能产品部总经理刘军告诉《财经》记者，“2014年前后，那些今天在人工智能领域很有名的公司开始寻找GPU专家，帮助他们将已有研发的DNN从CPU迁移至GPU。”
借助市场机遇，英伟达业务快速增长。这家公司2017财年第二季度报告数据显示，营业收入为22.3亿美元，同比增长56%，环比增长15%。其中人工智能相关业务增长更是亮眼，GPU业务收入同比增长59%，而数据中心业务增长了2.5倍以上。
该公司CFO Colette M. Kress表示，增长源自人工智能产品组合的丰富，以及不断出货。如今，英伟达的芯片越来越多被使用在计算机以外的设备上，如VR设备、无人机、机器人、无人驾驶汽车，更重要的是其逐渐成为人工智能服务器的新核心。
不过，财报发布当天盘后，英伟达股价一度下跌8%。随后虽回涨，但阴影一直并未散去。这一变化源自投资者的担忧——芯片领域的巨头们，尤其英特尔，此时已经看到了趋势，纷纷入局，而英伟达目前的成功更像是一种偶发事件。
深度学习理论引领了人工智能最新一轮热潮，芯片是完成计算的核心，是人工智能的“大脑”。整个环节分为训练（Training）算法和利用算法推理（Inference）结论两个部分。
训练是人工智能的基础，构建应用的关键。在这一环节，英特尔利用Xeon Phi处理器与英伟达的GPU直面竞争，并通过多项收购扩大产品布局。围绕两家巨头的竞争，谷歌和AMD虽有心杀入战局，但仍在边缘，而更小的创业者则仍处于探索阶段。
2016年8月，英特尔收购美国创业公司Nervana Systems。其深度学习芯片Engine的处理速度是GPU的10倍。随后，英特尔将其与自身业务整合，并追加3.5亿美元的投入，用于研发DNN软硬一体化平台和两代芯片产品，将与Xeon Phi匹配。
Fiaz Mohamed是英特尔人工智能产品事业部业务拓展及解决方案部署负责人，因Nervana收购而加入英特尔。他对《财经》记者说，“我们并没有陷入困境。借助英特尔在设计和工程上的经验，成为英特尔的一部分，这有利于我们的产品推向市场。”这是在训练层创业者普遍的结局，即被巨头收编。 Fiaz现在很忙，他每天与5个-7个客户见面。在与客户的直接交流中，Fiaz被反复问到，与英伟达最大的差异，因为他的客户希望可以得到更加针对自身应用的帮助。
“为满足性能、效率和规模的需求，人工智能不能只使用通用型的产品。”Fiaz告诉《財经》记者，“通过收购在各个领域不断增强自己的优势，如今我们也做定制化的产品。”
GPU之外，英特尔认为FPGA（可编程阵列）更适合人工智能发展需求。2015年，英特尔以这家公司历史上最大金额，收购了硅谷芯片制造商Altera。FPGA就像一张可以重复擦写的白板，可以根据不同计算需求，进行修改。英特尔预测组合将实现20倍性能的提升。
英特尔CEO科再奇曾在一次主题演讲中明确表示，FPGA是英特尔未来发展的重要核心。其将加大投资和扩充FPGA产品路线，支援更长的产品生命周期，并调动其他业务部门支持。
英特尔的强势逼迫英伟达也在加紧弥补自身不足。2017年GPU技术大会上，英伟达发布了新一代处理器架构Volta，以及使用这一架构的深度学习加速卡。经过重新设计，新的架构能效提高了50%，计算速度也随之提升了12倍。
与上述两家公司长期竞争的AMD也想在这一环节分一杯羹。2016年底，AMD发布了三款针对深度学习的处理器加速解决方案。
该公司应用工程高级总监Greg Stoner告诉《财经》记者，“AMD将是唯一可以利用丰富x86（CPU）和GPU知识产权技术推动人工智能实现的公司”。
与之相反，谷歌则另辟蹊径。2016年5月，谷歌发布专门为机器学习优化的专用处理器TPU（张量处理器），并宣布AlphaGo的计算硬件核心便来自于此。
一年后，谷歌将其TPU升级至2.0版本。谷歌发布博客称，以往需要一整天时间利用32个GPU训练的翻译模型，如今只需要一个下午的时间，并且只用八分之一的TPU集群（每64个TPU组成一个集群）就可以达到相同精度。
不过，谷歌并没有急于将TPU商业化，而是与自身开源的深度学习框架TensorFlow结合，并通过自身云计算平台对外提供服务。谷歌是否会对外单独出售TPU处理器，目前尚不得而知。
这是一个群雄并起的时代。
与泾渭分明的训练层竞争不同，推理层是群雄大乱斗。一些没有芯片研发背景的公司也纷纷加入战局，去争抢那200亿美元的市场和未来。
由于应用场景对性能、时延等参数提出具体的要求，计算核心处理器所处的位置成为不同厂商的争论焦点。有人认为，需要在设备端就能迅速反馈结果，而另一派认为应该将采集到的数据传回云端，由服务器进行终端设备难以匹敌的复杂计算。
高通认为前者才是方向。该公司工程技术副总裁Jeff Gehlhaar表示，随着移动设备性能的提升，高通将凭借海量终端的覆盖卡位市场。
手机和汽车成为高通发力的方向。目前，高通已经在其中高端芯片上提供人工智能所需要的计算能力。数据显示，未来五年全球智能手机累计出货将超过85亿部，而高通当前的市场份额为43%（Strategy Analytics数据）。保守计算，高通将覆盖37亿部智能手机。
高通发布的汽车驾驶芯片则将改变以往对路面交通数据本地收集、云端处理的模式，其集成了定位、机器学习等功能，大部分数据在本地设备上即可完成运算和反馈。
Jeff Gehlhaar称，在终端侧处理数据的重要性主要有三点：更好地保护用户的隐私，本地处理有助于解决无人驾驶等对实时决策的需求，以及将更有效地利用网络带宽。
移动芯片厂商和终端厂商成为这一观点的支持者。展讯通信将在2018年发布产品，而苹果则已经将其研究成果应用于最新手机中，魅族、华为等手机厂商更是宣布其终端产品已包括人工智能技术，用于提升用户体验。
值得注意的是，高通也在悄然布局服务器市场。关于云端结合，Jeff Gehlhaar并未正面回应，但其所展示的幻灯片显示，高通已为云计算平台留出位置，“分布式计算架构”将与“神经处理架构”通过网络连接，而高通的最大优势就在于处理网络连接。
不过，一批云计算公司和英特尔则认为，用户并不会在移动设备上安装厚重的人工智能软件，以及在有限的电池功耗下使用这些功能完成推理，因此架设在云端，通过网络传输数据和结果成为最佳选择。
2015年，微软开始实践CPU+FPGA组合的应用。2016年，亚马逊AWS推出基于FPGA的云服务器产品。中国公司也随之跟进，浪潮集团人工智能与高性能产品部总经理刘军表示，百度除了在内部拥有核心的专家团队进行研究外，还与浪潮这样的合作伙伴共同设计专用的芯片服务器主板。
2017年9月，阿里云对外宣布，已在GPU方案之外，为其人工智能系统储备了英特尔和赛灵思等芯片厂商FPGA产品。阿里云资深专家张献涛对《财经》记者称，一块英伟达的芯片成本或将高达数万元人民币。成本之外，为追求更高的计算性能和业务灵活性，开始探索FPGA方案以及更为定制化芯片逐渐成为厂商的新选择。
在智能手机时代于移动芯片市场失利的英特尔，正在借助无人驾驶重新杀向移动端。英特尔以历史第二、远超前年营收的价格，完成对以色列自动驾驶技术公司Mobileye的收购。该公司工作人员称，英特尔无人驾驶事业部与Mobileye正在整合产品和组织架构。
不仅如此，最近两年，英特尔在人工智能市场频频出手收购。2016年4月起，英特尔陆续收购了意大利机器人和无人驾驶半导体芯片制造商Yogitech，以及两家计算机视觉技术公司俄罗斯的Iseez和美国的Movidius，后者更是自主研发了新架构低功耗的处理器VPU。
在这场硝烟尚未完全燃起的战争中，美国一直以来是全球人工智能领域领跑的国家，但中国已经开始着手加速入局。这两年，数家中国公司借力开始芯片研发，“XPU”的出现如雨后春笋。
总部在北京的创业公司地平线就以“BPU”命名其人工智能芯片产品，并注册成为商标;另一家名为“深鉴”的公司将其开发的处理器命名为“DPU”，并且已经发布了两款不同架构的产品;此前专注提供比特币“矿机”的嘉楠耘智号称2017年将发布人工智能芯片“KPU”。
由于事关未来战略，互联网巨头也加入了战局。百度率先登场，阿里紧随其后。2017年，百度与合作伙伴赛灵思共同发布了一款云计算加速处理器“XPU”。百度研究院欧阳剑表示，XPU将在效率和性能上超越GPU，同时提供类似CPU的灵活性。
2017年6月底到7月初，阿里技术委员会主席王坚曾带队前往硅谷考察，与超过30家人工智能公司进行接触，其中包括多家人工智能芯片公司。阿里巴巴的技术专家透露，用于人工智能的“XPU”研发也已经在内部列上日程。
从技术本身来看，中科院孵化的创业公司中科寒武纪是这批中国公司中的佼佼者，如果和英伟达对标，它拥有超过100多件专利和自己的指令集系统。中科龙芯副总裁张戈告诉《财经》记者，寒武纪创始人（陈云霁）曾是龙芯3号处理器的主结构设计之一，另一个创始人陈天石也曾在中科院计算所工作，他与陈云霁是亲兄弟。
2017年8月，寒武纪宣布完成1亿美元的A轮融资，领头方是国有资本投资运营公司旗下基金的国投创业，联想创投、阿里巴巴创投等社会资本以及中科院旗下资产也纷纷跟投。目前该公司估值已达10亿美元。
“原来可能需要三块英伟达的‘卡’（指芯片板卡），现在只需要一块寒武纪，就可以应对整个数据中心的消耗。”联想创投合伙人宋春雨告诉《财经》记者，这吸引了他，他预计这家公司今年就会有营收。
目前的公开信息显示，寒武纪已经发布一款名为寒武纪1A处理器，主要面向智能手机、无人机、可穿戴设备和智能驾驶等设备。根据规划，寒武纪将不仅在终端侧，还将在云服务器侧发布产品。
今年9月，通信设备制造商华为发布手机人工智能芯片麒麟970，970中的NPU（网络处理器）专用硬件处理单元就是寒武纪1A，后者以授权的方式集成进入麒麟970。
不过，华为仍有望独立发展人工智能芯片，华为已开始研发服务器芯片，该公司消费者业务CEO余承东称，人工智能的实现必须通过端云协同。
前文提到的地平线机器人公司，成立于2015年，创始人兼CEO余凯曾主政百度研究院和深度学习实验室，在他影响下百度吸纳了一批人工智能专家。
地平线机器人前期曾打算做人工智能时代的英特尔，但一段时间尝试后，余凯告诉《财经》记者，“我们的定位是嵌入式人工智能芯片，既不在互联网公司的势能范围，又避开和巨头的竞争，会有更大的价值。”
英特尔通过收购构建了多种发展人工智能的道路，兵多将广，而英伟达产品有亮点，抓住一块核心的GPU。地平线这样的创业公司缺少强大的资金、技术和生态支持，需要避开巨头重兵把守的云服务器侧，但在设备边缘，嵌入式人工智能芯片将有更大的想象力。
地平线发展的策略是，针对使用场景需求研究最适合的算法框架，然后将算法框架实现在芯片上。也就是说，通过应用倒逼芯片设计。其优势是，可以集中资源单点突破，进而降低半导体产业投资的风险，以及通过销售解决方案获利推动自身良性运转。
与寒武纪选择通用芯片商业模式不同，地平线更加侧重专用，为市场提供的不只是芯片，而是软硬整体解决方案，“这很像Mobileye”，余凯认为，英特尔愿意花153美元亿巨款收购，这是说服投资者认可基于专用人工智能芯片解决方案最好的案例。
投资了地平线的祥峰投资合伙人夏志进对创业公司充满信心，“大家都在同一条起跑线上，英伟达也是，它们（指巨头）有历史包袱”。在他看来，芯片只是地平线商业的一部分，未來投资回报周期远小于半导体行业，“我可以等这个企业5年-10年”。
人工智能芯片毫无疑问是一个巨大的产业发展趋势，但第三方机构Gartner分析师盛陵海告诉《财经》记者，原有芯片不会一夜之间变成人工智能芯片，现在产业有过度炒作的嫌疑。
在收获成功的同时，英伟达的高市值也早于挑战。业界担心，它拥有的技术难以支撑起当前高涨的市值。人工智能开源实验室OpenAI联席主席Sam Altman提醒称，GPU最初的设计目标并非人工智能，只是恰好满足需求。
多个受访者对《财经》记者表示，人工智能应用场景将不再是单一类型的终端设备，这意味着，芯片公司应具备提供多元化产品的能力，但英伟达的GPU仍是一种通用型芯片。
多家IT公司已经开始纷纷研发专用芯片并加大资金投入。
芯片设计公司zGlue CEO张铭表示，“大公司仍希望通过通用芯片分摊研发费用”，但人工智能市场更加需要定制化的产品出现。
不过，定制化芯片和通用芯片路线的选择转圜上，大公司的余地远大于创业公司。谷歌的TPU只是目前已经对市场宣布的产品，未来一旦伴随谷歌云计算业务对外提供服务，将以低成本和灵活性直击英伟达腹地。一位产业内人士表示，“垄断”意味着获取的高成本，而英伟达的芯片并不便宜。
由此可见，人工智能芯片最终的胜利者很有可能依然是拥有更多生态资源和规模优势的芯片巨头，其他芯片公司很有可能依然只能偏安一隅。
与美国创业者可以接受公司出售给大公司不同，中国厂商往往希望在巨头的夹缝中独立发展。但在智能安防、手机、无人机、智能汽车、机器人等行业，巨头正在一个个细分垂直行业慢慢渗透。
大鱼吃小鱼在过去已不鲜见，半导体产业依然是强者恒强的逻辑。
今年以来，一家曾经不那么为人所知的公司英伟达（NASDAQ：NVDA）开始浮出水面。这家公司在今年内创下了20次历史收盘最高纪录，股价累计上涨約69%。这不仅跑赢了追踪半导体板块的基金涨幅，还远超同期标普500指数。
有投行预测英伟达股价还有40%的上升空间。在过去两年间，英伟达市值已经上涨7倍。
英伟达是这一轮人工智能芯片大战兴起的导火索。英特尔、高通、AMD等芯片公司随之宣布入局，谷歌、百度等互联网公司也纷纷披露开发计划，一些创业公司更是迅速推出新的设计方案和产品。
英伟达的GPU产品最初受众狭窄，给游戏PC提供视觉特效，帮它们和专业电子游戏机竞争。但随着新一轮人工智能兴起，GPU更为适合深度学习所需的并行计算能力，芯片开始供不应求，是第一批走向台前的类AI芯片玩家。
奥银湖杉创始合伙人CEO苏仁宏专注投资智能硬件，他认为，当下，人工智能功能基本基于云端，不能全面实现智能能力，原因就在于智能芯片的缺位。因此，人工智能能力不仅是下一代智能手机竞争高地，也是当下智能硬件的突围瓶颈。
目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构均因硬件规模、算法、功耗等原因不符合AI芯片理想架构，相对来说功能动态、实时地跟随软件变化而变化更重要。
战火兴起后，英伟达开始疯狂砸钱，力求在最短时间内将GPU转化为更通用的计算工具。仅研发一项，目前已经投入了将近100亿美元。
第三方机构晨星报告中指出，2021年，上述玩家所在的人工智能芯片市场总价值将达到200亿美元。TechNavio则预测，到2021年前，全球人工智能芯片年均复合增长率将超过54%。
由普通沙子制成的芯片，是整个IT发展的基础。谁掌握了这颗驱动计算的“心”，谁就将引领产业发展，并获得巨大的收益。PC时代的英特尔、智能手机时代的高通，都曾胜者为王，营收的增长带动了资本市场的青睐。
时势造英雄
英伟达由黄仁勋与Curtis Priem和Chris Malachowsky在1993年创立于硅谷，公司总部与众多半导体公司比邻而居。成立以来，英伟达在半导体行业都是一家不温不火的公司，偏安于图形处理器（GPU）市场。
但就在这个时候，英伟达作出了一件极为重要的决定：加注技术投入和软件开发，令GPU可以在电脑屏幕上处理图像之外，进行更为复杂的任务处理。
2007年前后，一个被命名为“CUDA”（统一计算设备架构）项目被确立，其每年的开支大概5亿美元，这在当时占据了公司年度总营收的六分之一。今年54岁的黄仁勋回忆称，“这为公司带来了极大的成本压力。”
但正是这个项目确立了英伟达在人工智能的先发优势。英伟达一面整合CUDA进入各等级产品，另一面游说高等学校开设相关课程，并赞助研究所和创业公司，希望它们可以一路支持GPU的发展。
英伟达甚至提供测试版本的GPU给亚马逊等大型公司的科学家使用。尽管这样做看起来像是希望工程师帮助其寻找产品漏洞，但这种积极的态度打动了硅谷的工程师们。他们更积极地为GPU及其生态进行研发。
2012年开始，人工智能应用领域的玩家发现，CPU为核心的硬件设备已经难以满足深度神经网络（DNN）多层级特点的计算要求，而GPU可以满足其需求。他们开始使用英伟达的芯片进行人工智能模型的训练。
技术随后从研究转向产业，浪潮集团人工智能与高性能产品部总经理刘军告诉《财经》记者，“2014年前后，那些今天在人工智能领域很有名的公司开始寻找GPU专家，帮助他们将已有研发的DNN从CPU迁移至GPU。”
借助市场机遇，英伟达业务快速增长。这家公司2017财年第二季度报告数据显示，营业收入为22.3亿美元，同比增长56%，环比增长15%。其中人工智能相关业务增长更是亮眼，GPU业务收入同比增长59%，而数据中心业务增长了2.5倍以上。
该公司CFO Colette M. Kress表示，增长源自人工智能产品组合的丰富，以及不断出货。如今，英伟达的芯片越来越多被使用在计算机以外的设备上，如VR设备、无人机、机器人、无人驾驶汽车，更重要的是其逐渐成为人工智能服务器的新核心。
不过，财报发布当天盘后，英伟达股价一度下跌8%。随后虽回涨，但阴影一直并未散去。这一变化源自投资者的担忧——芯片领域的巨头们，尤其英特尔，此时已经看到了趋势，纷纷入局，而英伟达目前的成功更像是一种偶发事件。
英特尔迎战英伟达
深度学习理论引领了人工智能最新一轮热潮，芯片是完成计算的核心，是人工智能的“大脑”。整个环节分为训练（Training）算法和利用算法推理（Inference）结论两个部分。
训练是人工智能的基础，构建应用的关键。在这一环节，英特尔利用Xeon Phi处理器与英伟达的GPU直面竞争，并通过多项收购扩大产品布局。围绕两家巨头的竞争，谷歌和AMD虽有心杀入战局，但仍在边缘，而更小的创业者则仍处于探索阶段。
2016年8月，英特尔收购美国创业公司Nervana Systems。其深度学习芯片Engine的处理速度是GPU的10倍。随后，英特尔将其与自身业务整合，并追加3.5亿美元的投入，用于研发DNN软硬一体化平台和两代芯片产品，将与Xeon Phi匹配。
Fiaz Mohamed是英特尔人工智能产品事业部业务拓展及解决方案部署负责人，因Nervana收购而加入英特尔。他对《财经》记者说，“我们并没有陷入困境。借助英特尔在设计和工程上的经验，成为英特尔的一部分，这有利于我们的产品推向市场。”这是在训练层创业者普遍的结局，即被巨头收编。 Fiaz现在很忙，他每天与5个-7个客户见面。在与客户的直接交流中，Fiaz被反复问到，与英伟达最大的差异，因为他的客户希望可以得到更加针对自身应用的帮助。
“为满足性能、效率和规模的需求，人工智能不能只使用通用型的产品。”Fiaz告诉《財经》记者，“通过收购在各个领域不断增强自己的优势，如今我们也做定制化的产品。”
GPU之外，英特尔认为FPGA（可编程阵列）更适合人工智能发展需求。2015年，英特尔以这家公司历史上最大金额，收购了硅谷芯片制造商Altera。FPGA就像一张可以重复擦写的白板，可以根据不同计算需求，进行修改。英特尔预测组合将实现20倍性能的提升。
英特尔CEO科再奇曾在一次主题演讲中明确表示，FPGA是英特尔未来发展的重要核心。其将加大投资和扩充FPGA产品路线，支援更长的产品生命周期，并调动其他业务部门支持。
英特尔的强势逼迫英伟达也在加紧弥补自身不足。2017年GPU技术大会上，英伟达发布了新一代处理器架构Volta，以及使用这一架构的深度学习加速卡。经过重新设计，新的架构能效提高了50%，计算速度也随之提升了12倍。
与上述两家公司长期竞争的AMD也想在这一环节分一杯羹。2016年底，AMD发布了三款针对深度学习的处理器加速解决方案。
该公司应用工程高级总监Greg Stoner告诉《财经》记者，“AMD将是唯一可以利用丰富x86（CPU）和GPU知识产权技术推动人工智能实现的公司”。
与之相反，谷歌则另辟蹊径。2016年5月，谷歌发布专门为机器学习优化的专用处理器TPU（张量处理器），并宣布AlphaGo的计算硬件核心便来自于此。
一年后，谷歌将其TPU升级至2.0版本。谷歌发布博客称，以往需要一整天时间利用32个GPU训练的翻译模型，如今只需要一个下午的时间，并且只用八分之一的TPU集群（每64个TPU组成一个集群）就可以达到相同精度。
不过，谷歌并没有急于将TPU商业化，而是与自身开源的深度学习框架TensorFlow结合，并通过自身云计算平台对外提供服务。谷歌是否会对外单独出售TPU处理器，目前尚不得而知。
这是一个群雄并起的时代。
端、云大混战
与泾渭分明的训练层竞争不同，推理层是群雄大乱斗。一些没有芯片研发背景的公司也纷纷加入战局，去争抢那200亿美元的市场和未来。
由于应用场景对性能、时延等参数提出具体的要求，计算核心处理器所处的位置成为不同厂商的争论焦点。有人认为，需要在设备端就能迅速反馈结果，而另一派认为应该将采集到的数据传回云端，由服务器进行终端设备难以匹敌的复杂计算。
高通认为前者才是方向。该公司工程技术副总裁Jeff Gehlhaar表示，随着移动设备性能的提升，高通将凭借海量终端的覆盖卡位市场。
手机和汽车成为高通发力的方向。目前，高通已经在其中高端芯片上提供人工智能所需要的计算能力。数据显示，未来五年全球智能手机累计出货将超过85亿部，而高通当前的市场份额为43%（Strategy Analytics数据）。保守计算，高通将覆盖37亿部智能手机。
高通发布的汽车驾驶芯片则将改变以往对路面交通数据本地收集、云端处理的模式，其集成了定位、机器学习等功能，大部分数据在本地设备上即可完成运算和反馈。
Jeff Gehlhaar称，在终端侧处理数据的重要性主要有三点：更好地保护用户的隐私，本地处理有助于解决无人驾驶等对实时决策的需求，以及将更有效地利用网络带宽。
移动芯片厂商和终端厂商成为这一观点的支持者。展讯通信将在2018年发布产品，而苹果则已经将其研究成果应用于最新手机中，魅族、华为等手机厂商更是宣布其终端产品已包括人工智能技术，用于提升用户体验。
值得注意的是，高通也在悄然布局服务器市场。关于云端结合，Jeff Gehlhaar并未正面回应，但其所展示的幻灯片显示，高通已为云计算平台留出位置，“分布式计算架构”将与“神经处理架构”通过网络连接，而高通的最大优势就在于处理网络连接。
不过，一批云计算公司和英特尔则认为，用户并不会在移动设备上安装厚重的人工智能软件，以及在有限的电池功耗下使用这些功能完成推理，因此架设在云端，通过网络传输数据和结果成为最佳选择。
2015年，微软开始实践CPU+FPGA组合的应用。2016年，亚马逊AWS推出基于FPGA的云服务器产品。中国公司也随之跟进，浪潮集团人工智能与高性能产品部总经理刘军表示，百度除了在内部拥有核心的专家团队进行研究外，还与浪潮这样的合作伙伴共同设计专用的芯片服务器主板。
2017年9月，阿里云对外宣布，已在GPU方案之外，为其人工智能系统储备了英特尔和赛灵思等芯片厂商FPGA产品。阿里云资深专家张献涛对《财经》记者称，一块英伟达的芯片成本或将高达数万元人民币。成本之外，为追求更高的计算性能和业务灵活性，开始探索FPGA方案以及更为定制化芯片逐渐成为厂商的新选择。
在智能手机时代于移动芯片市场失利的英特尔，正在借助无人驾驶重新杀向移动端。英特尔以历史第二、远超前年营收的价格，完成对以色列自动驾驶技术公司Mobileye的收购。该公司工作人员称，英特尔无人驾驶事业部与Mobileye正在整合产品和组织架构。
不仅如此，最近两年，英特尔在人工智能市场频频出手收购。2016年4月起，英特尔陆续收购了意大利机器人和无人驾驶半导体芯片制造商Yogitech，以及两家计算机视觉技术公司俄罗斯的Iseez和美国的Movidius，后者更是自主研发了新架构低功耗的处理器VPU。
中国阵营希望
在这场硝烟尚未完全燃起的战争中，美国一直以来是全球人工智能领域领跑的国家，但中国已经开始着手加速入局。这两年，数家中国公司借力开始芯片研发，“XPU”的出现如雨后春笋。
总部在北京的创业公司地平线就以“BPU”命名其人工智能芯片产品，并注册成为商标;另一家名为“深鉴”的公司将其开发的处理器命名为“DPU”，并且已经发布了两款不同架构的产品;此前专注提供比特币“矿机”的嘉楠耘智号称2017年将发布人工智能芯片“KPU”。
由于事关未来战略，互联网巨头也加入了战局。百度率先登场，阿里紧随其后。2017年，百度与合作伙伴赛灵思共同发布了一款云计算加速处理器“XPU”。百度研究院欧阳剑表示，XPU将在效率和性能上超越GPU，同时提供类似CPU的灵活性。
2017年6月底到7月初，阿里技术委员会主席王坚曾带队前往硅谷考察，与超过30家人工智能公司进行接触，其中包括多家人工智能芯片公司。阿里巴巴的技术专家透露，用于人工智能的“XPU”研发也已经在内部列上日程。
从技术本身来看，中科院孵化的创业公司中科寒武纪是这批中国公司中的佼佼者，如果和英伟达对标，它拥有超过100多件专利和自己的指令集系统。中科龙芯副总裁张戈告诉《财经》记者，寒武纪创始人（陈云霁）曾是龙芯3号处理器的主结构设计之一，另一个创始人陈天石也曾在中科院计算所工作，他与陈云霁是亲兄弟。
2017年8月，寒武纪宣布完成1亿美元的A轮融资，领头方是国有资本投资运营公司旗下基金的国投创业，联想创投、阿里巴巴创投等社会资本以及中科院旗下资产也纷纷跟投。目前该公司估值已达10亿美元。
“原来可能需要三块英伟达的‘卡’（指芯片板卡），现在只需要一块寒武纪，就可以应对整个数据中心的消耗。”联想创投合伙人宋春雨告诉《财经》记者，这吸引了他，他预计这家公司今年就会有营收。
目前的公开信息显示，寒武纪已经发布一款名为寒武纪1A处理器，主要面向智能手机、无人机、可穿戴设备和智能驾驶等设备。根据规划，寒武纪将不仅在终端侧，还将在云服务器侧发布产品。
今年9月，通信设备制造商华为发布手机人工智能芯片麒麟970，970中的NPU（网络处理器）专用硬件处理单元就是寒武纪1A，后者以授权的方式集成进入麒麟970。
不过，华为仍有望独立发展人工智能芯片，华为已开始研发服务器芯片，该公司消费者业务CEO余承东称，人工智能的实现必须通过端云协同。
前文提到的地平线机器人公司，成立于2015年，创始人兼CEO余凯曾主政百度研究院和深度学习实验室，在他影响下百度吸纳了一批人工智能专家。
地平线机器人前期曾打算做人工智能时代的英特尔，但一段时间尝试后，余凯告诉《财经》记者，“我们的定位是嵌入式人工智能芯片，既不在互联网公司的势能范围，又避开和巨头的竞争，会有更大的价值。”
英特尔通过收购构建了多种发展人工智能的道路，兵多将广，而英伟达产品有亮点，抓住一块核心的GPU。地平线这样的创业公司缺少强大的资金、技术和生态支持，需要避开巨头重兵把守的云服务器侧，但在设备边缘，嵌入式人工智能芯片将有更大的想象力。
地平线发展的策略是，针对使用场景需求研究最适合的算法框架，然后将算法框架实现在芯片上。也就是说，通过应用倒逼芯片设计。其优势是，可以集中资源单点突破，进而降低半导体产业投资的风险，以及通过销售解决方案获利推动自身良性运转。
与寒武纪选择通用芯片商业模式不同，地平线更加侧重专用，为市场提供的不只是芯片，而是软硬整体解决方案，“这很像Mobileye”，余凯认为，英特尔愿意花153美元亿巨款收购，这是说服投资者认可基于专用人工智能芯片解决方案最好的案例。
投资了地平线的祥峰投资合伙人夏志进对创业公司充满信心，“大家都在同一条起跑线上，英伟达也是，它们（指巨头）有历史包袱”。在他看来，芯片只是地平线商业的一部分，未來投资回报周期远小于半导体行业，“我可以等这个企业5年-10年”。
警惕炒作
人工智能芯片毫无疑问是一个巨大的产业发展趋势，但第三方机构Gartner分析师盛陵海告诉《财经》记者，原有芯片不会一夜之间变成人工智能芯片，现在产业有过度炒作的嫌疑。
在收获成功的同时，英伟达的高市值也早于挑战。业界担心，它拥有的技术难以支撑起当前高涨的市值。人工智能开源实验室OpenAI联席主席Sam Altman提醒称，GPU最初的设计目标并非人工智能，只是恰好满足需求。
多个受访者对《财经》记者表示，人工智能应用场景将不再是单一类型的终端设备，这意味着，芯片公司应具备提供多元化产品的能力，但英伟达的GPU仍是一种通用型芯片。
多家IT公司已经开始纷纷研发专用芯片并加大资金投入。
芯片设计公司zGlue CEO张铭表示，“大公司仍希望通过通用芯片分摊研发费用”，但人工智能市场更加需要定制化的产品出现。
不过，定制化芯片和通用芯片路线的选择转圜上，大公司的余地远大于创业公司。谷歌的TPU只是目前已经对市场宣布的产品，未来一旦伴随谷歌云计算业务对外提供服务，将以低成本和灵活性直击英伟达腹地。一位产业内人士表示，“垄断”意味着获取的高成本，而英伟达的芯片并不便宜。
由此可见，人工智能芯片最终的胜利者很有可能依然是拥有更多生态资源和规模优势的芯片巨头，其他芯片公司很有可能依然只能偏安一隅。
与美国创业者可以接受公司出售给大公司不同，中国厂商往往希望在巨头的夹缝中独立发展。但在智能安防、手机、无人机、智能汽车、机器人等行业，巨头正在一个个细分垂直行业慢慢渗透。
大鱼吃小鱼在过去已不鲜见，半导体产业依然是强者恒强的逻辑。