在人工智能超過60年的發(fā)展歷程中，經(jīng)歷了漫長的歷史演進和技術(shù)更迭，并曾兩次陷入低谷。近幾年隨著工業(yè)4.0、智能生活、“互聯(lián)網(wǎng)+”等領(lǐng)域的快速進步，加之深度學習算法在語音和視覺識別上取得突破，人工智能技術(shù)開始滲透至工業(yè)、醫(yī)療、教育、安全等多個領(lǐng)域。

根據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的《2018-2023年中國芯片行業(yè)市場需求與投資規(guī)劃分析報告》數(shù)據(jù)顯示，2016年全球人工智能芯片市場規(guī)模達到36億美金，預(yù)計到2021年將達到111億美金，年復(fù)合增長率達到25%，增長迅猛，發(fā)展空間巨大。

圖表1：2016-2021年全球人工智能芯片市場規(guī)模及預(yù)測(單位：億美金)

資料來源：Gartner 前瞻產(chǎn)業(yè)研究院整理

核心芯片決定一個新的計算平臺的基礎(chǔ)架構(gòu)。核心芯片將決定一個新的計算時代的基礎(chǔ)架構(gòu)和未來生態(tài)，因此，谷歌、微軟、IBM、Facebook等全球IT巨頭都投巨資加速人工智能核心芯片的研發(fā)，旨在搶占新計算時代的戰(zhàn)略制高點，掌控人工智能時代主導(dǎo)權(quán)。回顧在PC和移動互聯(lián)網(wǎng)時代分別處于霸主地位的X86架構(gòu)和ARM架構(gòu)的發(fā)展歷程，可以看到：從源頭上掌控核心芯片架構(gòu)取得先發(fā)優(yōu)勢，對于取得一個新計算時代主導(dǎo)權(quán)有多么重要。

隨著大數(shù)據(jù)的發(fā)展，計算能力的提升，人工智能近兩年迎來了新一輪的爆發(fā)。芯片約占人工智能比重的15%，結(jié)合我國人工智能市場規(guī)模，推算出2016年我國人工智能芯片市場規(guī)模約為15億元，到2022年市場規(guī)模將達到50億元左右。

圖表2：2016-2022年中國人工智能芯片市場規(guī)模及預(yù)測(單位：億元，%)

資料來源：前瞻產(chǎn)業(yè)研究院整理

各類芯片各有千秋，芯片之戰(zhàn)勝負存在較大變數(shù)

人工智能市場規(guī)模的快速增長得益于其應(yīng)用領(lǐng)域的不斷開拓。目前已經(jīng)覆蓋包括深度學習、機器視覺、指紋識別、人臉識別、個人助理、智慧機器人等13個具體應(yīng)用，涉及工業(yè)機器人、安全識別、無人駕駛、智能醫(yī)療、智能家居等多個新興產(chǎn)業(yè)，人工智能勢必將成為新一輪科技革命的強大推動力量。強大推動力的背后，是AI芯片之爭，其主要分為以下幾種：

圖表3：人工智能芯片的分類介紹

資料來源：前瞻產(chǎn)業(yè)研究院整理

從技術(shù)上來看，GPU、FPGA和ASIC都各有千秋。從實際應(yīng)用來看，GPU擁有最完善的生態(tài)系統(tǒng)支撐，具有較大的先發(fā)優(yōu)勢。由于市場對此已經(jīng)充分預(yù)期，我們在此就不再贅述。人工智能在推理環(huán)節(jié)應(yīng)用剛起步，云端要比前端設(shè)備發(fā)展速度更快。下面我們將重點講述一下云端數(shù)據(jù)中心的應(yīng)用。在數(shù)據(jù)中心，F(xiàn)PGA使用日益廣泛，而ASIC路線風險太高，目前僅有谷歌批量部署了TPU。

圖表4：處理器芯片對比-1

資料來源：《騰訊技術(shù)工程》 前瞻產(chǎn)業(yè)研究院整理

具體來看，GPU與CPU有相同之處，兩者都有總線和外界聯(lián)系，都有自己的緩存系統(tǒng)，以及數(shù)字和邏輯運算單元。兩者也具有很大的差異。CPU需要很強的通用性來處理各種不同的數(shù)據(jù)類型，同時又需要進行邏輯判斷、分支跳轉(zhuǎn)和中斷等處理，因此CPU內(nèi)部的結(jié)構(gòu)異常復(fù)雜;而GPU專門執(zhí)行復(fù)雜的數(shù)學幾何計算，面對的是類型高度統(tǒng)一、相互無依賴的大規(guī)模數(shù)據(jù)和不需要被打斷的純凈計算環(huán)境。所以與CPU擅長邏輯控制和通用類型數(shù)據(jù)運算不同，GPU擅長大規(guī)模、獨立的浮點和并行計算。中國在GPU芯片設(shè)計領(lǐng)域發(fā)展相對較晚，當前掌握核心技術(shù)的公司包括景嘉微、兆芯等。其中景嘉微研發(fā)的JM5400圖形芯片打破國外芯片在我國***GPU領(lǐng)域的壟斷，實現(xiàn)了***GPU國產(chǎn)化。

FPGA芯片與GPU以及CPU相比，具有性能高、能耗低以及可硬件編程的特點。雖然FPGA的頻率一般比CPU低，但是可以用FPGA實現(xiàn)并行度很大的硬件計算器。FPGA高性能、低能耗以及可硬件編程的特點使其適用范圍得以擴大，目前FPGA主要應(yīng)用于通訊、、安全、視頻、工業(yè)自動化等領(lǐng)域。

為深度學習量身定制的AS將在計算速度和功耗上趕超GPU和FPGA，并隨著人工智能滲透率的不斷提升，未來在智能手機、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等領(lǐng)域，人工智能芯片將得到廣泛應(yīng)用，廣闊的市場空間為ASIC大規(guī)模量產(chǎn)創(chuàng)造了可能。隨著大規(guī)模量產(chǎn)條件下單片成本大幅下降，ASIC可能會成為未來深度學習領(lǐng)域的主流芯片。目前，科技巨頭紛紛在ASIC深度學習芯片上發(fā)力。

類腦芯片其是一種基于神經(jīng)形態(tài)工程、借鑒人腦信息處理方式。旨在適于實時處理非結(jié)構(gòu)化信息、具有學習能力的超低功耗新型計算芯片。可以說類腦芯片是更加接近人工智能目標的芯片，其力圖在基本架構(gòu)上模仿人腦的工作原理，使用神經(jīng)元和突觸的方式替代傳統(tǒng)的架構(gòu)體系，使芯片能夠進行異步、并行、低速和分布式處理信息數(shù)據(jù)的能力，同時具備自主感知、識別和學習的能力。

圖表5：我國人工智能芯片的種類及主要代表企業(yè)

整體來看，深度學習的興起得益于大數(shù)據(jù)的發(fā)展、計算機計算能力的大幅提升和算法本身的突破，其中計算能力的大幅度提升則得益于GPU、FPGA、ASIC等人工智能芯片的廣泛應(yīng)用，芯片作為人工智能技術(shù)核心環(huán)節(jié)，未來前景廣闊。