AI進入爆發期,核心芯片是關鍵。隨著AI在各個行業的不斷落地,行業痛點逐漸被發現,AI芯片的發展路徑漸趨明朗。
在人工智能還未全面興起之前，英偉達就先一步掌控了這一時機。在2016年，英偉達更是一連發布了多款針對深度學習的芯片。今年英偉達也發佈了一款全新AI芯片—Jetson Xavier，Jetson Xavier作NVIDIA Isaac平臺的核心，是全球首款專為機器人設計的計算機。該公司CEO黃仁勳在週一的新聞發佈會上表示：“這臺小電腦，將成為未來機器人的大腦”。英偉達在這兩年的爆發，真的就像被從天而降的餡餅砸到了臉。
有趣的是，在去年的GTC大會，同樣以AI為核心，英偉達發佈了一系列芯片產品和解決方案，股價大漲17%；而就在今年發佈會之後的幾小時裡，紐約股市英偉達報收225.52美元，直降7.5%。
不過英偉達現在具有優勢並不意味著AI市場的蛋糕會被英偉達獨吞，因此無論是科技巨頭英特爾、谷歌、IBM、AMD還是OURS、地平線、寒武紀等初創企業都紛紛加入了AI芯片領域的競爭。而以微軟和亞馬遜為代表的雲計算服務商同樣在為AI計算力進行升級，分別在自家的雲端和數據中心中加入了FPGA應用，提升相關解決方案的處理速度。
傳統芯片巨頭英特爾儘管在AI芯片行業萌發階段，錯過了第一波機會，但隨後的跟進戰略可以說是重拳出擊，它先後買下Nervana 、Movidius、 Altera、以及Mobileye等等，總收購金額超過300億美元。在人工智能時代，人工智能系統才是生態的核心，提供算力的芯片是生態的一部分，CPU可以提供算力，GPU也可以提供，英特爾可以生產，英偉達也可以生產，甚至谷歌、蘋果自己也可以生產。
為了能在消費級市場分一杯羹，英特爾嘴上說看不上GPU，但私下裡也確實是在一步步推進自己的CPU+FPGA架構處理器。與此同時，英特爾的競爭對手也在日益壯大。
微軟蟄伏六年，打造出了一個迎接AI時代的芯片。那就是Project Catapult。這個FPGA 目前已支持微軟Bing，未來它們將會驅動基於深度神經網絡——以人類大腦結構為基礎建模的人工智能——的新搜索算法，在執行這個人工智能的幾個命令時，速度比普通芯片快上幾個數量級。有了它，你的計算機屏幕只會空屏 23 毫秒而不是 4 秒。
谷歌在2017年I/O大會上已經明確喊出“AI First”（人工智能優先）的口號，在今年的IO大會上，谷歌推出了第三代TPU。根據官方介紹，TPU3.0的計算能力最高可達100PFlops，是TPU2.0的8倍多。它是谷歌自主研發的針對深度學習加速的專用人工智能芯片。TPU是專為谷歌深度學習框架TensorFlow設計的人工智能芯片。著名的AlphaGo使用的就是TPU2.0芯片。
至少迄今為止，我們也沒有看到完全不同於傳統計算芯片的成功案例。相反，我們認為應對現有的芯片做AI方面專門的優化，使現在的芯片完成AI任務時速度更快，功耗更低，整體的效益更高。
比如，谷歌在今年的Cloud Next 大會上發佈了兩款新設備，其可以幫助專業工程師在處理器內核上構建支持設備端機器學習 (ML) 的新產品。這兩款新設備是：AIY Edge TPU Dev 開發板和 AIY Edge TPU 加速器，二者皆採用 Google 的 Edge TPU 芯片。
目前的AI芯片中，英偉達的GPU和谷歌的TPU算是兩座大山。雖然商用程度並沒有英偉達那麼高，但谷歌專注於神經網絡推斷的TPU的超強計算性能卻也可以說是一覽眾山小。如果不是因為谷歌是為了滿足自家使用而不售賣，恐怕英偉達的GPU也會受到很大的衝擊。
從整體來看，目前全球人工智能的格局尚未明朗，屬於各自做技術探索的局部戰，尚未進入群雄逐鹿的總體戰。比如去年，百度聯合ARM、紫光展銳和漢楓電子發佈DuerOS智慧芯片，主要提供語音交互解決方案；Facebook和阿里巴巴也紛紛進軍芯片領域，其中，阿里巴巴達摩院正在研發名為Ali-NPU的神經網絡芯片，主要用於圖像、視頻識別以及雲計算等場景。
總的來說，在AI芯片領域，國外芯片巨頭佔據了絕大部分市場份額，不論是在人才聚集還是公司合併等方面，都具有絕對的領先優勢。而國內AI初創公司則又呈現百家爭鳴、各自為政的紛亂局面；特別是每個初創企業的AI芯片都具有自己獨特的體系結構和軟件開發套件，既無法融入英偉達和谷歌建立的生態圈，又不具備與之抗衡的實力。
閱讀更多 引力空間站 的文章
