中國AI人工智慧晶元的困局與潛力

在資本爭相投入的領域之外，我國在晶元設計、製造領域還存在不少盲點、弱點區域。例如，由於金融IC晶元認證等問題，我國國內銀行IC卡晶元基本上被NXP等國外晶元廠壟斷；晶元設計領域迎來華為、阿里等巨頭爭相重金布局，但晶元設計軟體等基礎工具仍然被美國壟斷。

國內人工智慧初創公司則又呈現百家爭鳴的初期、特別是每個初創企業的人工智慧晶元都具有自己獨特的體系結構和軟體開發套件，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。面臨著資金壓力和人才缺口的壓力，科研與市場的進程舉步維艱。

然而國外無論是演算法公司還是晶元公司，都很難獲得中國的大數據，市場、數據、應用場景都紮根在中國本土。以自動駕駛為例，國外與中國的路況差異極大，這意味著需要進行大量數據訓練、深度學習的自動駕駛人工智慧，巨頭並無優勢。「從這一點來看，中國本土企業顯然還有很大的機會。」

中國晶元排行榜

這份報告也特別提到了英偉達豐富的產品線，包括Volta GPU架構，自動駕駛平台NVIDIA DRIVE PX，DGX等等。

英特爾、IBM、Google、蘋果、AMD、ARM、高通、三星、恩智浦等公司位列2-10名。

在Top24的榜單排行中，共有七家中國公司入圍。

據介紹，這份一線AI晶元組排行榜包括提供AI晶元組軟硬體的公司。

所謂AI晶元組產品包括：中央處理器（CPU）、圖形處理器（GPU）、神經網路處理器（NNP）、專用集成電路（ASIC）、現場可編程門陣列（FPGA）、精簡指令集（RISC）處理器、加速器等等。

以及針對邊緣處理和設備的晶元組，雲計算使用的伺服器，針對機器視覺和自動駕駛平台的設備等。還包括AI的計算框架、訓練平台等。

入圍的中國晶元

其中，Imagination原本是一家英國晶元企業，曾經是蘋果公司的GPU供應商。去年9月，中國資本Canyon Bridge出資5.5億英鎊將其收購。

目前，Imagination公司CEO已由李力游出任，李力游此前曾任展訊的董事長，後展訊被紫光收購，李力游出任紫光集團聯席總裁。

2017年9月，Imagination推出了面向人工智慧應用的硬體IP產品PowerVR Series2NX NNA 神經網路加速器。

據介紹，瑞芯微是一家做ARM應用處理器的公司，靠復讀機和MP3/MP4晶元起家。今年一月，瑞芯微發布首款AI處理器RK3399Pro，NPU運算性能達2.4TOPs。

去年7月，瑞芯微創業板IPO未能過會，一度引發關注。

芯原（Verisilcon）也成立於2001年，自身定位是一家晶元設計平台即服務（Silicon Platform as a Service，SiPaaS）提供商。

去年5月，芯原推出一款面向計算機視覺和人工智慧應用的處理器VIP8000，可以直接導入由Caffe和TensorFlow等框架生成的神經網路。恩智浦的旗艦應用處理器i.MX 8上也採用了芯原的視覺圖形處理器。

2015年，芯原還收購了美國嵌入式圖形處理器(GPU)設計商圖芯技術(Vivante)。

芯原創始人戴偉民曾出任美國Celestry公司（2002年被Cadence併購）董事長兼CTO。

寒武紀科技

2017年8月，國內AI晶元初創公司寒武紀宣布已經完成1億美元A輪融資，戰略投資方可謂陣容豪華，阿里巴巴、聯想、科大訊飛等企業均參與投資。而其公司也成為全球AI晶元界首個獨角獸，受到國內外市場廣泛關注。

寒武紀科技主要負責研發生產AI晶元，公司最主要的產品為2016年發布的寒武紀1A處理器(Cambricon-1A)，是一款可以深度學習的神經網路專用處理器，面向智能手機、無人機、安防監控、可穿戴設備以及智能駕駛等各類終端設備，在運行主流智能演算法時性能功耗比全面超越傳統處理器。目前已經研發出1A、1H等多種型號。與此同時，寒武紀也推出了面向開發者的寒武紀人工智慧軟體平台 Cambricon NeuWare，包含開發、調試和調優三大部分。

這也是兩款早已經在路線圖上公布過的產品。首先是寒武紀1M，這家公司的第三代機器學習專用晶元。1M使用TSMC 7nm工藝生產，其8位運算效能比達5Tops/watt（每瓦 5 萬億次運算）。

另外就是雲端AI晶元MLU 100。這款晶元採用寒武紀MLUv01架構和TSMC 16nm工藝。在平衡模式（主頻 1Ghz）和高性能模式（1.3GHz）主頻下，其等效理論峰值速度則分別可以達到128萬億次定點運算/166.4萬億次定點運算，對應功耗為80w/110w。

百度、地平線及其他

在2017年的HotChips大會上，百度發布了XPU，這是一款256核、基於FPGA的雲計算加速晶元，用於百度的人工智慧、數據分析、雲計算以及無人駕駛業務。在會上，百度研究員歐陽劍表示，百度設計的晶元架構突出多樣性，著重於計算密集型、基於規則的任務，同時確保效率、性能和靈活性的最大化。

歐陽劍表示：「FPGA是高效的，可以專註於特定計算任務，但缺乏可編程能力。傳統CPU擅長通用計算任務，尤其是基於規則的計算任務，同時非常靈活。GPU瞄準了並行計算，因此有很強大的性能。XPU則關注計算密集型、基於規則的多樣化計算任務，希望提高效率和性能，並帶來類似CPU的靈活性。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！