芯片又被称作“工业粮食”,手机、电脑、人工智能、网络安全等都以芯片为核心基础。近期,随着华为海思麒麟970芯片、苹果A11芯片、高通845芯片等的陆续发布,AI芯片不断走向火热,也使得端智能成为未来发展的趋势。AI芯片可以为行业及用户提供更加及时、稳定、安全的服务,智能驾驶、智慧城市、以及智慧商业等场景在AI芯片的催化下也将加速落地。
AI将呈现爆发式增长。根据Tratica预测,关于AI软件的直接、间接应用规模将从2016年的14亿美元增长至2025年的598亿美元。
2011年-2016年,AI创投的融资数量从67个增至698个,增速达10倍。
未来机器学习应用或将创造最多的收入,并吸引AI领域最多的风险投资。
方兴未"AI"
一项深度学习工程的搭建,可分为训练(training)和推断(inference)两个环节:
训练(training)环节通常需要通过大量的数据输入,或采取增强学习等非监督学习方法,训练出一个复杂的深度神经网络模型。训练过程由于涉及海量的训练数据(大数据)和复杂的深度神经网络结构,需要的计算规模非常庞大,通常需要GPU集群训练几天甚至数周的时间。
推断(inference)环节指利用训练好的模型,使用新的数据去“推断”出各种结论。虽然推断环节的计算量相比训练环节少,但仍然涉及大量的矩阵运算。在推断环节,除了使用CPU或GPU进行运算外,FPGA以及ASIC均能发挥重大作用。
 从市场及芯片特性两个角度出发,可勾画出一个人工智能芯片的生态体系,整个生态体系分为训练层、云端推断层和设备端推断层,如右图:
真“AI”英雄
NVIDIA:GPU行业领袖 成AI芯片领头军
在云端服务器这个领域,Nvidia的GPU已经成为服务器不可或缺的一部分,称其为领跑者毫不为过。有报告显示,世界上目前约有3000多家AI初创公司,大部分都采用了Nvidia提供的硬件平台。
高通:AI引擎 深度学习的移动设备芯片
高通近日推出人工智能引擎AIEngine,多家智能手机厂商已利用骁龙移动平台上的人工智能引擎AIEngine组件,加速其终端上的人工智能应用,包括小米、一加、vivo、OPPO、摩托罗拉、华硕、中兴、努比亚、锤子等。
Google:开发针对深度学习加速的ASIC芯片
谷歌开发针对深度学习加速的ASIC芯片,软硬件结合,开源系统构建AI生态。谷歌为其深度学习神经网络打造基于ASIC 的专用TPU 芯片(张量处理器)。该TPU芯片也用于AlphaGo的系统中。TPU芯片为AI开发者提供TPU云加速服务。
Intel:基于Nervana技术的AI芯片&FPGA
PC时代的霸主Intel错过了移动互联网时代,在AI时代积极布局,准备逆袭。在云端,收购Altera之后推出了基于FPGA的专用深度学习加速卡;另外,收购Nervana,目标也是在云端。在移动端,则是收购了Movidius。
IBM:类人脑芯片TrueNorth&量子计算机
IBM 从2008 年开始研究能模拟人类大脑的芯片项目,2014 年推出首个基于SyNAPSE 打造的TrueNorth芯片,该芯片内置100万个模拟神经元和2.56亿个模拟神经突触。其终极目标是开发出打破冯•诺依曼体系的硬件。
微软:重点研发FPGA人工智能芯片
微软重心放在FPGA人工智能芯片上,目前FPGA已经被应用在Bing搜索,基于神经网络推动新的搜索算法。未来微软全球的数百万部的服务器将会用FPGA。同时微软推出基于FPGA 技术的视觉芯片A-eye,使得摄像头具有视觉理解能力。
中科寒武纪:开创了深度学习处理器方向
“寒武纪”芯片专门面向深度学习技术。可用于云服务器和智能终端上的图像识别、语音识别、人脸识别等应用。寒武纪1A处理器是世界首款商用嵌入式深度学习专用处理器。
中星微电子:首款嵌入式神经网络处理器
率先推出中国首款嵌入式神经网络处理器(NPU)芯片中星微,这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片,并取名“星光智能一号”。
地平线机器人:NPU
Horizon Robotics(地平线机器人)致力于打造基于深度神经网络的人工智能“大脑”平台-包括软件和芯片,可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。
深鉴科技:DPU 深度学习的端到端服务
由清华团队创办,其产品称作“深度学习处理单元”(Deep Processing Unit,DPU),目标是以ASIC级别的功耗,来达到优于GPU的性能,目前第一批产品基于FPGA平台。
“AI”生万物
海信发布VIDAA AI人工智能电视系统
海信认为,人工智能技术与智能电视的结合,让电视具有语音识别、图像识别、自然语言处理和机器学习的能力,基于大数据的基础,使电视具备了用户的“思维能力”和“学习能力”。
滴滴发布AI技术加持的交通大脑
滴滴交通大脑是兼备云计算、AI技术、交通大数据和交通工程的智能系统,它在空间上打破了城市内区域的“数字”壁垒,实现高效、全面的交通管理和协同;在时间上突破了人类的决策能力极限。
英特尔法拉利合作:把AI引入赛车运动
英特尔人工智能产品能够针对无人机拍摄到的视频数据进行推理与分析,通过采用物体识别模型和标记视频捕捉,让驾驶员能够从无人机拍摄到的画面中“看到”自己的表现。
AI智能手机 且看2018年手机江湖纷争
端侧智能,则指的是数据的采集、计算、决策都在前端设备进行。和云智能相比,终端侧人工智能的优势在于稳定、时延小,同时能够保护用户隐私等,缺点就是存储计算力没有云智能强大。
AI和区块链融合将带来怎样的结果?
区块链和人工智能技术是技术领域的两个极端:一个