国内AI芯片百家争鸣，何以抗衡全球技术寡头

　　国外：技术寡头，优势明显

　　由于具有得天独厚的技术和应用优势，英伟达和谷歌几乎占据了人工智能处理领域 80% 的市场份额，而且在谷歌宣布其 Cloud TPU 开放服务和英伟达推出自动驾驶处理器 Xavier 之后，这一份额占比在 2018 年有望进一步扩大。其他厂商，如英特尔、特斯拉、ARM、IBM 以及 Cadence 等，也在人工智能处理器领域占有一席之地。

　　当然，上述这些公司的专注领域却不尽相同。比如英伟达主要专注于 GPU 和无人驾驶领域，而谷歌则主要针对云端市场，英特尔则主要面向计算机视觉，Cadence 则以提供加速神经网络计算相关 IP 为主。如果说前述这些公司还主要偏向处理器设计等硬件领域，那么ARM 公司则主要偏向软件，致力于针对机器学习和人工智能提供高效算法库。

　　注：上述表格中所给为截止到 2017 年各研制单位公开可查的最新数据。

　　独占鳌头——英伟达

　　在人工智能领域，英伟达可以说是目前涉及面最广、市场份额最大的公司，旗下产品线遍布自动驾驶汽车、高性能计算、机器人、医疗保健、云计算、游戏视频等众多领域。其针对自动驾驶汽车领域的全新人工智能超级计算机Xavier，用 NVIDIA 首席执行官黄仁勋的话来说就是 “这是我所知道的 SoC 领域非常了不起的尝试，我们长期以来一直致力于开发芯片。”

　　Xavier是一款完整的片上系统 (SoC)，集成了被称为 Volta 的全新 GPU 架构、定制 8 核 CPU 架构以及新的计算机视觉加速器。该处理器提供 20 TOPS(万亿次运算 / 秒)的高性能，而功耗仅为 20 瓦。单个 Xavier 人工智能处理器包含 70 亿个晶体管，采用最前沿的 16nm FinFET 加工技术进行制造，能够取代目前配置了两个移动 SoC 和两个独立 GPU 的 DRIVE PX 2，而功耗仅仅是它的一小部分。

　　而在 2018 年拉斯维加斯 CES 展会上，NVIDIA 又推出了三款基于 Xavier 的人工智能处理器，包括一款专注于将增强现实(AR)技术应用于汽车的产品、一款进一步简化车内人工智能助手构建和部署的 DRIVE IX 和一款对其现有自主出租车大脑——Pegasus 的修改，进一步扩大自己的优势。

　　产学研的集大成者——谷歌

　　如果你只是知道谷歌的 AlphaGo、无人驾驶和 TPU 等这些人工智能相关的产品，那么你还应该知道这些产品背后的技术大牛们：谷歌传奇芯片工程师 Jeff Dean、谷歌云计算团队首席科学家、斯坦福大学 AI 实验室主管李飞飞、Alphabet 董事长 John Hennessy 和谷歌杰出工程师 David Patterson。

　　时至今日，摩尔定律遇到了技术和经济上的双重瓶颈，处理器性能的增长速度越来越慢，然而社会对于计算能力的需求增速却并未减缓，甚至在移动应用、大数据、人工智能等新的应用兴起后，对于计算能力、计算功耗和计算成本等提出了新的要求。与完全依赖于通用 CPU 及其编程模型的传统软件编写模式不同，异构计算的整个系统包含了多种基于特定领域架构(Domain-Specific Architecture， DSA)设计的处理单元，每一个 DSA 处理单元都有负责的独特领域并针对该领域做优化，当计算机系统遇到相关计算时便由相应的 DSA 处理器去负责。而谷歌就是异构计算的践行者，TPU 就是异构计算在人工智能应用的一个很好例子。

　　2017 年发布的第二代 TPU 芯片，不仅加深了人工智能在学习和推理方面的能力，而且谷歌是认真地要将它推向市场。根据谷歌的内部测试，第二代芯片针对机器学习的训练速度能比现在市场上的图形芯片(GPU)节省一半时间;第二代 TPU 包括了四个芯片，每秒可处理 180 万亿次浮点运算;如果将 64 个 TPU 组合到一起，升级为所谓的 TPU Pods，则可提供大约 11500 万亿次浮点运算能力。