无芯片不AI，芯片是支撑人工智能的基础。2019年，云端AI芯片迎来亚马逊、高通、阿里巴巴、Facebook等新玩家，软硬一体化趋势加强;终端芯片功耗比竞争加强，语音芯片持续火热;边缘AI芯片势头初现。2020年，AI芯片将逐渐进入洗牌期，机遇与挑战并存。
边缘AI芯片进入抢滩战
AI正在从云端向边缘端扩展，边缘计算被视为人工智能的下一个战场。寒武纪副总裁刘道福表示，在边缘计算种类中，边缘往往和各类传感器相连，而传感器的数据往往是非结构化的，很难直接用于控制和决策，因此需要边缘人工智能计算将非结构化的数据结构化，从而用于控制和决策。
2019年，围绕边缘AI芯片的抢滩布局已经开始。一方面，英伟达、寒武纪、百度等已经在云、端有所积累的厂商，希望以边缘芯片完善云、边、端生态，打造一体化的计算格局。英伟达发布了面向嵌入式物联网的边缘计算设备Jetson Nano，适用于入门级网络硬盘录像机、家用机器人以及具备全面分析功能的智能网关等应用，之后又发布了边缘AI超级计算机Jetson Xavier NX，能够在功耗10W的模式下提供最高14TOPS，在功耗15W模式下提供最高21 TOPS的性能。寒武纪发布用于深度学习的SoC边缘加速芯片思元220，采用台积电16nm工艺，最大算力32TOPS(INT4)，功耗控制在10W，支持Tensorflow、Caffe、mxnet以及pytorch等主流编程框架。百度联合三大运营商、中兴、爱立信、英特尔等，发起百度 AI 边缘计算行动计划，旨在利用 AI 推理、函数计算、大数据处理和产业模型训练推动 AI 场景在边缘计算的算力支撑和平台支持。
另一方面，自动驾驶等专用边缘AI芯片势头渐显。地平线宣布量产国内首款车规级AI芯片“征程二代”，采用台积电28nm工艺，可提供超过4TOPS的等效算力，典型功耗仅2瓦，延迟少于100毫秒，多任务模式下可以同时运行超过60个分类任务，每秒钟识别目标数超过2000个，面向车联网对强实时响应的需求。
多个新玩家入局云端
云端仍然是AI芯片的主要战场。2019年，云端芯片迎来多个新玩家，算力大战持续升级。高通推出了面向数据中心推理计算的云端AI芯片Cloud AI 100，峰值性能超过350 TOPS，与其他商用方案相比每瓦特性能提升10倍。云服务领跑者亚马逊推出了机器学习推理芯片AWS Inferentia,最高算力为128 TOPS，在AI推理实例inf1可搭载16个Inferentia芯片，提供最高2000TOPS算力。阿里巴巴推出号称全球最高性能AI推理芯片含光800，采用自研芯片架构和达摩院算法，在Resnet50基准测试中获得单芯片性能第一。腾讯投资的燧原科技发布了面向云端数据中心的AI加速卡云燧 T10，单卡单精度算力达到20TFLOPS，支持单精度FP32和半精度BF16的混合精度计算，并为大中小型数据中心提供了单节点、单机柜、集群三种模式，在集群模式下通过片间互联实现1024节点集群。
芯片是AI的载体，而软件是完成智能操作的核心。因为异构计算逐渐导入AI芯片，软硬件协同成为云端AI的重要趋势。英特尔推出了面向异构计算的统一软件平台One API，以隐藏硬件复杂性，根据系统和硬件自动适配功耗最低、性能最佳的加速方式，简化并优化编程过程。赛灵思也推出了软件平台Vitis AI，向用户开放易于访问的软件接口，可根据软件或算法自动适配赛灵思硬件架构。
功耗比仍是终端侧重点
在终端侧，功耗比仍然是角逐焦点。尤其在手机等对于续航能力锱铢必较的终端，主力厂商推出的AI引擎都对低功耗有所强调。麒麟990 5G的NPU采用双大核+微核的方式，大核负责性能，微核拥有超低功耗。据了解，微核在人脸检测的应用场景下，能耗比大核工作降低24倍。高通发布的骁龙865集成了传感器中枢，让终端能够以极低功耗感知周围情境。三星提出通过较低功耗的NPU实现终端设备上的AI处理，实现在设备端直接执行更复杂的任务。
除了手机，终端侧的另一个当红炸子鸡是AI语音芯片。科大讯飞、阿里巴巴、探境科技、清微智能等都发布了针对智能家居的AI语音芯片，反映了AI芯片在特定领域的专业化、定制化趋势。阿里达摩院公布了首款专用于语音合成算法的 AI FPGA芯片技术Ouroboros，使用了端上定制硬件加速技术，降低对云端网络的依赖，支持实时语音合成和AI语音识别，有望在天猫精灵搭载。
2020机遇挑战并存
2019-2021年，中国AI芯片市场规模仍将保持50%以上的增长速度，到2021年，市场规模将达到305.7亿元。赛迪智库预测，2019-2021年，云端训练芯片增速放缓，云端推理芯片、终端推理芯片市场增长速度将持续呈上升趋势。预计2021年，中国云端训练芯片市场规模将达到139.3亿元，云端推理芯片市场规模将达到82.2亿元，终端推理芯片达到84.1亿元。
集邦咨询分析师姚嘉洋向记者指出，2019年，AI芯片大致已经走出一条较为清晰的道路，端、边、云的芯片规格相对明确。2020年，各大芯片厂会延续在2019年的产品发展路径，持续深化芯片的性价比及功耗比表现。从训练端来看，值得关注的是HBM(高频宽存储器)的整合与相关的封装技术良率，这会牵动芯片厂商与存储器及封测厂商之间合作关系的变化。推理端的决战点在INT8领域，重点在于如何进一步提升芯片本身的性能及功耗表现。
5G、VR/AR等新技术，也将为AI芯片，尤其是边缘侧的AI芯片提供更多的发挥空间。Arm ML事业群商业与营销副总裁Dennis Laudick曾向记者表示，5G通信技术改变了数据处理的方式，让边缘AI的工作负载也有了处理需求。可以说，5G带来了网络边缘的更多创新。姚嘉洋也表示，AI在5G核心网络存在机会，因为5G带来了更多元的频谱组合，AI可以辅助核心网络更有效地调度网络资源，将频宽资源的利用达到极大化。同时，5G也涵盖车联网，AI将在自动驾驶将大有机会。在VR/AR端，AI也在导入，主要聚焦在人眼追踪或是场景识别等应用，有望改善VR/AR的流畅度与实时性表现。
清华大学微电子所所长魏少军表示，从产业发展规律来看，在2019-2020年，AI芯片将持续火热，企业扎堆进入;但是到了2020年前后，则将会出现一批出局者，行业洗牌开始。因为目前AI算法还在不断演进汇总的过程中，最终的成功与否则将取决于各家技术路径的选择和产品落地的速度。
痛点尚待攻克
近两年，AI在语音识别、图像识别等应用领域取得突破，但要从单点突破走向全面开花，需要AI领域诞生如同CPU一样的通用AI计算芯片。清华大学微纳电子系副教授尹首一等专家指出，AI芯片短期内以异构计算为主，中期要发展自重构、自学习、自适应，长期则朝向通用计算芯片发展。
具体来说，AI要从应用适应硬件走向硬件适应应用，就要求AI芯片具备可编程性、动态可变的计算架构，来应对层出不穷的新算法和新应用。魏少军表示，AI芯片一要适应算法的演进，二要有适应所有应用的架构，这就要求架构具备高效的转化能力。在成本敏感的消费电子领域，还需关注AI芯片的计算效能，达到低功耗、小体积、开发简易，这些都需要探索架构上的创新。
全球AI芯片产业仍处于产业化早期阶段，国产处理器厂商与国际厂商在人工智能这一全新赛场上处在同一起跑线。耐能创始人兼CEO 刘峻诚表示，中国拥有庞大的智能手机、智能家居、智能安防等市场，对中国的AI公司而言，不仅在服务国内客户时具有本土化的优势，还可借助这些客户的生产制造优势进军海外市场，实现“立足中国，放眼全球”的商业布局。
