隨著底層芯片技術的進步，人工智能算法也將獲得更好的支持和更快的發(fā)展。而在這一過程中，人工智能本身也很有可能被用于研發(fā)新的芯片技術，形成算法和芯片相互促進的良性循環(huán)局面。

通過《AI芯片技術白皮書》，可以清晰地看到人工智能芯片是人工智能產(chǎn)業(yè)和半導體產(chǎn)業(yè)交叉融合的新節(jié)點，涉及多個學科、多個領域的理論和技術基礎，突顯對基礎扎實、創(chuàng)新能力強的人才的需求。

科技巨頭的AI芯片動作頻出

從最近幾大科技巨頭在AI芯片領域的動作頻頻就不難看出。比如亞馬遜開始設計制造AI芯片，從而為Alexa語音助手的質(zhì)量提升以及Echo智能音響設備提供更強大的技術能力，而蘋果、三星、華為在智能手機處理器上集成深度學習引擎方面也展開了一場較量。

其背后的推動力來自于深度學習對超強算力的需求。NVIDIA顯然是這波浪潮中最大的受益者，其股價從2016年的32．25美元上漲至2018年的245．8美元，兩年間市值飆升近8倍。被認為是NVIDIA最大競爭對手的谷歌宣布了對第二代TPU的全面開放，而且價格誘人，每云TPU每小時6．5美元。可以說是又向NVIDIA開了一炮。

云端＋邊緣結(jié)合是AI芯片發(fā)展現(xiàn)狀

在應用場景上，AI芯片的應用主要分為云端和終端，以深度學習的算法來說，云端人工智能硬件負責“訓練＋推斷”，終端人工智能硬件負責“推斷”，因而終端的計算量更小，相對沒有傳輸問題。

總的來說，云側(cè)AI處理主要強調(diào)精度、處理能力、內(nèi)存容量和帶寬，同時追求低延時和低功耗；邊緣設備中的AI處理則主要關注功耗、響應時間、體積、成本和隱私安全等問題。目前云和邊緣設備在各種AI應用中往往是配合工作。最普遍的方式是在云端訓練神經(jīng)網(wǎng)絡，然后在云端或者邊緣設備進行推斷。

①云端AI計算：目前各大科技巨頭紛紛在自有云平臺基礎上搭載人工智能系統(tǒng)，主要有IBM的waston、亞馬遜的AWS、以及國內(nèi)的阿里云、百度云平臺等。其中英偉達的GPU采用更為廣泛，賽靈思、英特爾、百度等廠商也在積極采用FPGA在云端進行加速，一些初創(chuàng)公司，如深鑒科技等也在開發(fā)專門支持FPGA的AI開發(fā)工具。另外，AI領域?qū)Ｓ眉軜?gòu)芯片ASIC則因其更好的性能和功耗，成為云端領域新的攪局者，如谷歌的TPU。

②邊緣AI計算：智能手機是目前應用最為廣泛的邊緣計算設備，包括蘋果、華為、高通、聯(lián)發(fā)科和三星在內(nèi)的手機芯片廠商紛紛推出或者正在研發(fā)專門適應AI應用的芯片產(chǎn)品。自動駕駛是未來邊緣AI計算的最重要應用之一，MobileEyeSOC和NVIDIADrivePX系列提供神經(jīng)網(wǎng)絡的處理能力可以支持半自動駕駛和完全自動駕駛。

新計算范式讓AI芯片更上一層樓

人工智能產(chǎn)業(yè)得以快速發(fā)展，都離不開芯片。隨著大數(shù)據(jù)的積聚、理論算法的革新、計算能力的提升及網(wǎng)絡設施的發(fā)展，使得持續(xù)積累了半個多世紀的人工智能產(chǎn)業(yè)，又一次迎來革命性的進步，人工智能的研究和應用進入全新的發(fā)展階段。

AI芯片的計算既主要特點：

①處理內(nèi)容往往是非結(jié)構(gòu)化數(shù)據(jù)，如視頻、圖像及語音等，需要通過樣本訓練、擬合基環(huán)境交互等方式，利用大量數(shù)據(jù)來訓練模型，再用訓練好的模型處理數(shù)據(jù)；

②處理過程需要很大的計算量，基本的計算主要是線性代數(shù)運算，大規(guī)模并行計算硬件更為適合；

③處理過程參數(shù)量大，需要巨大的存儲容量，高帶寬、低延時的訪存能力，及計算單元和存儲器件間豐富且靈活的連接。