AI 晶片，是金山還是泡沫？
忽如一夜春風來，千樹萬樹梨花開。隨著 AI 產業的迅速發展，
2016 年 5 月，谷歌發佈自主設計晶片 TPU（張量處理器），同年英特爾也發佈 Nervana AI 處理器，去年，Deep Mind 投資的 Graphcore 公司也推出了 IPU 智慧處理器；而就在國外企業紛紛研發 AI 晶片的同時，國內企業也同樣沒有閑著：在寒武紀推出神經網路處理器 NPU（今年其又被重命名為機器學習處理器 MLU）之際，深鑒科技則做了一款基於 FPGA 平臺的 DPU（深度學習處理器），
眾所周知，目前業內最為人所知、應用範圍最廣的晶片是 CPU 和 GPU。
其中，CPU 出現的歷史最長，在電子設備中的作用也最為重要，但由於其僅用於串列計算，所以在需要海量計算的 AI 場景下，其資料處理能力已顯然不夠，而且雪上加霜的是，處理器的性能每 18 個月就能翻倍的摩爾定律也已幾近失效，
而就在此時，因為具有平行計算能力而擁有更強運算力的 GPU 開始被人們重視，並被廣泛用於人工智慧領域。從此，人工智慧有了 GPU 在算力方面的支持，人工智慧也迅速進入應用階段。甚至有人表示， 沒有 GPU，就沒有這一波 AI 浪潮。
而 GPU 領域的絕對霸主英偉達也因此扶搖直上，成為了當今人工智慧領域最為成功的企業：2015 年，英偉達的市值是 100 億美元，
然而，GPU 雖然幫助人工智慧走過了蹣跚學步的初級階段，但人工智慧接下來的要走的路卻不一定適合由 GPU 來走了。
首先在雲端，資料中心最大的成本支出一般都是電力成本，因此，能耗壓力是迫使 GPU 讓位的重要原因。比如，根據穀歌去年 4 月曝光的資料，當時，TPU 已經在穀歌資料中心內部使用大約兩年，並依靠 TPU 打敗了李世石。（根據穀歌的一份論文顯示 TPU 平均比 Nvidia K80 GPU 或 Haswell CPU 快 15~30 倍，雖然 GPU 在處理很多人工智慧問題時已經很高效了，而且 GPU 作為通用晶片可以適應各種不同的應用場景，但 GPU 在運行不同場景中的程式時，晶片的整體性能其實是很難完全發揮出來。其實也可以說，沒有任何單一的 AI 系統能夠在任何場景完美地工作。因此，AI 在不同場景中的應用，都需要針對場景的需求，在功耗、延遲、資料輸送量、加速器方案的選擇上做出調整和優化，使其能夠完美運行適應特定應用場景的演算法——於是，各種 CPU、GPU 的兄弟便誕生了。
另外，地平線演算法 VP 黃暢還表示即使是在同一細分應用場景下，只要深入行業，就會發現演算法依然會有所不同。而這便意味著市場需要更多種類的 AI 晶片。
總的來說，AI 晶片在此時出現是順應時代發展趨勢的。
技術與落地，決定 AI 晶片生死的關鍵雖然目前市面上各種 X-PU 都因趕上了 AI 風口而欣喜不已，然而，今天擁擠在身邊的是“兄弟”，在明天就可能是敵人了，想想 CPU、GPU 目前的寡頭天下不就是活生生的例子嗎？X-PU 們真都能笑到最後嗎？這也是很多入局者都關心的一個問題。
OnceAI 創始人張春亮堅信 AI 晶片行業不太可能出現一兩家企業統治全部 AI 晶片的情況。“比如現在的通信市場，有追求高性能高速率的 5G 標準，但其也必然再來高功耗（的問題）。所以小資料量傳輸但低功耗的窄帶需求量也越來越大。而且還有像 wifi、藍牙、紅外之類的不同場景間的傳輸協定。”張春亮在知乎上回應認為市場非常大，而且市場需求也不可能統一，因此，“AI 晶片以後很有可能深化出像 PIC/AVR 這樣的低功耗低計算力的晶片，還有像 Intel/amd 這樣的高計算能力高功耗的晶片，或者像 arm 適用於移動場景的晶片。”
“AI 和任何一個新興的技術都一樣，引起市場廣泛關注的時候都會有很多大佬以及創業公司進入到這個市場，然後開始做晶片。我其實覺得這是一件有趣的事情，因為只有這麼多的公司從不同的角度去看待技術，去研發他們的技術，才能給市場帶來真正的變革，然後才能把這些技術真正的落地。”英特爾新技術業務 Movidius 產品業務拓展負責人 Gordon 雖然很認可當前 AI 晶片的大量崛起，但這並不意味著現在所有但 AI 晶片企業都能活到最後，AI 晶片行業跟其他行業一樣，也都將有一個優勝劣汰的過程：
首先，做 AI 晶片的技術難度不小。“怎麼把合理的架構和應用場景結合起來，把晶片的性能、功耗和使用場景結合起來，做出一個非常好的產品，這實際上對每個企業都是巨大的挑戰。” 為了說明這一點，Gordon 還透露了一個他的經驗：很多企業可能買了很多 IP，以為把它組在一起就能達到好的性能，但實際上這些產品並不一定能有市場。其次，也是最關鍵的，那就是市場化與產品落地。Gordon 就強調落地是一個“非常重要”的事情。Gordon 認為做晶片在技術上雖然有難度，但只要找到合適的人，其實也會有很多人都能做，但創業的本質並不是要做出一款技術上的好產品，而是要解決行業特定問題，從而賺錢養活自己。“而這裡的問題就是你對產品的開發到底有多深的理解，一個是架構，一個是平衡，如何在性能、功耗、延遲等方面做好取捨，再一個就是對市場的理解，決定做那個行業等。”而該觀點也得到了黃暢的認同，“只是做晶片是遠遠不夠的，關鍵還是應用的落地，所以地平線是把演算法和晶片結合在一起反覆運算優化，針對應用場景全程推動落地。”黃暢如此表示。
給國內 AI 晶片創業公司的建議Gordon 表示，英特爾其實是眾多 AI 晶片創業公司的巨大競爭對手，“我們雖然進來的晚，但我們在晶片領域有著多年的研究，慢只是慢在軟體以及與場景的結合上。”Gordon 認為英特爾一個重要優勢便是與行業有著非常緊密的結合，因此，Gordon 認為英特爾想要後來者居上其實也並非不可能。
不過，面對巨頭，中小 AI 晶片創業公司也並非沒有成功的可能性。目前，市面上有一個觀點就是像英特爾這樣的大企業因為精力有限，無法覆蓋所有的細分場景，因此，小企業便有了得以生存的夾縫。
而該觀點也得到了 Gordon 的證實：雖然英特爾非常看重垂直，但英特爾也會評估哪個垂直可能會先起來，或者有更大的市場，從而排優先順序。“比如對某些行業，我們就必須要滿足其需求，而對另一些行業，我們則只是儘量滿足其需求，對第三種行業，那可能就是愛用不用了。”Gordon 認為對於像英特爾這麼的大企業“必須學會取捨”。
另外，Gordon 也為國內的 AI 晶片企業提了一些具體的建議：
首先，要找對人，找對場景非常瞭解人，並可以跟產業結合，那就有機會成功。而如果只是純做技術，不跟產業、應用結合，那就走不了多遠。其次，選擇行業是不要一窩蜂地盲幹。“國內做 AI 的企業都集中在非常窄的幾個領域，比如所有人都恨不得要去做安防的，但在海外，我們就看不見這種情況，海外企業會非常專注於自己擅長的行業，而這也是很容易做成績的方法。”另外，ARM 的崛起也能給予大家一定的參考。
ARM 公司 1978 年在英國成立，1985 年，設計了第一代 32 位、6MHz 的處理器，它支援的指令比較簡單，雖然功能遠不如英特爾處理器強大，但是功耗小、價格便宜。不過，當時處理器行業的霸主是英特爾，佔據著 PC 處理器市場絕大多數的市場份額。ARM 處理器能力不足，根本無法撼動英特爾在 PC 處理器的市場份額。
因此，ARM 找到了嵌入式設備市場，但是整個 20 世紀 90 年代，ARM 公司的業績平平，處理器的出貨量徘徊不前。但在而在 2007 年之後，隨著智慧手機時代的到來，ARM 處理器迎來了快速增長，有資料顯示目前全世界 95% 的智慧手機和 80% 的相機都用到了 ARM 的技術。目前 ARM 也已經成了嵌入式晶片領域的實際標準。ARM 也因此成為了一家能夠與英特爾抗衡的企業。
顯然，ARM 的成功經驗就是找准方向，然後就是咬定青山不放鬆地等風來，這對 AI 晶片企業而言，顯然也是一個好建議。
題圖來自 123RF
本文 AI 晶片，是金山還是泡沫？來自動點科技.
在功耗、延遲、資料輸送量、加速器方案的選擇上做出調整和優化，使其能夠完美運行適應特定應用場景的演算法——於是，各種 CPU、GPU 的兄弟便誕生了。另外，地平線演算法 VP 黃暢還表示即使是在同一細分應用場景下，只要深入行業，就會發現演算法依然會有所不同。而這便意味著市場需要更多種類的 AI 晶片。
總的來說，AI 晶片在此時出現是順應時代發展趨勢的。
技術與落地，決定 AI 晶片生死的關鍵雖然目前市面上各種 X-PU 都因趕上了 AI 風口而欣喜不已，然而，今天擁擠在身邊的是“兄弟”，在明天就可能是敵人了，想想 CPU、GPU 目前的寡頭天下不就是活生生的例子嗎？X-PU 們真都能笑到最後嗎？這也是很多入局者都關心的一個問題。
OnceAI 創始人張春亮堅信 AI 晶片行業不太可能出現一兩家企業統治全部 AI 晶片的情況。“比如現在的通信市場，有追求高性能高速率的 5G 標準，但其也必然再來高功耗（的問題）。所以小資料量傳輸但低功耗的窄帶需求量也越來越大。而且還有像 wifi、藍牙、紅外之類的不同場景間的傳輸協定。”張春亮在知乎上回應認為市場非常大，而且市場需求也不可能統一，因此，“AI 晶片以後很有可能深化出像 PIC/AVR 這樣的低功耗低計算力的晶片，還有像 Intel/amd 這樣的高計算能力高功耗的晶片，或者像 arm 適用於移動場景的晶片。”
“AI 和任何一個新興的技術都一樣，引起市場廣泛關注的時候都會有很多大佬以及創業公司進入到這個市場，然後開始做晶片。我其實覺得這是一件有趣的事情，因為只有這麼多的公司從不同的角度去看待技術，去研發他們的技術，才能給市場帶來真正的變革，然後才能把這些技術真正的落地。”英特爾新技術業務 Movidius 產品業務拓展負責人 Gordon 雖然很認可當前 AI 晶片的大量崛起，但這並不意味著現在所有但 AI 晶片企業都能活到最後，AI 晶片行業跟其他行業一樣，也都將有一個優勝劣汰的過程：
首先，做 AI 晶片的技術難度不小。“怎麼把合理的架構和應用場景結合起來，把晶片的性能、功耗和使用場景結合起來，做出一個非常好的產品，這實際上對每個企業都是巨大的挑戰。” 為了說明這一點，Gordon 還透露了一個他的經驗：很多企業可能買了很多 IP，以為把它組在一起就能達到好的性能，但實際上這些產品並不一定能有市場。其次，也是最關鍵的，那就是市場化與產品落地。Gordon 就強調落地是一個“非常重要”的事情。Gordon 認為做晶片在技術上雖然有難度，但只要找到合適的人，其實也會有很多人都能做，但創業的本質並不是要做出一款技術上的好產品，而是要解決行業特定問題，從而賺錢養活自己。“而這裡的問題就是你對產品的開發到底有多深的理解，一個是架構，一個是平衡，如何在性能、功耗、延遲等方面做好取捨，再一個就是對市場的理解，決定做那個行業等。”而該觀點也得到了黃暢的認同，“只是做晶片是遠遠不夠的，關鍵還是應用的落地，所以地平線是把演算法和晶片結合在一起反覆運算優化，針對應用場景全程推動落地。”黃暢如此表示。
給國內 AI 晶片創業公司的建議Gordon 表示，英特爾其實是眾多 AI 晶片創業公司的巨大競爭對手，“我們雖然進來的晚，但我們在晶片領域有著多年的研究，慢只是慢在軟體以及與場景的結合上。”Gordon 認為英特爾一個重要優勢便是與行業有著非常緊密的結合，因此，Gordon 認為英特爾想要後來者居上其實也並非不可能。
不過，面對巨頭，中小 AI 晶片創業公司也並非沒有成功的可能性。目前，市面上有一個觀點就是像英特爾這樣的大企業因為精力有限，無法覆蓋所有的細分場景，因此，小企業便有了得以生存的夾縫。
而該觀點也得到了 Gordon 的證實：雖然英特爾非常看重垂直，但英特爾也會評估哪個垂直可能會先起來，或者有更大的市場，從而排優先順序。“比如對某些行業，我們就必須要滿足其需求，而對另一些行業，我們則只是儘量滿足其需求，對第三種行業，那可能就是愛用不用了。”Gordon 認為對於像英特爾這麼的大企業“必須學會取捨”。
另外，Gordon 也為國內的 AI 晶片企業提了一些具體的建議：
首先，要找對人，找對場景非常瞭解人，並可以跟產業結合，那就有機會成功。而如果只是純做技術，不跟產業、應用結合，那就走不了多遠。其次，選擇行業是不要一窩蜂地盲幹。“國內做 AI 的企業都集中在非常窄的幾個領域，比如所有人都恨不得要去做安防的，但在海外，我們就看不見這種情況，海外企業會非常專注於自己擅長的行業，而這也是很容易做成績的方法。”另外，ARM 的崛起也能給予大家一定的參考。
ARM 公司 1978 年在英國成立，1985 年，設計了第一代 32 位、6MHz 的處理器，它支援的指令比較簡單，雖然功能遠不如英特爾處理器強大，但是功耗小、價格便宜。不過，當時處理器行業的霸主是英特爾，佔據著 PC 處理器市場絕大多數的市場份額。ARM 處理器能力不足，根本無法撼動英特爾在 PC 處理器的市場份額。
因此，ARM 找到了嵌入式設備市場，但是整個 20 世紀 90 年代，ARM 公司的業績平平，處理器的出貨量徘徊不前。但在而在 2007 年之後，隨著智慧手機時代的到來，ARM 處理器迎來了快速增長，有資料顯示目前全世界 95% 的智慧手機和 80% 的相機都用到了 ARM 的技術。目前 ARM 也已經成了嵌入式晶片領域的實際標準。ARM 也因此成為了一家能夠與英特爾抗衡的企業。
顯然，ARM 的成功經驗就是找准方向，然後就是咬定青山不放鬆地等風來，這對 AI 晶片企業而言，顯然也是一個好建議。
題圖來自 123RF
本文 AI 晶片，是金山還是泡沫？來自動點科技.