-----------------------------------

人工智慧是時下一個非常熱門的概念，國內外各大科技巨頭都在這方面投入重金，它也被視作是未來的新技術。

不過，要形成自主研發的AI技術卻並不容易，它對廠商的技術實力提出了挑戰。在硬體方面，人工智慧需要以AI晶片為依託。但目前來說，有能力自研AI晶片的廠商並不多。

近日，市場研究機構Compass Intelligence公佈了一份全球AI晶片公司排名，我們從中可以看到那些廠商在AI晶片研究方面走在了行業的前列。

排名第一的是知名顯示卡廠商英偉達。近年來，黃仁勳在AI方面傾盡全力，投入了重金。在機器學習方面，CPU運算有天然的劣勢，但GPU的並行架構卻能在其中發揮優勢。對英偉達來說，AI熱潮是一個新的契機。

今年1月，英偉達在CES上釋出了針對自動駕駛市場的超級AI計算晶片，每秒可以執行30萬億次的深度學習計算，效能極為強勁。在AI方面，英偉達站在了行業的最前列。

排名前十的AI公司還有英特爾、IBM、谷歌、蘋果、AMD、ARM、高通、三星和NXP。在全球首發AI手機晶片的華為海思則排在了第12位，也是國內排名最高的廠商。

近年，谷歌AlphaGo先後擊敗李世乭、柯潔，展現了人工智慧和深度學習的威力，也引起了很多人對AI的關注。如今，AI技術的作用也逐漸在智慧手機上顯現，拍照、遊戲等應用中都可以看到AI的影子。

此外，在這份AI晶片公司排行榜中，絕大部分都是硬體公司，像谷歌這樣的網際網路廠商還是比較少的。在AI技術中，軟體演算法固然也重要，但底層和基石還是要靠AI晶片。對國內的各大有志於在AI技術上發力的廠商來說，具備自主晶片研發技術是非常有必要的。近期中興被開出7年晶片、技術採購禁令，就充分說明了這點。

就全球來看，最頂級的AI晶片來自於英偉達。

AI晶片看的是算力和演算法，當然衡量AI晶片是否強大最重要的是它的銷售額。英偉達去年和AI有關的晶片銷售額超過了十億美元，除了英特爾之外沒有一加公司能夠做到。當然，英特爾的AI晶片主要還是CPU，他們的FPGA暫時還是剛不過英偉達的GPU。

我們拿TitanV來舉例。它擁有640個獨立的AI單元，AI運算效能為110Tflops。這個資料或許並不是很強大，但你要知道，這是一塊顯示卡加上一個AI處理器。實際用途中這種配合要遠比配備獨立NPU的裝置強大，因為CPU和GPU依然是基礎，這才是英偉達AI晶片的核心競爭力。

市場研究和諮詢公司Compass Intelligence釋出了2018年度全球AI晶片公司排行榜，在這份榜單上，英偉達排名第一，英特爾、IBM、Google、蘋果、AMD、ARM、高通、三星、恩智浦等公司位列2-10名。

英偉達的GPU目前仍然是AI計算的王者，支援所有框架、所有云服務商、所有OEM，擁有真正的在位優勢，英偉達GPU晶片可以讓大量處理器並行運算，速度比CPU快十倍甚至幾十倍，因而成為絕大部分人工智慧研究者和開發者的必備核彈。瑞銀(UBS)最近的一份投資報告顯示，大規模人臉識別和監控市場會推動NVIDIA的銷售額增長50億美元，到2020年，NVIDIA將佔據人工智慧晶片90%的市場份額。

在AI晶片行業，Intel、AMD和谷歌也有著不可忽視的優勢。當下全球有約97%的伺服器晶片市場份額為Intel所佔有，基本上所有的資料中心都基於Intel的伺服器晶片搭建，Intel為了彌補自己的AI晶片市場的弱點還收購Nervana Systems以開發專用AI晶片。AMD無論在CPU還是GPU的市場份額上，都無法撼動Intel和NVIDIA的行業霸主地位，但英特爾和AMD開始了合作策略，未來將與英偉達展開在人工智慧領域的競爭。Google新推出的Edge TPU晶片，將為邊緣裝置提供強大的計算和學習能力，其試圖引發一輪全面的顛覆，實力也不容小覷。

在這份榜單中中國有七家公司入圍，分別是華為（海思）、聯發科、Imagination、瑞芯微、芯原、寒武紀、地平線，這七家入圍的中國公司，有些公眾很熟悉，有些相對低調。相信在資本和技術的雙重刺激下，中國的AI晶片業的未來將不可估量。

從晶片設計的角度，是華為、高通、蘋果的晶片好；從晶片製造的角度，是臺積電、三星、英特爾的晶片好一些！

晶片的生產是要經歷設計、製造、封裝、測評的！其中，晶片設計和晶片製造是核心！

一、晶片設計

1.華為海思麒麟晶片

麒麟晶片是全球第一款AI晶片，它的強大是有目共睹的！

2.高通驍龍晶片

高通晶片和華為晶片是你來我往，今天我在某項效能上超越了你，明天你又會在另一項效能上超越我！

兩者算是難分高下，旗鼓相當！

3.蘋果晶片

自從庫克掌管蘋果以後，蘋果的新機大都是後發取勝，哪怕是引進了新技術，也不敢冒進發布！蘋果晶片也是如此，不會搶首發，只是在努力後發取勝！

除了以上三家，三星晶片也挺好！

二、晶片製造

1.臺積電

在7nm以前，臺積電的對手還是很多的！自臺積電7nm工藝可實現晶片量產後，臺積電是高處不勝寒，接單接到手軟！

2.三星

在努力追趕臺積電的路上，三星走的算是比較快的，2019年也許就能實現7nm量產了。

3.英特爾

英特爾已經搞定10nm量產工藝，可7nm估計要2020年啦！

在我看來是英偉達。

在近幾年，英偉達受到追捧，主要受益於GPU在人工智慧時代發揮重大影響，全球眾多雲服務和網際網路廠商都在使用英偉達GPU，英偉達GPU加速器也被各大雲服務採用，適用於AI和高效能計算的統一計算平臺NVIDIA HGX-2應用在全球各大雲服務提供商。

全球最新超算500強名單，使用英偉達GPU加速器系統數量比去年增加48%至127個，同時，還推出NVIDIA T4 Cloud GPU和NVIDIA TensorRT超大規模推理平臺，為超大規模資料中心的語音、影片、影象和推薦服務帶來先進的加速能力。

從一定程度上來說，英偉達GPU推動了人工智慧時代的到來，，高效能晶片成為這個時代制高點，英偉達則直接受益AI技術，基於深度學習的AI技術已經被廣泛應用於各行業，讓英偉達迎來史上發展最好時期，伴隨應用不斷擴充套件，包括無人駕駛汽車方面，英偉達GPU有著舉足輕重的作用，是自動駕駛發展幕後推手。

英偉達還有安全型人工智慧自動駕駛平臺NVIDIA DRIVE，以及一套透過模擬各種駕駛條件來測試和驗證神經網路的工具。此外投入了20億美元，2000多位工程師，為業界帶來Xavier，作為全球首款自主機器處理器實現將自動駕駛功能從L2+級高階駕駛員輔助提升到L5級無人駕駛出租車所需的效能水平。

不過，英偉達的AI神話將會被刺破，英偉達股價已經被腰斬。近兩年風生水起的英偉達，在過去一兩年，其市值呈現飆漲態勢，自今年10月2日創出新高，市值達1786億美元后，隨後一路狂瀉，市值蒸發千億美元，截至12月24日僅為775億美元，不足三個月被腰斬，跌幅高達56.6%，令人惋惜，不禁在想英偉達的人工智慧神話破滅。

即便是面對新冠病毒的大流行，市場對人工智慧的需求仍然十分強勁，無論是用於加速新冠病毒的研究，還是用於最佳化領先雲服務所依賴的推薦系統。

這一點再明顯不過了——特別是半導體巨頭英特爾和英偉達最近都大力投資了下一代人工智慧能力。其中，英偉達推出了足以改變市場遊戲規則的資料中心GPU——A100，而英特爾也正在研究如何在整個產品組合中注入AI能力，同時展開大膽的收購，例如去年斥資20億美元受過了Habana Labs。

英特爾收購的Habana Labs，是一家開發用於訓練和推理的高效能晶片的初創公司。這次收購表明，AI晶片仍然是一個炙手可熱的領域，一些新興公司試圖打造能夠基於硬體最佳化工作負載的新方法。

對此，我們根據眾AI公司所取得的里程碑事件（包括融資輪次、產品釋出或者效能記錄），羅列了今年最熱門的這10家AI晶片初創公司：

1、BlaizeCEO：Dinakar Munagala

Blaize表示，它的Graph Streaming Processor是首個可以在單一系統中同時執行多個人工智慧模型和工作流的處理器。這家位於美國加州埃爾多拉多的初創公司，於去年秋天走出“隱身模式”，在今年舉行的CES 2020上首次展示自己的計算架構，並從投資者那裡獲得了8700萬美元的投資。Blaize主要針對汽車和智慧視覺等場景，其中，Graph Streaming Processor處理器克服了AI處理成本和尺寸方面的障礙，效率是現有產品的10到100倍。

2、Cerebras SystemsCEO：Andrew Feldman

Cerebras Systems表示，它的Wafer Scale Engine處理器是有史以來尺寸最大的晶片，包括1.2萬億個電晶體並封裝了40萬個計算核心。

Cerebras Systems在去年秋天舉行的Supercomputing 2019上釋出了該處理器，同期釋出的還有搭載了該處理器的CS-1系統。這家位於美國加州洛斯拉託斯的初創公司稱，Wafer Scale Engine是“全球最快的AI超級計算機”。此後Cerebras Systems贏得了多個重要的客戶，CS-1系統被美國能源部阿貢國家實驗室和美國國家科學基金會匹茲堡超級計算中心所採用。

3、GraphcoreCEO：Nigel Toon

Graphcore稱，自己的Intelligence Processing Unit（IPU）晶片是首款專為機器智慧設計的處理器。Graphcore表示，IPU與其他處理器不同，它可以在晶片內部執行一整個機器學習模型。這家位於英國布里斯托爾的初創公司，於今年2月宣佈獲得了來自投資者的1.5億美元融資。幾個月後Graphcore表示，在與微軟和戴爾的合作下，Graphcore已經出貨了“數萬”顆處理器，其中戴爾在去年釋出了配備16個Graphcore IPU處理器的Dell DSS8440。

4、GroqCEO：Jonathan Ross

Groq表示，它的Tensor Streaming Processor（TSP）處理器可提供“無與倫比的敏捷性”，避免了傳統GPU需要在最高響應速度和最高效能之間折衷的問題。這家位於美國加州山景城的初創公司，於去年秋天首次釋出TSP晶片，並表示，Groq是第一家在單個晶片上實現1 petaop效能的公司。此後，Groq的TSP架構透過Nimbix Cloud提供，用於按需付費處理機器學習任務。今年1月份Groq表示，TSP在用於影象分類的ResNet-50 v2推理基準測試中擊敗了其他商用神經網路架構。

5、HailoCEO：Orr Danon

Hailo稱，它的Hailo-8深度學習晶片可在邊緣提供資料中心級效能，同時在尺寸、效能和功耗方面擊敗競爭對手的邊緣處理器。這家位於以色列特拉維夫的初創公司，於今年早些時候宣佈，已經從瑞士製造跨國公司ABB的企業風險投資機構ABB Technology Ventures，以及日本IT巨頭NEC公司那裡獲得了6000萬美元B輪融資。Hailo表示，Hailo-8以結構為驅動的Data Flow架構結合了高效能、低功耗和最小延遲等優點，可以用於智慧攝像頭、智慧手機、自動駕駛汽車等邊緣裝置，提供每秒高達26 TB的效能。

6、KneronCEO：Albert Liu

Kneron為邊緣裝置開發的人工智慧晶片，可以實時適配音訊和視覺識別應用。這家位於美國加州聖地亞哥的初創公司，於今年1月宣佈，在A輪融資中獲得了來自Horizon Ventures、Sequoia、Alibaba、Qualcomm等投資方的4000萬美元資金，讓總融資金額達到7300萬美元。Kneron開發的KL520是一種片上系統，將2個Arm Cortex M4 CPU與Kneron的神經處理單元相結合，可以在智慧家居裝置等低功耗裝置中進行高效能的推理任務。此外，Kneron正在使用最近這輪的融資資金開發第二代SoC KL720，並實現商業化。KL720預計將於今年夏天開始向客戶提供樣品。

7、LightelligenceCEO：Yichen Shen

Lightelligence正在利用光學技術打造人工智慧晶片。據報道，Lightelligence在美國和中國都有業務，今年早些時候Lightelligence從Matrix Partners China和CICC那裡獲得了2600萬美元的A輪融資。Lightelligence的AI晶片採用了整合光子學技術，利用光學的方式類似於積體電路處理和傳輸電子訊號的方式。Lightelligence表示，它的光學晶片與傳統的晶片架構相比，可以提供更高的效能、更低的延遲和更低的功耗。

8、SambaNova SystemsCEO：Rodrigo Liang

雖然SambaNova Systems並非唯一一家同時致力於硬體和軟體以推動人工智慧工作負載，但它表示，自己整合的硬體和軟體產品因為可以重新配置的資料流架構而在一眾公司中脫穎而出。這家位於美國加州帕洛阿爾託的初創公司表示，這種架構讓應用能夠推動硬體最佳化的方式，從而加快資料中心和邊緣效能。今年2月，SambaNova Systems宣佈從Intel Capital，BlackRock和其他投資者那裡獲得了2.5億美元的C輪融資，將用於進一步加快軟體功能的開發。

9、SiMa.aiCEO：Krishna Rangasayee

SiMa.ai表示，它的Machine Learning System-on-Chip（MLSoC）是首款將高效能、低功耗和硬體安全結合在一起的機器學習推理晶片。這家位於美國加州聖何塞的初創公司表示，這款SoC是環保且高效的，每瓦每秒傳送幀的速度是競爭產品的30倍。今年5月，SiMa.ai宣佈在由Dell Technologies Capital領投的A輪融資中獲得3000萬美元資金，將用於加快生產和客戶交付。

10、SyntiantCEO：Kurt Busch

Syntiant正在開發專用於邊緣語音應用的人工智慧晶片。這家位於美國加州爾灣的初創公司從今年年初開始在全球範圍銷售它的Neural Decision Processors（NDP）處理器，預計第一批DFP嵌入式消費級產品將在7月之前上市。Syntiant的NDP晶片可以在各種電池供電的裝置（從耳機、膝上型電腦，到手機和智慧音箱）中為語音和其他感測器應用提供永遠線上的深度學習處理。Syntiant表示，NDP100和NDP101晶片與低功耗微控制器單元解決方案相比，功耗不到140微瓦，效率高200倍，吞吐量高20倍。