五、科技巨头纷纷布局人工智能芯片领域

 全球科技巨头都在加紧布局AI芯片，希望走在科技变革时代的前线。

 NVIDIA是AI芯片的市场领先者，占据了全球GPU70%的市场份额；Intel接连收购Altera、Nervana、Movidius，全方位布局AI产品；Google发布两代TPU，从ASIC方向进军AI芯片市场；寒武纪科技是中科院计算所孵化的一家独角兽公司。2016年推出了国际首个深度学习专用处理器芯片(NPU)，技术全球领先。

 1、NVIDIA:GPU龙头，AI芯片的市场领先者

 目前全球GPU行业的市场份额有超过70%被英伟达公司占据。而应用在人工智能领域的可进行通用计算的GPU市场则基本被英伟达公司垄断。

 自1999年发布第一款GPU以来，GPU就成为了英伟达最为核心的产品，占到了英伟达总营业收入的八成以上。英伟达的股价表现也是十分惊人，2016年英伟达的股价上涨了228%，过去的5年内累计上涨500%。

 目前英伟达GPU芯片主要应用方向为数据中心芯片、自动驾驶芯片和嵌入式芯片。主要包括采用Pascal架构的TeslaP100和TeslaP10芯片、采用Volta架构的DGX-1芯片、自动驾驶的DriverPX2芯片、JetsonTX2芯片等。

 GPU芯片构成公司最主要收入来源，2017年上半年，GPU贡献收入34.59亿美元，占公司总收入的83%；TegraProcessor贡献收入6.65亿美元，占比16%，其他部分贡献收入1%。

 数据来源：中商产业研究院

 2、Intel：全领域布局人工智能产品

 2015年，英特尔以167亿美元收购了FPGA制造商Altera。英特尔斥巨资收购Altera不是来为FPGA技术发展做贡献的，而是要让FPGA技术为英特尔的发展做贡献。

 2016年8月，Intel宣布收购创业公司NervanaSystems。Nervana准备推出深度学习定制芯片NervanaEngine，相比GPU在训练方面可以提升10倍性能。与TeslaP100类似，该芯片也利用16-bit半精度浮点计算单元和大容量高带宽内存（HBM，计划为32GB，是竞品P100的两倍），摒弃了大量深度学习不需要的通用计算单元。

 Intel人工智能布局

料来源：公开资料整理

 3、Google：发布两代TPU，从ASIC方向进军AI芯片市场

 第一代TPU展现出ASIC在神经网络推断方面的优秀性能。谷歌在2016年的I/O大会上推出了自己的AI芯片——张量处理器TPU（第一代）。

 第二代TPU兼具推理+训练。2017年5月I/O大会上，谷歌发布了第二代TPU—CloudTPU，峰值性能达到180TFLOPS/s。第一代TPU只加速推理，但第二代TPU新增了训练的功能。不仅如此，谷歌的用户还能通过专门的网络，在云端利用TPU构建机器学习的超级计算机。

 Google公司TPU架构

资料来源：Google

 4、寒武纪：在国际上开创了深度学习处理器方向

 寒武纪科技由创始人陈天石教授带领中科院团队成立于2016年，致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。

 2016年推出的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，其搭载了国际首个深度学习专用处理器芯片(NPU)（属于ASIC），面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备，并于2017年8月获得了包括阿里在内的1亿美元A轮融资。

 寒武纪1号芯片和同期主流芯片对比

资料来源：寒武纪神经网络计算机介绍

 目前寒武纪主要包括三条产品线：

（1）智能终端处理器IP授权：智能IP指令集可授权集成到手机、安防、可穿戴设备等终端芯片中，客户包括国内顶尖SoC厂商。

（2）智能云服务器芯片：作为PCIE加速卡插在云服务器上，客户主要是国内的知名服务器厂商。

（3）家用智能服务机器人芯片：从智能玩具、智能助手入手，使服务机器人独立具备看听说的能力。客户是各类下游机器人厂商，产品的推出将比智能云服务器芯片更晚一些。

 中国正在发力人工智能芯片，以缩小与全球科技巨头的差距。