“中兴被禁”事件，给国内市场的第一喝棒指向芯片制造。这是我国的短板，也是智能产业最重要的“刚需”。从2008年开始，连续十年芯片都是我国第一大宗进口商品，占据了国际需求市场的50%，2017年的进口数量为3770亿块，花费金额为2601亿美元。这些芯片被搭载在了智能手机、电视、电脑等多种硬件中，而这些产品的生产量均占全球总量的半数以上，其中电脑更高达95%。

 

　　对于传统芯片而言，接下来需要奋起直追，而另一方面，AI芯片的迅速爆发也给中国芯片产业带来了久违的起跑线骄傲。据市场研究公司Compass Intelligence发布的上半年研究报告显示，在全球前24名的AI芯片企业排名表中，英伟达(Nvidia)、英特尔(Intel)以及IBM(NPU)分别位列前三名，中国公司占据了七个席位，最高名次是排行第12的华为。

 

　　困局之中破局是唯一的出路，AI芯片可能就是那个突破口。作为计算芯片的一种，它正在对传统(计算)芯片发出挑战。

 

　　AI芯片是趋势使然

 

　　根据摩尔定律，当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。如何在相同的面积内放入更多的元器件?这对于制作工艺而言是一个极其大的挑战，而这一工艺的提升速度是缓慢且艰难的。因此，在算力、性能等方面，当前的集成电路相当于到了一个“瓶颈期”。

 

　　与此同时，AI逐步发展并落地，面对海量数据的实时采集和处理，“算力”成为了一项至关重要的必备条件。然而当前的AI算法训练、推理等，还是依赖英伟达、高通等厂商提供的传统芯片。但是，不管是高通骁龙系列，亦或是英伟达GPU等传统芯片，其当初被研发出来的目的并不是针对AI算法，这也就意味着，在AI算法加速方面，它们多是“心有力而余不足”的。目前，它们所能做的，也仅是在自己原有产品之上加注AI算法，变身为“通用AI芯片”。但究其本质，它们并没有脱离“传统芯片”行列。

 

　　举个例子，行车途中前方突然出现障碍物，如果是CPU，虽有AI优化，但本身架构致使其在算法加速方面有所限制，导致数据处理等相对较慢，从而拉长了时间线，也因此当汽车意识到前方有障碍物时，可能已经撞上了;若是采取并行计算的GPU和针对AI算法加速的AI芯片，汽车将在极短时间内提前发现障碍并作出预判，但是GPU耗能太大，用不了多久就会耗尽汽车的电池电能。相比之下，AI芯片才是最佳方案。

 

　　另外，AI芯片创企异构智能中国区副总裁谢强此前在镁客网M-TECH论坛上表示，CPU、GPU等通用处理器市场已经没有机会了，他们现在所能做的就是把各种各样的终端AI芯片做到极致，配合CPU、GPU等搭建一个小系统，这就是一个很好的解决方案。

 

　　如果说在传统芯片领域，我国“反超”的机会不大，且消耗的多项成本过高，那么“AI”芯片的大面积布局，将是此领域关乎国家战略层面的重要机遇。也由此在风起云涌间，传统芯片与AI芯片难免狭路相逢。

 

　　传统芯片不要慌，AI芯片尚有短板

 

　　相比于针对算法而研发的AI芯片，不管是算力还是功耗，包括GPU等在内的传统芯片在内的传统芯片都无法相比。

 

　　以百度“昆仑”与英伟达“Xavier”为例。百度开发者大会上，李彦宏称“昆仑”是迄今为止业内算力最高的AI芯片，能在100w以上的功耗提供260万亿次/秒的运算速度，而英伟达“Xavier”的算力大概是30万亿次/秒，功耗为30w。从性能和功耗的比值来看，以百度“昆仑”为代表的AI芯片暂时领先。

 

　　云端芯片市场，号称一霸的英伟达面临着谷歌、百度、华为等竞争对手的“虎视眈眈”。而占据手机终端芯片的高通，就AI算法加速而言，虽然它也声称自己是AI平台，但本质上还是利用AI算法对原有既定框架进行优化，不能定义为真正的AI芯片。

 

　　尽管AI芯片来势汹汹，但短板也非常明显。

 

　　事实上，目前还没有出现像CPU一样的AI通用算法芯片，一剑封喉的应用还没出现。首先，AI芯片的量产问题是头部短板。不同于已经定性的传统芯片，AI芯片从架构到设计等多个层面都会是一种全新的颠覆。当前，虽有几家初创公司表示他们的产品已经实现了一种量产，但最终多是应用于自身产品和产业链，算不得真正的量产。

 

　　其次，AI芯片欠缺完整成熟的产业链。在早前由镁客网主办的“M-TECH AI芯片商业化之路”论坛上，多家AI芯片初创公司的嘉宾都表示，云端芯片市场的大部分空间已经被英伟达占据，AI芯片创企在其中没有机会，之所以形成这样的局面正由于其产业链的建立。产业链构建完整，AI芯片从上游设计到中游解决方案、再到下游应用场景落地才能流畅。

 

　　再次，AI芯片的工作只是加速AI算法，但在整个主板上，这只是芯片所要计算的一部分。于其他方面，还有更多的计算工作，而它们中间的多数，并不需要AI芯片的介入，比如数据存储等等。

 

　　当然，主流架构探讨、算法通用可实现性、刚需应用场景等也是AI芯片需要攻克的问题。

 

　　短期之内，如英伟达这样的芯片行业巨头，其GPU因为算力尚且能够满足当前AI算法加速的需要，虽然耗能表现不佳，但是出于产业的需求，仍然是占据了当前市场的主要份额。

 

　　总结：新旧更迭，背后都是市场法则

 

　　不管是CPU、GPU等传统芯片，还是AI芯片，它们出现的根因皆是因为市场有了新需求，继而才会形成趋势，最终落实为产品。这其中，有着时代的更迭，也有着技术的进步。

 

　　这方面，AI芯片本身就是一个典型的案例。因为计算的需要，人们开始研发芯片，从而诞生了CPU、GPU等。之前很长一段时间内，CPU一直做着主要的任务处理和数据计算工作。之后随着AI的出现，CPU的算力遇到了挑战。反之，因为并行运算架构，以往并不起眼的GPU开始焕发光彩。不过，它们终究不是为AI算法而定制的，也因此，迎合产业需求发展的AI芯片出现了。

 

　　长远来看，出于对算力、功耗等多方面的考虑，就AI算法加速方面，AI芯片取代传统芯片是一个必然的结果。届时，AI芯片或将与CPU、GPU等一起集成到一个完整的处理器中，诸如寒武纪NPU被集成至麒麟970一般，又或者，AI芯片也将作为独立处理器存在，这一切目前还是未知数。

 

　　不过，可以确定的是，就当前而言，我国在AI芯片的研发上已经站在了世界前列。一旦AI芯片实现量产，除了迎合智能时代产业发展的需求，我国还将在芯片产业中获得一定的话语权，在当前核心技术缺失的困局下实现“弯道超车”。