51電子網公益庫存:

U.FL-R-SMT-1

U2010B-MFPG3Y

U2044B-MFPG3Y

U4285BM

U642B-MFPG3Y

U6803B-MFPG3Y

UA741CD

UA78L05ACPKG3

UA78M33CDCYR

UAA3220TS

4.16E+11

40CTQ045S

40N03GP

40TPS12PBF

4-1932000-7

42CTQ030S

46114-8200

4712KL-05W-B40-P00

47308-0001

47346-0001

對于傳統芯片而言，接下來需要奮起直追，而另一方面，ai芯片的迅速爆發也給中國芯片產業帶來了久違的起跑線驕傲。據市場研究公司compass intelligence發布的上半年研究報告顯示，在全球前24名的ai芯片企業排名表中，英偉達(nvidia)、英特爾(intel)以及ibm(npu)分別位列前三名，中國公司占據了七個席位，最高名次是排行第12的華為。

困局之中破局是唯一的出路，ai芯片可能就是那個突破口。作為計算芯片的一種，它正在對傳統(計算)芯片發出挑戰。

ai芯片是趨勢使然

根據摩爾定律，當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍。如何在相同的面積內放入更多的元器件?這對于制作工藝而言是一個極其大的挑戰，而這一工藝的提升速度是緩慢且艱難的。因此，在算力、性能等方面，當前的集成電路相當于到了一個“瓶頸期”。

與此同時，ai逐步發展并落地，面對海量數據的實時采集和處理，“算力”成為了一項至關重要的必備條件。然而當前的ai算法訓練、推理等，還是依賴英偉達、高通等廠商提供的傳統芯片。但是，不管是高通驍龍系列，亦或是英偉達gpu等傳統芯片，其當初被研發出來的目的并不是針對ai算法，這也就意味著，在ai算法加速方面，它們多是“心有力而余不足”的。目前，它們所能做的，也僅是在自己原有產品之上加注ai算法，變身為“通用ai芯片”。但究其本質，它們并沒有脫離“傳統芯片”行列。http://yushuo1.51dzw.com/

舉個例子，行車途中前方突然出現障礙物，如果是cpu，雖有ai優化，但本身架構致使其在算法加速方面有所限制，導致數據處理等相對較慢，從而拉長了時間線，也因此當汽車意識到前方有障礙物時，可能已經撞上了;若是采取并行計算的gpu和針對ai算法加速的ai芯片，汽車將在極短時間內提前發現障礙并作出預判，但是gpu耗能太大，用不了多久就會耗盡汽車的電池電能。相比之下，ai芯片才是最佳方案。

另外，ai芯片創企異構智能中國區副總裁謝強此前在鎂客網m-tech論壇上表示，cpu、gpu等通用處理器市場已經沒有機會了，他們現在所能做的就是把各種各樣的終端ai芯片做到極致，配合cpu、gpu等搭建一個小系統，這就是一個很好的解決方案。

如果說在傳統芯片領域，我國“反超”的機會不大，且消耗的多項成本過高，那么“ai”芯片的大面積布局，將是此領域關乎國家戰略層面的重要機遇。也由此在風起云涌間，傳統芯片與ai芯片難免狹路相逢。

傳統芯片不要慌，ai芯片尚有短板

相比于針對算法而研發的ai芯片，不管是算力還是功耗，包括gpu等在內的傳統芯片在內的傳統芯片都無法相比。

以百度“昆侖”與英偉達“xavier”為例。百度開發者大會上，李彥宏稱“昆侖”是迄今為止業內算力最高的ai芯片，能在100w以上的功耗提供260萬億次/秒的運算速度，而英偉達“xavier”的算力大概是30萬億次/秒，功耗為30w。從性能和功耗的比值來看，以百度“昆侖”為代表的ai芯片暫時領先。

云端芯片市場，號稱一霸的英偉達面臨著谷歌、百度、華為等競爭對手的“虎視眈眈”。而占據手機終端芯片的高通，就ai算法加速而言，雖然它也聲稱自己是ai平臺，但本質上還是利用ai算法對原有既定框架進行優化，不能定義為真正的ai芯片。

盡管ai芯片來勢洶洶，但短板也非常明顯。http://yushuokj.51dzw.com/

事實上，目前還沒有出現像cpu一樣的ai通用算法芯片，一劍封喉的應用還沒出現。首先，ai芯片的量產問題是頭部短板。不同于已經定性的傳統芯片，ai芯片從架構到設計等多個層面都會是一種全新的顛覆。當前，雖有幾家初創公司表示他們的產品已經實現了一種量產，但最終多是應用于自身產品和產業鏈，算不得真正的量產。

其次，ai芯片欠缺完整成熟的產業鏈。在早前由鎂客網主辦的“m-tech ai芯片商業化之路”論壇上，多家ai芯片初創公司的嘉賓都表示，云端芯片市場的大部分空間已經被英偉達占據，ai芯片創企在其中沒有機會，之所以形成這樣的局面正由于其產業鏈的建立。產業鏈構建完整，ai芯片從上游設計到中游解決方案、再到下游應用場景落地才能流暢。

再次，ai芯片的工作只是加速ai算法，但在整個主板上，這只是芯片所要計算的一部分。于其他方面，還有更多的計算工作，而它們中間的多數，并不需要ai芯片的介入，比如數據存儲等等。

當然，主流架構探討、算法通用可實現性、剛需應用場景等也是ai芯片需要攻克的問題。

短期之內，如英偉達這樣的芯片行業巨頭，其gpu因為算力尚且能夠滿足當前ai算法加速的需要，雖然耗能表現不佳，但是出于產業的需求，仍然是占據了當前市場的主要份額。

總結：新舊更迭，背后都是市場法則

不管是cpu、gpu等傳統芯片，還是ai芯片，它們出現的根因皆是因為市場有了新需求，繼而才會形成趨勢，最終落實為產品。這其中，有著時代的更迭，也有著技術的進步。

這方面，ai芯片本身就是一個典型的案例。因為計算的需要，人們開始研發芯片，從而誕生了cpu、gpu等。之前很長一段時間內，cpu一直做著主要的任務處理和數據計算工作。之后隨著ai的出現，cpu的算力遇到了挑戰。反之，因為并行運算架構，以往并不起眼的gpu開始煥發光彩。不過，它們終究不是為ai算法而定制的，也因此，迎合產業需求發展的ai芯片出現了。

長遠來看，出于對算力、功耗等多方面的考慮，就ai算法加速方面，ai芯片取代傳統芯片是一個必然的結果。屆時，ai芯片或將與cpu、gpu等一起集成到一個完整的處理器中，諸如寒武紀npu被集成至麒麟970一般，又或者，ai芯片也將作為獨立處理器存在，這一切目前還是未知數。http://http://yushuo2.51dzw.com/

可以確定的是，就當前而言，我國在ai芯片的研發上已經站在了世界前列。一旦ai芯片實現量產，除了迎合智能時代產業發展的需求，我國還將在芯片產業中獲得一定的話語權，在當前核心技術缺失的困局下實現“彎道超車”。　“中興被禁”事件，給國內市場的第一喝棒指向芯片制造。這是我國的短板，也是智能產業最重要的“剛需”。從2008年開始，連續十年芯片都是我國第一大宗進口商品，占據了國際需求市場的50%，2017年的進口數量為3770億塊，花費金額為2601億美元。這些芯片被搭載在了智能手機、電視、電腦等多種硬件中，而這些產品的生產量均占全球總量的半數以上，其中電腦更高達95%。來源：網絡