近几年来，人工智能作为自互联网诞生以来的第二次技术形态的体现，随着智能产品的落地应用，不同场景的算法持续涌现，计算数据呈爆炸式增长。不少厂商为了追求产品多样化，不断推出新功能，在产品中提到的“人机交互”、“智能识别”等新鲜的概念词汇，以此吸引消费者的购买欲望。
与此同时，AI芯片作为人工智能技术的硬件基础和产业落地的载体，吸引了众多巨头和创企入局，各类AI芯片相继面世。在近日胡润研究院发布的《2020胡润中国芯片设计10强民营企业》榜单中，按照企业市值或估值列出了中国10强本土芯片设计民营企业，分别为：韦尔股份、汇顶科技、兆易创新、卓盛微电子、君正集成电路、圣邦微电子、比特大陆、瑞芯微、晶晨半导体、地平线、寒武纪科技。11家芯片设计企业中比特大陆、地平线、寒武纪科技3家都是AI芯片公司，占据了将近1/3的比重，足以见得AI芯片发展的重要性。
从架构说起，AI芯片走了怎样一条路
其实最早AI芯片的出现并不是为了执行指令，而是为了进行大量的数据训练和应用的计算。由于传统CPU在解决深度学习任务时效率不够高，且耗费的成本昂贵，因此催生了专门解决特定任务的新硬件——AI芯片。
当前AI芯片的设计方案繁多，市面上对于AI芯片其实也没有明确统一的定义，广义上来说所有面向人工智能的芯片都叫做AI芯片。
指令级架构是主流
从芯片架构来看，目前市场上绝大多数AI芯片都是采用传统的指令集架构。
传统的指令集架构采用冯·诺依曼计算方式，通过指令执行次序控制计算顺序，并通过分离数据搬运与数据计算提供计算通用性。在本质上还是所谓的“计算优先”模式，需要通过扩展并行计算单元来提升芯片处理性能。
目前，市场上传统的通用指令集架构主要包括人们熟知的X86架构、ARM架构、RISC-V开源架构，以及SIMD架构。
虽然指令级架构凭借其通用性和广泛的应用，成为了AI芯片的主流架构，但是在AI芯片进行算法处理的过程中，涉及到大量的计算、并行处理、低时延等要求，给芯片存储器带来了巨大的挑战，这也就是冯·诺依曼计算方式下共享内存模式导致的存储性能瓶颈问题，我们又称其为“数据墙”、“内存墙”或者“冯·诺伊曼瓶颈”。
如何通过硬件体系架构的创新，克服存储性能瓶颈问题，进一步提升AI芯片深度学习算法运算效率，成为了当前AI芯片架构创新和发展的一大难题。
(基于冯诺依曼的典型指令集架构示意图)
另一条路：数据流AI芯片
要想解决内存性能跟得上计算单元算力提升的问题，就要打破冯·诺依曼架构的内存墙阻碍。由此也衍生出AI芯片架构的另一条路——数据流芯片。
相信很多人对“数据流AI芯片”了解甚少。在近日鲲云科技举办的新品发布会上，据鲲云科技创始人和CEO牛昕宇博士介绍，与传统指令集架构相比，数据流架构没有概念上的指令计数器，它是依托数据流流动次序控制计算次序，采用计算流和数据流重叠运行方式消除空闲计算单元，并采用动态配置方式保证对于人工智能算法的通用支持，突破指令集技术对于芯片算力的限制。
数据流架构采用了数据流引擎的计算架构，以实现更高的吞吐量和更低的延迟，最大优点在于大幅提升芯片利用率。目前，数据流架构在数字信号处理、网络路由、图形处理、遥感检测、以及数据库处理，以及当今许多软件体系结构中占据着重要地位。
当然，数据流架构AI芯片的研发难度远远大于指令集架构，目前全球基于数据流方式研究AI芯片的企业少之又少，主要有鲲云科技、Wave Computing、Sambanova、Groq，而目前能够实现数据流AI芯片量产的仅有国内的鲲云科技一家。总体而言，数据流架构也不失为未来AI芯片的一条重要发展路径。
三种技术路线，谁是AI芯片的未来
AI芯片目前有3种主流技术路线，分别为GPU、FPGA以及ASIC。
GPU是最早进行并行加速计算的处理器，得益于高并行结构，在处理图形数据和复杂算法方面它比CPU速度更快；在结构上，CPU大部分面积为控制器和寄存器，而GPU拥有更多ALU(逻辑运算单元)用于数据处理，这样的结构更适合对密集型数据进行并行处理。
目前，GPU已经发展到较为成熟的阶段。Google、Facebook、微软、百度等公司都在使用GPU分析图片、视频和音频文件，在无人驾驶技术上也用到很多GPU芯片。但GPU也有一定的局限性。比如深度学习算法分为训练和推断两部分， GPU在算法训练上非常高效。但在推断中，并行计算的优势就不能完全发挥出来。
FPGA是可编程器件基础上进一步发展的产物，用户可通过多次烧录FPGA配置文件来定义这些门电路以及存储器之间的连线。这种方式既解决了定制电路灵活性的不足，又克服了原有可编程器件门电路数有限的缺点。由于FPGA可同时进行数据并行和任务并行计算，因此在处理特定应用时效率更高。
在功耗方面，FPGA每个逻辑单元的功能在烧录时就已经确定，不需要指令，无需共享内存，从而可以极大的降低单位执行的功耗。
第三种，全定制化的ASIC。这类芯片的计算能力和计算效率都直接根据特定的算法的需要进行定制，最大的优势在于体积小、功耗低、高可靠性、保密性强、计算性能高、计算效率高等。所以在特定领域，ASIC芯片是远超GPU、FPGA的。当然，ASIC芯片的缺点也很明显，因为其是针对特定算法设计的，一旦芯片设计完毕，对应的算法就是固定的，所以一旦算法发生变化就可能将会无法使用。
AI芯片崛起的原因
AI芯片之所以能在近几年快速崛起，无外乎以下几个原因：
1、市场需求扩张
在人工智能发展的初期，算法为王，像数据中心、大数据分析、精准营销等方面成功实现了商业落地。随着智能化变革深入到交通、安防、通信等领域，受功耗、传输数据、时延等条件限制，仅靠原有的云端计算解决方案难以满足人工智能本地应用落地计算需求，在终端、边端场景同样需要人工智能计算，因此催生了AI芯片新硬件的发展。
“不管有什么好的AI算法，要想最终得到应用，就必然要通过芯片来实现。”清华大学微电子所所长魏少军教授曾这样表示，作为算法的载体，芯片硬件的提升也为先进的软件算法带来了更多的机会，为高性能、高算力AI芯片的出现提供了更多保障。
2、政策支持，资本看好
人工智能正成为国际学术的新焦点，加快新一代人工智能培养，已成为抓住新一轮科技革命和产业变革机遇的战略性问题。对此，国家对人工智能的发展高度重视，并陆续出台一系列人工智能产业发展政策。目前我国人工智能产业已基本成型，从中央到各地的政策措施陆续亮相。在政策扶持下，不仅能加快人工智能产业政策的落地，还能促进产业深度融合，加速人工智能应用商业化的发展。
AI芯片市场引发了老牌芯片厂商英伟达、英特尔的持续关注，像国内的百度、阿里、华为等科技巨头也纷纷加码AI芯片赛道。除了巨头的动作，早在2014年国家多部门联合多个企业成立了“国家集成电路产业投资基金”，一期投资高达1387亿元，如今大基金二期完成2000亿左右规模的募资，接下来将重点投资人工智能、5G、物联网等终端应用产业，进一步推动国产半导体产业发展。
3、技术门槛稍低
为什么有大量厂商都开始转型研发AI芯片，很重要的一点原因是其技术门槛稍低。很多人工智能学习都要求的是完成简单而大量地重复输入，且AI芯片针对某一类特定场景进行开发，不像传统CPU一样要求“十项全能”。其次，很多时候所谓的AI芯片并不是独立研发的一块芯片，不必耗费大量精力去完成各类IP(知识产权)内核，而是针对一些AI功能进行加速优化，以释放更多计算资源跟其他模块去处理复杂场景。这也是科技企业为什么蜂拥做AI芯片的原因之一。
AI芯片群雄逐鹿，国产崛起正当时
据OFweek电子工程网不完全统计，自2014年AI芯片创业潮以来，国内AI芯片企已超过数百家，公开宣布推出AI芯片产品的企业包括传统芯片厂商华为海思、紫光展锐、联发科、瑞芯微等，也有凭借自己在互联网领域深厚实力进军AI芯片的科技巨头百度、阿里巴巴，还有诸如寒武纪、地平线、云天励飞等大批专注AI芯片细分领域“后起之秀”。
光是在2019年，就有阿里巴巴、百度、寒武纪等多家厂商推出了性能领先的AI芯片产品，覆盖图像识别、智慧城市、云计算、自动驾驶等多个领域。
纵观全球AI芯片发展，中美两国成为了主要竞争对手。根据乌镇全球人工智能申请专利数量统计，美国、中国位列前二，且数量级接近；在知名专利检索公司QUESTEL发布的《芯片行业专利分析及专利组合质量评估》报告指出：中国近10年芯片专利增长惊人，已成为芯片专利申请第一大国。
众所周知，“无芯之痛”一直是国内半导体产业发展的最大不足，AI芯片正是国内企业发展的绝佳机会，国内企业已经初步具备了和国际企业竞争合作的技术基础和知识产权基础，彰显出中国军团在AI芯片领域的弯道超车之势。
但是国产AI芯片快速崛起的态势也并非一帆风顺，虽然我国在在偏向于设备端的AI 芯片开发领域，以及类脑芯片领域都有所建树，但在FPGA、GPU领域依然缺乏有竞争力的原创产品，大多数只是只是基于FPGA/GPU做二次开发。这主要与我国在芯片领域一直缺乏关键核心自主技术有关，想要突破技术壁垒，还要踏实走好每一步。
市场趋于理性，“够实力”才能存活
据OFweek电子工程网观察近几年来媒体热度以及各家公司新品发布消息，以及结合百度指数对“人工智能”、“芯片”等关键词的趋势研究来看，2017-2018年尤其是2018下半年相关的热度达到了高点。
(数据源自百度指数-趋势研究)
如同任何新兴技术的发展曲线一样，AI芯片行业在一轮创业及融资热潮之后，也经历了一轮大洗牌。从信息流的角度来看，AI芯片热潮从2019年至今已经退却了不少，目前保持相对平稳的曲线正向发展。
早期AI芯片概念一出，就如同iPhone10的刘海屏一般，各家友商一见到立马跟风模仿，不管本质是不是AI芯片，总之先挂个名号上去。由于消费者对于AI的理解也不充分，就方便了部分不良商家浑水摸鱼，整个AI产品市场也受到了不少混乱影响。
随着AI芯片细分领域的成熟，大批AI芯片产品的问世，市场开始对各厂商的产品和技术进行检验，大量没有营收、产品不具备市场竞争力的AI初创公司不得不退出竞争。唯有真正具备核心技术研发实力的企业，才有存活下来的资本。虽然如今AI芯片的热度不像之前那么火爆，但难保接下来不会再次爆发一波行业热潮，AI芯片的未来会是什么样，仍然充满无限可能。
