人工智能正在转变各行各业，而芯片是实现人工智能的载体 。

　　2018年，资本对半导体芯片的 热忱被AI技术彻底点燃， 无论是巨头公司还是创业公司、传统创造公司还是互联网公司，都对芯片 热忱高涨 。5月到7月，云知声、出门问问、Rokid、百度纷纷公布AI芯片或芯片模组，思必驰确认正在打造AI语音芯片，深鉴科技对外 宣告其AI芯片将于今年下半年上市，云知声 独创人兼CEO黄伟甚至用“不做芯片，必死”来 抒发自己做AI芯片的 信念 。

　　然而，“到现在为止， 寰球还没有浮现一款真正的AI芯片，由于真正的人工智能还远未能实现 。”异构智能中国区总经理周斌的这番话代表了 部分业内人士的观点 。

　　《IT时报》记者采访大量AI界人士后发现，关于AI芯片的概念，目前 寰球并没有 构成统一共识，甚至有投资人认为，AI芯片领域存在泡沫，大 部分创业公司将会消逝 。

　　但无论如何，身在草莽年代的AI芯片群雄们，总会有人为中国核心技术国产化“杀出一条血路” 。

　　AI芯片的不同定义

　　“初创企业做AI芯片很可能得不偿失 。”芯片企业苏州迈瑞微公司的 独创人李扬渊在行业里浸淫十几年，他告诉《IT时报》记者，一款芯片从0到1需要10年以上的周期，他自家的芯片产品也是流片5次后才正式商用，流片20次 威力处于业内顶尖的位置，“假如是企业自行研发AI芯片，采纳40nm(纳米)工艺，那么成本可能会上涨而不是减低 。芯片必须靠规模 摊派研发成本，40nm工艺仅流片费高达1000万元， 摊派给100万PCS(某一产品单位数量)， 均匀每片成本高达10元，这还不包含更加高额的研发费用 。”

　　但Rokid平台研发负责人朱斌的观点 偏偏与李扬渊相反，“智能 设施采纳通用芯片是杀鸡用牛刀，特别需要需要特别芯片来解决痛点，定制AI芯片 偏偏是在减低成本，人工智能硬件对算力有需要，低端的通用芯片算力不够，高端的通用芯片又有许多冗余设计，造成高功耗 。”

　　AI芯片也被称为AI加快器或计算卡，通常概念中，AI芯片是指专门用于 解决人工智能 利用中的大量计算 使命的模块( 其余非计算 使命仍由CPU负责)，目前主要分为GPU、FPGA、ASIC等类型，与高通骁龙等通用芯片不同，AI芯片主要用于 解决专用 使命， 比方安防中高清视频的 鉴别、自动驾驶时的数据计算等等 。

　　6月26日，Rokid公布了一款KAMINO18 自研AI语音专用芯片，可 支撑智能音箱和儿童故事机，不同于英特尔、高通等传统通用芯片，这是一块AI语音专用的SoC(系统级芯片)芯片，其内部继承了ARM、NPU、DSP、DDR、DAC等多个核心元件，大小与一枚一元硬币差不多 。朱斌曾经专门对语音唤醒做硬件上的架构设计，发现通用芯片中许多 性能用不到，但附件成本依旧存在，于是，Rokid在上一年9月开始定制自己的芯片，采纳DSA(Domain specific architecture)架构，从 本身的产品和算法要求 起程，用异构计算的 模式整合到芯片中，在整机工作状态下，产品功耗能减低30%到50% 。

　　李扬渊和朱斌的不同观点，恰好代表了传统半导体行业与互联网创业公司对AI芯片的两种不同认知，半导体圈出身的人更看重芯片从0到1的 打破，而“由软变硬”的互联网创业者却更 盼望在1、2、3、4的 根底上，通过算法和软件设计，直接变成10 。从目前已公布的AI芯片来看，它们主要 目标体现在以 合适的 状态和功耗来加快某种机器学习算法上 。 比方，用在边缘侧和终端侧 设施时，要求极低的功耗和极高的矩阵/浮点运算 威力，这些是通用型芯片很难做到的 。

　　可佐证的是另一家龙头芯片厂商的工程师对此的解释，在他看来，目前市场上大多数AI语音芯片，属于一种服务于“专有” 性能的芯片(可类比DSP数据信号 解决)，由于 专一于一项或几项 性能，限定于特定场景 使用，所以设计和生产的复杂度要比通用芯片低，外加这类芯片很少牵扯技术授权的缘由，做起来会更加方便 。这些AI芯片并不是从底层开始做起，而是直接从SoC或者通用 解决器外挂某种“协 解决器”之类架构优化，通过各种IP的组合来加快上层 利用的场景，譬如语言，图像 。

　　异构的 殊途同归

　　目前，AI芯片并无清楚的定义，所以如何算“真正”并不好 衡量 。不久前的2018动点国际峰会(杭州)上，硅谷创业公司异构智能中国区总经理周斌试着给AI芯片下了个定义，“ 可以高效率、高性能地 实现目前人工智能最核心的算法，由于现在主流算法是深度学习， 象征着AI芯片必须对深度学习有十分好的 支撑 。”从数据来看，周斌认为，AI芯片的计算 威力必须要超过每秒5万亿次，由于惟独达到这样的性能指标，众多特定 利用计算 后果才可能与人的 威力相媲美 。

　　周斌公司的名字——“异构”， 本质上正是对AI芯片创业者们互联网背景最直接的阐释 。异构，顾名思义是指由不同 起源一起组成，互联网就是一个典型的异构网络 。后来 演变出的异构计算，是一种特别 模式的并行和 分布式计算，常被用于协调不同硬件以满足不同的计算需要，并使代码(或代码段)能以猎取最大总体性能 模式来执行 。

　　目前AI芯片 根本都通过多种芯片进行异构计算 。过去传统芯片公司只 专一于少数几种芯片，但现在的芯片公司开始 重视横向进展，整合不同类型的芯片， 比方，手机SoC在传统的CPU(中央 解决器)、GPU(图形 解决器)、ISP(在线编程)之外，还会加入另外用来加快AI的NPU(嵌入式神经网络 解决器)等 解决核心 。“异构芯片中有一 部分是通用 性能 。”云知声联合 独创人康恒告诉《IT时报》记者 。

　　成本决定的 路径

　　一个 乏味的 景象是，互联网出身的AI创业者都在跑步进入AI芯片硬件领域，而传统芯片厂商却在用算法等“软”的 步骤实现AI 。

　　AI技术有三大 因素，算法、算力和数据 。从国际AI技术前沿来看，深度学习等算法模型的研发并未成熟， 迁徙学习、胶囊网络等新的算法模型都在同步 快捷进展，AI芯片该 使用什么 步骤和原理实现仍在探究阶段 。事实上，目前主流芯片厂商并没有推出AI芯片，众多AI 性能都通过通用芯片加特别的算法、软件 实现 。

　　高通今年年头推出的人工智能引擎(AI Engine)包含软硬件两 部分，在高通骁龙核心硬件架构(CPU、GPU、VPS向量 解决器)上搭载了神经 解决引擎(Neural Processing Engine， NPE)、Android NN API、Hexagon神经网络库等软件，让人工智能在终端侧(如智能手机)上的 利用更 快捷、高效 。高通旗下芯片产品骁龙845、骁龙835、骁龙820、骁龙660都 支撑AI Engine，而国内不少打着AI旗号的手机也 根本采纳高通 方案，通过该AI Engine更好实现人脸 鉴别 性能 。

　　但关于目前AI芯片的创业者和智能家居厂商而言，通用芯片“太贵”了 。

　　康恒告诉《IT时报》记者，电视、空调等大家电产品的利润足以 遮蔽语音模组的高成本，但风扇、电灯等小家电成本 制约较大，模组的优势便 减弱了，“客户想做更多的智能品类，下沉到低端产品，但市场上 根本找不到 合适的芯片，一款百元以内的产品，通用芯片并不划算 。”打造自己的AI芯片后，云知声 可以把语音AI技术的芯片 方案开放给客户，在成本及供给周期上有了更大的 积极权 。

　　然而李扬渊认为人工智能的 要害技术，在不同阶段的主要程度不同 。“ 解决器不是人工智能 要害技术，专用 解决器只在 部分工作段起 晋升竞争力的作用 。”他认为感知段以传感器为 核心， 解决器存在价格并不高；认知段、学习段和决策段，太强调 解决器反而影响成本，包含一次性成本和功耗成本 。

　　“没有哪一段以专用的人工智能芯片为前提，应该把研发人工智能芯片当作一件独立的事，而不是软件探究的自然蔓延 。”李扬渊以人做比喻，传感器是人的躯壳，大脑靠算法取胜 。

　　半导体 综合师李寿鹏也认为，人工智能 依附的是算法，芯片只不过载体 。假如想用ASIC(全定制芯片)去做更好的语音 鉴别 解决，硬件差别性并不大 。对语音 鉴别来说， 鉴别语句与软件、网络、训练更有关系，而之前存在的云和端数据 交换延迟问题，也会随着5G到来，迎刃而解 。

　　落地第一站——智能音响

　　研发AI芯片比高端通用芯片更 方便，是AI圈 广泛的认知 。

　　云知声联合 独创人、IoT事业部副总裁李霄寒认为， 通过几十年的进展，芯片业 积淀了众多模块化的东西， 比方高通和联发科都是基于ARM的架构设计芯片， 因此，并不是每一款AI芯片都要从零开始， 可以用业界成熟的模块和产品，但AI芯片的核心加快模块需要从最底层开始设计 。从 2014 年提出云、端、芯 策略，到 2015 年正式 构建研发团队，再到 2018 年推出AI 芯片“雨燕”，云知声花了整整 4 年 工夫， 匆匆意识到AI不能只在云端，要落地 。

　　2018年被称为AI芯片落地年，所谓落地，是指AI芯片要搭载到终端上商用 。2017年，中国在芯片领域的投资超过1500亿元人民币，2018年开始，这些投资的产业将陆续密集落地 。信中利资本 集团 独创人、董事长汪潮涌不久前在寻觅中国创客第四季夏季峰会上指出，中国每年 花费3000多亿美元进口各类芯片， 消费 寰球1/3的芯片，自给率不到10%， 因此，AI芯片的投资是重中之重，但由于安防AI芯片的流片成本和研发费用昂贵，目前尚未 构成规模化的出货量来抵扣成本；自动驾驶汽车未量产，自动驾驶AI芯片安全性未达要求； 其余特定领域AI芯片总体下游需要缺乏，供大于求，“目前AI领域存在较大泡沫 。”

　　依据摩尔定律，芯片每隔18个月性能就会 晋升一倍，成本会 降落一半，但半导体行业赚钱的 根本秘诀还是规模化， 是不是有足够大的出货量和商用市场，是AI芯片顺利从纸面上“着陆”的 要害 。此前有媒体报导，即就是安防领域的“大佬”海康威视，每年关于英伟达的需要也惟独20万片 。

　　从这个角度来看，智能音响可能是AI芯片最早实现落地的市场 。调研公司Canalys Research(以下简称Canalys)公布报告称，到今年年底，智能音响的保有量将达到1亿部， 几乎是上一年的2.5倍 。上一年，智能音响的保有量缺乏5000万部 。 将来几年，智能音响的保有量将 接续增进，到2020年其保有量将添加一倍以上，达到2.25亿部 。

　　云知声今年5月公布了面向物联网的AI芯片UniOne，用于在终端当地做边缘计算， 可 认为智能音响、智能家居、智能家电等提供服务 方案 。出门问问公布的AI语音芯片模组“问芯”已经量产，客户 可以下单购买 。

　　出门问问的CEO李志飞认为，芯片是一个长周期产业，从概念开始，要 通过系统设计、模块设计、仿真验证、线路综合、布局布线、流片生产、封装测试、驱动开发、解决 方案适配等十分长的流程，芯片一旦做成很难像软件一样再做 批改，必须再一次设计流片，迭代周期长、成本高，而芯片 本身属性是一种计算的硬件载体，不同的芯片适配不同的算法和 利用场景，AI芯片一方面要有足够的算力去运行各种语音AI算法，另一方面还要针对各种场景做大量接口的适配，同时让成本和功耗满足大规模量产的商业要求 。

　　“能产业化且能在市场上对国外的同类产品组成竞争 挟制才是一块芯片 顺利的 标准 。”一位业内人士如是说道 。从这丝毫来看，中国的AI芯片才方才起步，江湖草莽，泡沫待破 。