【盤點：十大人工智能芯片廠商】核心提示：在人工智能領域，算法的實現依賴于計算機強大的運行速度，因此芯片就顯得尤為重要。目前AI芯片這個市場，已經吸引了很多玩家，無論是傳統的半導體業者，還是所謂的初創企業，都開始投奔這個下一個金礦。本文為大家盤點人工智能領域的芯片廠商和他們的產品，來看看有哪些典型代表。

在人工智能領域，算法的實現依賴于計算機強大的運行速度，因此芯片就顯得尤為重要。目前AI芯片這個市場，已經吸引了很多玩家，無論是傳統的半導體業者，還是所謂的初創企業，都開始投奔這個下一個金礦。本文為大家盤點人工智能領域的芯片廠商和他們的產品，來看看有哪些典型代表。

1、英偉達

憑借具備識別、標記功能的圖像處理器，在人工智能還未全面興起之前，英偉達就先一步掌控了這一時機。在2016年，英偉達更是一連發布了多款針對深度學習的芯片，像4月份發布的一款可執行深度學習神經網絡任務的TeslaP100GPU，又比如9月份發布的基于Pascal架構的深度學習芯片TeslaP4和TeslaP40，其中，Pascal架構能助推深度學習加速65倍。

除了研發芯片，英偉達還發布了多個用于不同領域的硬件和平臺，進一步擴大了自己的人工智能布局。在CES2017上，英偉達發布的自動駕駛芯片XAVIERAICARSUPERCOMPUTER、智能家居硬件Spot以及搭載了人工智能系統ProAI（由ZF、英偉達聯合研發）的車載電腦等。據悉，ProAI系統可以通過深度學習處理來自汽車傳感器和攝像頭的數據，能夠清晰的識別周圍環境，在高清地圖上精確定位，為車輛規劃出一條安全的前行道路，進一步適用于高速公路自動化駕駛。

2、ARM

迄今為止，全球85%的智能移動設備中都采取了ARM架構，其中，超過95%的智能手機運用了ARM的處理器，在智能硬件和物聯網高速發展的如今，ARM有著絕對的地位。

此外，根據其2015年Q4財報，ARM所授權的芯片主要都用在了移動計算、智能汽車、安全系統和物聯網。在智能汽車領域，包括NVIDIA、高通在內都是基于ARM設計開發了面向駕駛輔助系統的超級計算機。早前，對于收購ARM一事，軟銀CEO孫正義就曾明確表示ARM芯片將推動人工智能走向奇點。而在收購之后，軟銀也對ARM早已開始的人工智能項目“BlueSkyProgram”表示了極大的支持。

3、Intel&Nervana

在2016年11月，Intel公司發布了一個叫做Nervana的AI處理器，他們宣稱會在明年年中測試這個原型。如果一切進展順利，Nervana芯片的最終形態會在2017年底面世。這個芯片是基于Intel早前購買的一個叫做Nervana的公司。按照Intel的人所說，這家公司是地球上第一家專門為AI打造芯片的公司。

Nervana一直在努力將機器學習功能全力引入到芯片之中，是人工智能ASIC芯片供應商。得到Intel的支持后，Nervana正計劃推出其針對深度學習算法的定制芯片NervanaEngine。據Nervana相關人員表示，相比GPU，NervanaEngine在訓練方面可以提升10倍性能。

4、IBM

百年巨人IBM，在很早以前就發布過wtson，現在他的人工智能機器早就投入了很多的研制和研發中去。而在去年，他也按捺不住，投入到類人腦芯片的研發，那就是TrueNorth，郵票大小、重量只有幾克，但卻集成了54億個硅晶體管，內置了4096個內核，100萬個“神經元”、2.56億個“突觸”，能力相當于一臺超級計算機，功耗卻只有65毫瓦。

TrueNorth是IBM參與DARPA的研究項目SyNapse的最新成果。這種芯片把數字處理器當作神經元，把內存作為突觸，跟傳統馮諾依曼結構不一樣，它的內存、CPU和通信部件是完全集成在一起。因此信息的處理完全在本地進行，而且由于本地處理的數據量并不大，傳統計算機內存與CPU之間的瓶頸不復存在了。同時神經元之間可以方便快捷地相互溝通，只要接收到其他神經元發過來的脈沖（動作電位），這些神經元就會同時做動作。

5、谷歌

谷歌的人工智能相關芯片就是TPU。也就是TensorProcessingUnit。

TPU是專門為機器學習應用而設計的專用芯片。通過降低芯片的計算精度，減少實現每個計算操作所需的晶體管數量，從而能讓芯片的每秒運行的操作個數更高，這樣經過精細調優的機器學習模型就能在芯片上運行的更快，進而更快的讓用戶得到更智能的結果。Google將TPU加速器芯片嵌入電路板中，利用已有的硬盤PCI-E接口接入數據中心服務器中。

6、中星微

在極度依賴國外進口的我國芯片產業中，中星微可謂一匹突出重圍的“黑馬”。在2016年6月份，中星微率先推出了中國首款嵌入式神經網絡處理器（NPU）芯片“星光智能一號”，這也是全球首枚具備深度學習人工智能的嵌入式視頻采集壓縮編碼系統級芯片，并已于3月6日實現了量產。

該芯片采用了“數據驅動”并行計算的架構，單顆NPU（28nm）能耗僅為400mW，極大地提升了計算能力與功耗的比例，可以廣泛應用于智能駕駛輔助、無人機、機器人等嵌入式機器視覺領域。

7、微軟

微軟蟄伏六年，打造出了一個迎接AI世代的芯片。那就是ProjectCatapult。這個FPGA目前已支持微軟Bing，未來它們將會驅動基于深度神經網絡——以人類大腦結構為基礎建模的人工智能——的新搜索算法，在執行這個人工智能的幾個命令時，速度比普通芯片快上幾個數量級。有了它，你的計算機屏幕只會空屏23毫秒而不是4秒。

8、KnuEdge

KnuEdge實際上并不是一個初創公司，它由NASA的前任負責人創立，已經在一個隱形模式下運營了10年。KnuEdge最近從隱形的模式中走出，并讓全世界知道他們從一個匿名的投資人獲取1億美元的投資用來開發一個新的“神經元芯片”。

KUNPATH提供基于LambaFabric的芯片技術，LambaFabric將會通過與現在市場上的GPUs、CPUs和FPGAs完全不同的架構進行神經網絡的計算。LambdaFabric本質上是為在高要求的運算環境下向上拓展至512000臺設備而設計，機架至機架延遲時間只有400毫微秒，低功耗的256核處理器。

9、地平線機器人

由余凱創立于2015年的初創企業HorizonRobotics（地平線機器人）已經從包括Sequoia和傳奇的風險資本家YuriMilner等投資人獲得了未透露金額的種子基金。后來更是獲得了已經獲得了晨興、高瓴、紅杉、金沙江、線性資本、創新工場和真格基金的聯合投資。他們正在著手于建立一個一站式人工智能解決方案，定義“萬物智能”，讓生活更便捷、更有趣、更安全。

地平線致力于打造基于深度神經網絡的人工智能“大腦”平臺-包括軟件和芯片，可以做到低功耗、本地化的解決環境感知、人機交互、決策控制等問題。

10、krtkl

創立于2015年的krtkl致力于創造“一個微小的無線電腦用來創造一些完全不同的東西”。這款開拓板是基于XilinxZynqSoC，集成了ARM處置器和可編程FPGA。用戶甚至可以經過手機上的專用APP對其舉行編程，供230個用戶可用的I/O接口，應用靈巧兼容很多擴展板卡，其特征如下：選擇Zynq7010SoCchip，集成雙核ARMCortex-A9@667Mhz處置器和430KLUT的FPGA資源（可晉級為Zynq7020@866Mhz1.3MLUT）。

這款開拓板的一大亮點是不僅支援傳統的MicroUSB程序燒寫，終端調試等效能，還支援手機終端操控，應用官方供的Apps，經過Wi-Fi連接開拓板，用戶可以下載程序，管腳把持，管腳復用以及體系把持能效能。