过去一年，随着AI在各个行业的不断落地，行业痛点逐渐被发现，AI芯片的发展路径渐趋明朗。各业界精英在GPU上持续发力，不断推出全新的产品。新产品在计算能力提升的同时，其芯片面积也已经屡创新高，甚至逼近了制程和成本的平衡极限。

英伟达：占全球AI芯片50%以上市场份额

英伟达一直致力于设计各种GPU：针对个人和游戏玩家的GeForce系列，针对专业工作站的Quadro系列，以及针对服务器和高性能运算的Tesla系列。

英伟达占据了全球AI芯片市场的50%以上份额，旗下产品线遍布自动驾驶汽车、高性能计算、机器人、医疗保健、云计算、游戏视频等众多领域。

由于在AI领域的一家独大，英伟达的股价在过去一年的时间里狂涨了300%。2017年，从游戏、数据中心到人工智能，市场对英伟达芯片的需求一路上升。

英特尔：专注计算机视觉芯片VPU

英特尔作为传统PC芯片的老大，也在积极向PC以外的市场转型。在AI芯片方面，英特尔专注于计算机视觉优化方面的VPU（Vision Processing Unit）。

为了加强在人工智能芯片领域的实力，英特尔以 167 亿美元收购 FPGA 生产商 Altera ，以 153 亿美元收购自动驾驶技术公司 Mobileye，以及机器视觉公司 Movidius和为自动驾驶汽车芯片提供安全工具的公司Yogitech。

IBM：启动类人脑芯片的研发

IBM很早以前就发布过watson，早就投入了很多的实际应用中去。除此之外，还启动了对类人脑芯片的研发，那就是TrueNorth。

TrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。SyNapse全称是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自适应可塑可伸缩电子神经系统，而SyNapse正好是突触的意思），其终极目标是开发出打破冯?诺依曼体系的硬件。

谷歌：为机器学习应用而设计的专用芯片TPU

Google在2016年宣布独立开发一种名为TPU的全新的处理系统。在2016年3月打败了李世石和2017年5月打败了柯杰的的阿尔法狗，就是采用了谷歌的TPU系列芯片。

TPU是专门为机器学习应用而设计的专用芯片。

通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行得更快，加深了人工智能在学习和推理方面的能力，进而更快地让用户得到更智能的结果。

谷歌也正在将自己的云端AI转为客户端的本地AI，这次谷歌推出的Edge TPU就是如此，它是TPU的简化版本，针对物联网，相比云端，能更快的收到传感器数据，从而进行AI处理。

技术细节上，Edge TPU是专门设计的ASIC芯片，用于运行ensorFlow Lite ML模型，它的能耗比非常高，大小也非常小，比一枚硬币要小很多。

苹果：神经网络引擎提升苹果手机性能

在iPhone 8和iPhone X的发布会上，苹果明确表示其中所使用的A11处理器集成了一个专用于机器学习的硬件——“神经网络引擎（Neural Engine）”，每秒运算次数最高可达6000亿次。

这块芯片将能够改进苹果设备在处理需要人工智能的任务时的表现，比如面部识别和语音识别等。

AMD：重回服务器市场

AMD首先挑战的是x86服务器市场，试图在这个领域寻找立足点。AMD在去年6月正式推出全线的超智能服务器处理器产品——EPYC（霄龙）。

时隔两个月，AMD又将全套EPYC 7000系列数据中心处理器家族带到中国。

值得注意的是包括腾讯、京东、百度、联想、曙光等十余家产业链合作伙伴带着产品和合作成果为AMD回归服务器的中国站活动见证，可见中国市场将是AMD复兴之路的一个重要阵地。

另外，去年12月，相争50多年的Intel和AMD宣布将联手推出一款结合英特尔处理器和AMD图形单元的笔记本电脑芯片，一时间业内哗然。Intel和AMD的合作或许会对Nvida产生一些影响。

ARM：让平民也能用上人工智能

ARM曾在去年推出了一套全新芯片架构技术DynamIQ，这套IP套件可以与其无缝集成。

DynamIQ不仅采用了新的指令集，专门针对人工智能进行了优化；而且同时可容纳8个核，并且提高了芯片架构的灵活性，支持大小核的灵活配置。

今年又推出了一套全新的Mali多媒体IP套件，适用于手机、平板、电视等芯片。

这套全新的Mali多媒体IP套件中包括Mali-G52 GPU、Mali-G31 GPU、Mali-D51显示处理器、Mali-V52视频处理器，其中Mali-G52 GPU将机器学习方面性能提高了3.6倍、Mali-G31则是ARM最小的处理器，能够为中低端智能设备带来人工智能能力。

高通：力推深度学习的移动设备芯片

在智能手机芯片占据绝对优势的高通也在人工智能方面积极布局。

据高通提供的资料显示，其在人工智能方面已投资了Clarifai公司和中国“专注于物联网人工智能服务”的云知声。而早在2015年CES上，高通推出了一款搭载骁龙SoC的飞行机器人——Snapdragon Cargo。高通认为在工业、农业的监测以及航拍对拍照、摄像以及视频新需求上，公司恰好可以发挥其在计算机视觉领域的能力。

此外，高通的额骁龙820芯片也被应用于VR头盔中。事实上，高通已经在研发能在本地完成深度学习的移动设备芯片。

三星：三年内自家智能手机都采用人工智能芯片

2017年，华为海思推出了麒麟970芯片，据知情人士透露，为了对标华为，三星已经研发了许多种类的人工智能芯片。

三星计划在未来三年内自家智能手机中都采用人工智能芯片，并且他们还将为人工智能设备建立新的组件业务。三星还投资了Graphcore、深鉴科技等人工智能芯片企业。

未来五年，我们预计AI芯片市场的规模有接近10倍的增长，2022年将达到352亿美元。在训练芯片方面，我们继续看好Nvidia利用CUDA+GPU构建的生态环境优势，以Google TPU为代表的xPU很难撼动其垄断地位。随着终端细分场景落地，推断芯片的发展出现专业化趋势，为现有及初创公司提供巨大发展空间。