人工智能AI芯片真的来了吗是宣传噱头还是发展趋势
随着AlphaGo的诞生，“深度学习”日益普及，人工智能开始从智能化工具向智能机器进军。原有的MCU已无法满足深度学习的高速海量数据运算要求，AI芯片便应运而生。如今嵌入式芯片领域正面临AI芯片的新一轮机遇。那么在AI成为风口的当下，AI芯片到底是噱头还是发展趋势？嵌入式系统又该如何面对AI芯片带来的新一轮机遇？《单片机与嵌入式系统应用》小编特邀请了几位专家和工程师谈谈对此问题的看法，也欢迎大家留言讨论！
业界声音
AI芯片已然存在，与既往的嵌入式处理器不可混淆！
北京航空航天大学教授何立民
“AI芯片”的确存在，其概念不仅被广泛应用，也无法用其他的概念，如MCU、MPU等所替代。
有的人认为不存在AI芯片，可能认为AI芯片只是原有嵌入式处理器的功能扩展而已。殊不知随着嵌入式处理器的功能不断外延，已从量变产生了质变。自从人工智能进入机器的深度学习时代，原有MCU的硬件加速已无法满足高速海量数值计算要求，以及大数据的云间交互要求。这样一来，在嵌入式领域便出现了MCU与AI芯片两个有本质差异的芯片群。前者是满足工具智能化的智能控制芯片（以控制见长）；后者是满足智能机器深度学习的计算芯片（以计算见长）。
未来，在人工智领域会逐渐形成智能化工具与智能机器两大领域。目前，智能化工具领域业已成熟，智能机器领域依托AI芯片、神经网络、深度学习、云际交互逐渐向强人工智能领域进发。当前，AI芯片形式多样，属于初级发展阶段，尽管有些概念尚可商榷，但原有的各种嵌入式处理器的概念已无法沿袭，“AI芯片”可能会约定俗成。
以人脸识别为例，用于门禁的实时人脸识别，也许可以用MCU+图形加速器方案，但要从众多人群中实时识别特定的人脸，就要引入深度学习，不断提高其识别能力。为了与众多人脸对比，还要与云端大数据交互，无论多么高明的MCU都无法承担如此重任。也许“深度学习”、“云端交互”是AI芯片的两大重要特征。
目前AI芯片领域竞争激烈，也许一时难以形式统一的结构体系，但逐步完善后，作为嵌入式领域中的又一新兵，在人工智能领域，与MCU相互补充、各尽其职，既不可相互替代，又有不同的技术发展方向。MCU与AI处理器用在不同领域，两者都有巨大的发展潜力。
AI芯片真的来了吗？
西安电子科技大学电子信息与通信工程学科专业国家级实验教学示范中心主任、教授陈彦辉
AI是当前IT领域乃至社会关注的热点之一，其基本愿景是人类充分享受人工智能带来的智能成果。人工智能顾名思义是人造的智能体，而这个智能体只有在通过了图灵测试才能称之为人工智能体，从此具备了人类的智能。
人工智能技术的研究早已有很好的成果，诸如人机围棋大战的深蓝和AlphaGo，可以说通过了图灵测试，具备了人类的智能。但其难以普及，其基本原因是其算法复杂性高、实现平台成本高。IT领域需要开发轻量级的人工智能成果，使其融入到人类日常生活中，诸如自动售货机、自动驾驶。这种轻量级的人工智能成果发展得益于低功耗、高集成度的半导体制造和先进的通信网络。前者产出速度更快、功耗更低的多核处理器系统及大容量可编程器件，使复杂的算法通过高速运算变为现实产品供人类消费；后者提供量大速快的通信网络系统以及宽带移动互联产品，为人工智能的应用提供更为广阔的空间。
目前所谓的“AI芯片”是为轻量级的人工智能成果发展需求而应运产出。绝大多数本质上是面向应用所开发的人工智能高速计算专用电路，无论如何包装，这种芯片永远只是一种特殊的专用器件，这种专用的AI芯片针对特殊领域具备了人类的基本智能能力：计算能力、控制能力、通信能力、情感能力或者是它们之间的组合。
未来的AI芯片是智慧级的人工智能成果，应该具备包括适应能力和学习能力在内的人类高级智能能力，如同新出生的婴儿一样，其智能能力是逐步成长的，同时与他/她成长环境有关。将来有一天，研究人员把人工智能算法采用模块化分析和形式化描述并融入现代嵌入式系统中，智慧级AI芯片才会粉墨登场，它不仅是基于存储和计算的，同时也是面向通信和逻辑的，具有若干人工模拟神经元构成的可编程的片上通信逻辑网络，依据成长环境生成人工神经元，构建具备软硬协同并行处理的人类智能系统，开创人工智能新纪元。
（这位嘉宾帅到不好意思露真容啦）
谈AI芯片——谈算法不谈智能，谈实现不谈芯片
郑州大乘信息科技有限责任公司段新亚
说起来所谓的人工智能热潮，人工智能寒冬，已经至少是第三次了。第一次，在20世纪50年代左右，被称为人工智能之父的约翰麦卡锡创造了lisp语言，也引领了以symbol概念为核心的符号主义人工智能。第二次，在20世纪70年代左右，BP算法的提出，则是引领了一波以神经网络这个概念为核心的连接主义人工智能。而现在这一波人工智能概念重新被人们拉出来炒作，则是所谓以机器学习这个概念爆炒。但单讲机器学习这个概念，却发现无论是蒙特卡洛算法、贝叶斯定理、贝叶斯网络、NN神经网络、RNN网络，还是提出了一个包含多隐层的所谓深度学习，其实并没有见到什么新鲜的面孔，反而都是些几十年前早已经有的东西。可能唯一的不同是现在的硬件性能远远高于从前的硬件性能，FPGA、GPU、ZYNQ等更新鲜的设计模型，芯片工艺的大幅提升，让制作芯片的成本急剧下降，让从前很多在数学，在理论上已经的东西，可以在一个人所能接受的速度和响应环境下工作。
这也就提到了上述我的观点，我们谈算法不谈智能。所谓强人工智能，确实不是我们现阶段能实现的，获取暂且是连头绪都没有的虚无缥缈的目标。至少人类的认知和意识的模型，我不认为是现在盛行的神经网络连接主义的主流想法，将大量数据作为“经验”堆积出的回归算法。无论是最大似然估计的思维方式、symbole描述的方式，还是贝叶斯最大后验估计的做法，我们与其说做的是智能，不如讲我们在使用“看起来比较智能”的算法。
就像是冯.诺依曼认为蒙特卡洛算法是最接近上帝的思维方式的算法那样。一个靠随机数据堆积的，几乎不能被称之为算法的算法，又算的上什么上帝的思维？又算得上什么思维？
笔者认为AI芯片，不过是狭义的机器学习派系中大量的算法的不同实现方式罢了。与其去谈用硬件作为AI算法载体的芯片是否存在，不如去讲是用硬件作为算法载体的芯片是否存在。原本AI算法在评估后，也只是与常规的算法本质上无异的“算法”而已。算法是否可以由硬件直接作为载体，而不需要通过软件这个概念，答案当然是肯定的，原本软件就是以硬件为载体工作的。那这个意义上的AI芯片当然是存在的。
简单畅想一下人工智能的未来：现在这波基于机器学习和深度学习算法引爆的人工智能热潮，笔者个人不认为会维持多久。虽然因为硬件和芯片工艺的提升，让从前因硬件成为瓶颈的问题得到了一定程度的缓解。但哪怕完全解决了运算速度瓶颈，我们制造的不是智能，只是将计算机与统计学几十年前的技术做了一次深度结合罢了。
“人工智能芯片”——一个商业概念
赛诺微医疗科技（浙江）有限公司电子设计主管唐思超
“人工智能芯片”是一个商业性概念，因为其技术本质仍未跳出现有技术体系，没有技术层面的本质革新。
自20世纪50年代人类首次提出人工智能概念，其范畴始终随着时间的推移而发生变化。广义上，可以认为人工智能就是用机器模拟人类的思维和推理，即一个系统在其原始程序设定之外的学习能力。
以近期炙手可热的智能手机“人工智能芯片”为例。依据厂商的宣传，这类人工智能芯片的主要功能是图像识别。然而，基于通用CPU、GPU、DSP或FPGA就可以完成图像识别工作，只是效率的问题。那么，为什么还要单独使用“人工智能芯片”？厂商宣称，人工智能芯片独立的数据处理能力大大减少了将数据发送到云端进行处理的需求，可减少云端的数据处理时间；可降低终端CPU使用率，让其有更多的时间专注于其他任务；同时减少电池的消耗。可见，这类人工智能芯片的意义在于：可以加速处理机器学习、深度学习和神经网络依赖的特定类型的任务，因为其比通用CPU、GPU或DSP具有更强的浮点运算能力，同时具有更低的功耗。然而技术层面上，其并无本质突破。
放眼全球，主流半导体厂商都有推出各自的人工智能芯片方案。Intel有基于众核架构CPU的方案；NVIDIA有针对人工智能的GPU方案；CEVA和Cadence推出用于人工智能的DSPIP核；Altera（现属于Intel）、Lattice等可编程逻辑器件厂商推出基于FPGA的方案。此外，谷歌和IBM也推出了相关方案。
综上所述，人工智能的实现无法脱离芯片的支持，但“人工智能芯片”就目前的情况看有过分炒作之嫌。一些媒体鼓吹中国将依靠人工智能芯片弯道超车，依靠人工智能芯片打破西方x86、ARM等技术垄断。但目前来看，所谓的“人工智能芯片”只是特定算法加速器，仍是CPU、GPU、FPGA、DSP等技术手段的集成，前述媒体的论调显然缺乏基本的技术常识。认清所谓“人工智能芯片”的本质才能使全社会的注意力从“新瓶装旧酒”的各种眼花缭乱的应用提法转向真正的技术突破，避免重蹈中兴事件的覆辙。
编辑视角
各方观点不同，原因在于AI芯片确实不是一个新出现的事物，一时之间难以有一个明确的统一定义，只是希望芯片搭乘AI这股东风的同时，能够提供更便捷、更智能的应用，也算是完成了一次进化！
2023中国人工智能芯片企业TOP50
2020中国人工智能芯片企业TOP50
2020-10-22eNet&Ciweek/朝槿
2020中国人工智能芯片企业TOP50RK企业最新代表产品1海思半导体麒麟810、980，昇腾310、9102寒武纪科技2代云端AI芯片思元2703地平线面向智能驾驶和智能摄像头的嵌入式人工智能芯片“征程”和“旭日”4平头哥服务于物联网领域的RISC-V架构处理器内核玄铁9105紫光展锐虎贲T7106中星微电子人工智能SVAC视频安全摄像头芯片VC07587百度“鸿鹄”智能语音芯片8西井科技神经元人脑仿真模拟器WestwellBrain和类脑神经元芯片Deepwell9燧原科技针对云端人工智能训练场景的通用可编程芯片邃思10启英泰伦2代智能语音芯片CI110X系列11四维图新专注汽车电子芯片领域MT、AC系列AI芯片12依图科技云端视觉AI芯片求索（questcore™）13云知声低成本物联网场景“蜂鸟”、智慧出行多模态车规级“雪豹”、智慧城市多模态“海豚”14云天励飞DeepEye1000嵌入式视觉AI大脑芯片、第二代深度学习神经网络处理器NNP20015景嘉微云端GPU图形处理器16国科微智能4K解码芯片GK6323、智能监控SoC芯片17北京君正智能视频处理器T30、跨界处理器X200018天数智芯AI推理加速芯片IluvatarCoreXI19思必驰聚焦语音交互应用场景的深聪TAIHANG芯片（TH1520）20瑞芯微电子CPU+GPU+NPU硬件结构设计的人工智能芯片RK339921芯原微电子高度可扩展、可编程的计算机视觉和人工智能处理器VIP900022嘉楠耘智高性能、低功耗图像/语音芯片勘智K21023异构智能专为卷积神经网络设计、专注AI推理应用的专用人工智能芯片NovuTensor24深思创芯在线学习深层神经网络处理器AbacusViSS280225华夏芯面向视觉分析和AI加速计算的高性能边缘计算SoC芯片GP830026RokidAI语音专用芯片Kamino1827鲲云科技前端及边缘计算的“雨人”AI芯片加速卡3代和应用于NVR和服务器的“星空”AI加速卡2代28智芯原动“ARM+IVE”智能加速引擎架构，用以加速芯片对视频分析的能力和运算速度29探境科技通用型语音AI芯片“音旋风611”30清微智能多模态智能计算芯片TX51031出门问问AI语音芯片模组“问芯”32华米科技智能穿戴领域AI芯片“黄山1号”33富瀚微电子视频监控AI芯片34杭州国芯AI语音芯GX8002、物联网AI芯片GX801035熠知电子ManyCoreTM架构芯片技术36安霸面向边缘应用的AI视觉处理器37耐能边缘端应用AI芯片KL72038肇观电子图像识别AI芯片N系列39翱捷科技4G多模数据通信芯片ASR1802S(L)40大华股份4K实时AD芯片HDCVI6.041深维科技超高性能图像处理方案ThunderImage42人人智能FaseOS人脸超级算法43全志科技AI语音专用芯R32944比特大陆算丰第三代AI芯片BM168445灵汐科技类脑芯片50TFlops46黑芝麻智能车规级自动驾驶芯片华山A50047龙加智云端NPU48深思考多模态深度语义理解与人机交互AI芯片49泓观科技面向物联网（IoT）端的超低功耗异步卷积神经网络芯片50知存科技实时智能语音应用芯片MemCore系列2020.10德本咨询/eNet研究院/互联网周刊选择排行人工智能芯片和传统芯片的区别AI芯片，一般指的是针对AI算法的ASIC芯片，对人工智能算法做了特殊加速设计，一般是以深度学习算法为主。
“深度学习”的实现以神经网络技术为主，“深度”就体现在多层神经网络的链接。神经网络通过模拟大脑生物神经网络的链接，通过多层数字神经网络的了解，来实现深度学习，其中，最著名的就是卷积神经网络。
与传统芯片相比较，人工智能芯片在架构设计之初就专门结合视觉、自然语言处理的运算特征进行优化，在处理同样的计算任务时，AI芯片在执行AI算法时速率更快、能耗更低。与传统芯片不同，人工智能芯片模拟大脑的神经元和突触，一条指令就能完成一组神经元的处理，这种计算模式在做一些图像处理等智能处理时，效率要比传统芯片高几百倍。
当前人工智能芯片的发展当前，人工智能技术的发展主要集中在两个方向，一个是人工智能算法的研究和神经网络的训练，另外一个方向是实现人工智能算法的加速计算。
卷积神经网络所需的卷积运算量非常庞大，而满足AI芯片高速计算量的当前行业解决方案主要是GPU加速、FPGA加速、专用ASIC加速。GPU加速解决方案在AI芯片算法上是使用最广泛也是发展最成熟的解决方案，但其体积大、功耗大的缺点，让GPU加速平台只能部署在服务器端，无法使用到个人电脑以及智能手机等终端使用设备上。FPGA加速解决方案多数使用在数据中心的AI加速和边缘计算的AI加速，例如人工智能识别技术等领域。专用ASIC加速解决方案采用了最先进的半导体制造工艺，是为了不同领域机器学习而定制的芯片，在有很高的加速频率的同时能耗也可以降到很低。
人工智能技术本身的发展在进步，但与之配套的相关软硬件，例如材料科学等领域的技术也要不断发展从而适应人工智能的需求。现阶段的人工智能技术虽然还未达到科幻电影中的强人工智能阶段，但也达到了为人类日常生活“赋能”的水平。随着AI芯片的深度学习和计算能力的加深，AI的感知能力已经可以为某些特定场景的实现提供超强驱动力，例如无人驾驶汽车。
挑战与机遇并存人工智能芯片企业百花齐放，相互竞争，在不同领域都发展出了极具特点和创新力的产品。AI芯片研发企业时刻都在准备着，在研发和落地市场上加强探索，中国AI芯片企业在迅速发展的同时，也逐渐影响着全球AI芯片市场的风向标。
现阶段我国的AI芯片技术发展越来越具有自主性，产业趋势向好，随着不同领域对AI专用芯片的需求增大，尤其以云平台、智能汽车、机器人等人工智能领域为代表，AI芯片的应用场景也将会越来越丰富。
2015年是AI芯片创业小高潮时期，在这一年里诞生了地平线、启英泰伦、天数智芯等一批现今很有创新和发展潜力的企业。经过几年的发展后，当前AI芯片在AI应用场景的落地成为最大难题，对人工智能芯片的设计要求大多集中在应用场景的特定需求和算法的软硬件一体化设计上。
过硬的技术实力和正确的价值观方向是一家AI芯片企业不可缺失的内核，在未来市场的考验下，AI芯片企业在不断的较量和比拼下，真正能够持续发展和创新的企业必是将技术与人文两者融会贯通的企业。
科技向善从榜单中可以看到，有很多企业的主要核心技术以及发展方向上是人工智能视觉、语音。以人脸识别技术为例，前段时间在全世界都大火的换脸软件，它在娱乐大众的同时也给很多人的隐私安全造成了隐患。在人脸识别技术发展之初，就有很多不同的甚至是反对的声音出现，但是这项的技术的初衷是好的，是为了让人们的生活更加方便，但在技术发展使用过程中出现了偏差。这种偏差就需要正确的价值导向去纠正，科技向善或是答案。
AI芯片作为AI时代的基础设施，除了是当前最热门的领域之外，也已经广泛应用于图像识别、智能安防、智能驾驶、语音识别、消费类电子等领域，云端智能芯片的问世也为更高强度的大数据计算等复杂的云端智能处理需求提供了技术支撑。
未来以AI芯片为基础的人工智能技术将涵盖我们日常生活的方方面面，提供生活便利的同时也肯定会带来安全方面的隐患。一种新的科学技术的出现，其目的都是为了人类生活的更美好，技术取决于使用它的人的意识，科技更多的只是一种工具，人工智能的发展在一定程度上受到道德和法律的约束，人工智能相关法律法规也在其技术发展的同时不断地完善。
结语灵魂有高尚的，有不高尚的。初心有这样的，也有那样的。想法有深刻的，也有不深刻的。道德理念和梦想的栖息之所，是创新灵感和助人为乐思想的源泉。不断挖掘和认识自己的使命才是企业一切的首要，追根求源，真正优秀的企业都是这样。
海思半导体，或就是这样。
各行各业，未来中国将有很多优秀的企业，或就是这样。
相关频道：eNews排行
您对本文或本站有任何意见，请在下方提交，谢谢！
投稿信箱：tougao@enet16.com2023中国人工智能芯片行业发展现状
导读：一、研究主体界定：面向人工智能领域的芯片及其技术、算法与应用无芯片不AI,以AI芯片为载体实现的算力是人工智能发展水平的重要衡量标准。广义的AI芯片：专门用于处理人工智能应用中大量计算任务的模块，即面向人工智能领域的芯片均被称为AI芯片。狭义...一、研究主体界定：面向人工智能领域的芯片及其技术、算法与应用
“无芯片不AI”,以AI芯片为载体实现的算力是人工智能发展水平的重要衡量标准。
广义的AI芯片：专门用于处理人工智能应用中大量计算任务的模块，即面向人工智能领域的芯片均被称为AI芯片。
狭义的AI芯片：针对人工智能算法做了特殊加速设计的芯片。
本报告将对针对狭义的AI芯片即人工智能算法做特殊加速设计的四种主流芯片GPU、ASIC、FPGA、类脑芯片以及系统级AI芯片技术、实现
AI的主流算法及在场景中的应用情况进行解析。
二、AI芯片的发展历程：模仿人脑建立的模型和算法与半导体芯片发展交替进行
人工智能算法需要在计算机设备上实现，而芯片又是计算机设备运作的核心零件，因此AI芯片的发展主要依赖两个领域：第一个是模仿人脑建
立的数学模型与算法，第二个是半导体集成电路即芯片。优质的算法需要足够的运算能力也就是高性能芯片的支持。
在此认为人工智能于芯片的发展分为三个阶段：第一阶段由于芯片算力不足，神经网络算法未能落
地；第二阶段芯片算力提升，但仍无法满足神经网络算法需求；第三阶段，GPU和新架构的AI芯片促进了人工智能的落地。
目前，随着第三代神经网络的出现，弥合了神经科学与机器学习之间的壁垒，AI芯片正在向更接近人脑的方向发展。
三、中国政策环境：在政策的引导支持下，中国人工智能芯片市场持续快速发展
芯片产业是信息产业的核心部件与基石。当前，我国芯片高度依赖进口非常不利于国家安全与行业发展。因此，近年来国家高度关注人工智能
芯片产业的发展，发布一系列产业支持政策，为人工智能芯片行业建立了优良的政策环境，促进行业的发展。
2021年，《“十四五”规划纲要和2035年远景目标纲要》指出，“十四五”期间，我国新一代人工智能产业将聚焦高端芯片等关键领域。从
国家战略高度为人工智能芯片行业建立了优良的政策环境。
各地方也根据各自的背景与条件，发布促进和扶持人工智能产业发展的方案方针。截止2021年9月，包括北京、天津、上海、江苏、福建等
20余盛市、地区发布人工智能相关政策，进一步支持引导人工智能及芯片产业发展。
四、中国市场环境：需求是主要驱动力，边缘/终端芯片市场将持续增长。
2018年12月，中央经济会议把人工智能与5G、工业互联网、物联网等定义为新型基础设施建设，各行业数字化转型加速，产生了更多样化
的人工智能产业应用数据和更复杂的深度学习算法需求。目前，中国人工智能产业链中，应用层企业比例超过80%，结合场景的应用落地是
人工智能产业的主要驱动力。
根据亿欧智库数据，中国人工智能企业的十大应用技术领域中，计算机视觉、机器人、自然语言处理、机器学习、生物识别占比居前五；企
业服务、机器人和通用方案以及安防、汽车是AI应用的主要方向，边缘/终端芯片需求将持续增长。
五、市场规模测算：市场规模平稳增长，产业融合加速
人工智能整体市场已从2020年的疫情影响中恢复，同时，随着技术的成熟以及数智化转型升级，内在需求增加，中国人工智能核心产业市场
规模将持续平稳增长，预计2025年将达到约4000亿元。
随着大算力中心的增加以及终端应用的逐步落地，中国AI芯片需求也持续上涨。2021年疫情缓解，市场回暖，产生较大增幅；类脑等新型芯
片预计最早于2023年进入量产，因此2024及2025年或有较大增长，预计市场规模将于2025年达到1740亿元。
六、中国投资环境：资本持续进入，交易金额均超亿元
相较2020年，人工智能领域投资数量有所减少，但单笔投资规模呈上升趋势。AI芯片产业也持续有资本进入，单笔融资金额均超亿元。
截止2022年1月，2021年中国人工智能芯片相关领域融资事件共计92起，总金额约300亿人民币。
七、中国人工智能芯片人才市场：各领域人才缺口仍较大，国家开始重视人才培养
AI芯片的实现包含软件和硬件两个方面。既需研究高效率的智能算法，同时要研究如何将这些算法结合在半导体硅片上，形成最终的产品。
目前，仍有部分企业在人才招聘中遇到不少阻碍，人才缺乏、成本高是主要的问题。根据工信部人才交流中心发布的数据显示，人工智能不
同技术方向岗位的人才供需比均低于0.4，其中人工智能芯片岗位人才供需比为0.32，机器学习、自然语言处理等技术人才供需仅0.2。
国家也开始重视人工智能相关人才的培养，中央及各地方政府出台了多个人才培养与引进相关政策；在2018-2021年，超过300所高校开设
了人工智能专业；部分企业也开始与高校进行合作，以产学研合作教学模式共同培养综合能力突出的优质人才。
赞助本站
相关热词：2022中国人工智能芯片行业发展现状