隨著人工智能的落地和大規(guī)模應用，AI芯片也成為了常見的芯片品類。AI芯片相比傳統(tǒng)芯片來說，主要的競爭優(yōu)勢就在于高算力和高能效比。高算力是指能夠比傳統(tǒng)芯片更快地完成AI計算，而高能效比則是指能比傳統(tǒng)芯片用更少的能量完成計算。
國產(chǎn)AI芯片雄心勃勃，或實現(xiàn)彎道超車
長期以來，中國在CPU、GPU等傳統(tǒng)芯片領域的自主研發(fā)能力較弱，絕大部分高端芯片依賴國外進口。但在AI芯片領域，國內(nèi)外的競爭格局尚未明朗。在國家政策的大力支持下，人工智能應用市場爆發(fā)，AI芯片得到了資本等多方的關注，受這些因素的影響，國產(chǎn)AI芯片或能實現(xiàn)彎道超車。
人工智能應用加速AI芯片的技術創(chuàng)新。隨著人工智能在交通、安防等領域的廣泛應用，我國人工智能市場積累了海量的數(shù)據(jù)資源和多樣化的應用場景，獨特的發(fā)展優(yōu)勢將促進國產(chǎn)AI芯片的技術創(chuàng)新，助力中國掌控人工智能時代主導權。
AI芯片領域尚未形成生態(tài)壟斷。當前，AI芯片成為業(yè)界熱點，國際知名芯片廠商、互聯(lián)網(wǎng)科技巨頭都紛紛布局，同時也涌現(xiàn)了一大批初創(chuàng)公司，但目前AI芯片領域尚未形成一家獨大的格局，AI芯片的競爭才剛剛開始。全球在AI芯片領域的起步時間相差無幾，國內(nèi)廠商在AI芯片領域的發(fā)展前景較好。
AI芯片成為企業(yè)和資本布局新焦點。在政策利好的大背景下，越來越多的企業(yè)和資本競相布局AI芯片。華為、寒武紀等眾多企業(yè)紛紛推出新款AI芯片，并在手機、機器人等領域布局；此外，AI芯片的資本市場也很活躍，寒武紀、地平線等企業(yè)都獲得了資本市場的垂青，完成了多輪融資。截止2018年第三季度，中國AI芯片的投融資額達30．2億元，AI芯片逐漸成為中國人工智能投融資的熱點領域。
AI芯片是AI行業(yè)發(fā)展的必然路徑，行業(yè)驅動因素較為明顯。受政策等因素的影響，國產(chǎn)AI芯片或能實現(xiàn)彎道超車，助力“中國芯”的發(fā)展。
AI時代能否迎來洗牌？
隨著AI技術的興起，AI芯片應用讓傳統(tǒng)的芯片巨頭的優(yōu)勢不再，大家?guī)缀醵继幱谝粋€相對的起跑線上，甚至包括蘋果公司都計劃要進入到芯片市場了。有消息稱，蘋果公司正開發(fā)自己的蜂窩調(diào)制解調(diào)器技術，該技術可能用于iPhone，iPad和Apple Watch。據(jù)路透社報道，蘋果“已將其調(diào)制解調(diào)器芯片工程的研發(fā)從其供應鏈部門轉移到其內(nèi)部硬件技術部門。”該報道稱，這是“蘋果公司在多年從外部供應商處購買后，正在尋求開發(fā)其iPhone的關鍵組件的一個標志。”
而一直和蘋果鬧得的不可開交的高通把更多的重心已經(jīng)轉到5G市場，期望未來5G需求的爆發(fā)帶動智能手機PC市場二次成長。但更重要的是，即便5G能夠迅速進入爆發(fā)期，高通的優(yōu)勢也在大大減弱，不再像3G、4G時代那種近乎壟斷坐收專利費的地位。華為、蘋果、英特爾、三星等公司，都在布局5G。進入到AI時代，市場普遍認為，半導體芯片市場將進入到一個新發(fā)展階段，市場重新洗牌未嘗不會發(fā)生。
AI的未來
盡管深度學習和神經(jīng)網(wǎng)絡快速地推動了人工智能技術的發(fā)展，許多研究人員依然相信，要達到最終的AI目標，我們依然需要更多的不同方法。
大多數(shù)AI芯片的設計思路依然是LeCun和Hinton等人在十幾年前發(fā)表的思想的改進版本，但沒有任何理由相信，這條路上的指數(shù)級增長能夠讓AI像人類那樣思考。
我們今天所知的AI并不能把一個任務上獲得的深度學習經(jīng)驗推廣到其他新的、不同的任務上。
而且，神經(jīng)網(wǎng)絡并不能很好地吸收以前的知識，或吸收“上下”或者“孩子有父母”這種簡單的規(guī)則。
最后，基于神經(jīng)網(wǎng)絡的AI需要大量的數(shù)據(jù)進行學習，而人類只需一次觸摸火爐的經(jīng)驗就能學會不再碰火爐。現(xiàn)在依然不清楚怎樣才能將現(xiàn)在的AI技術應用到?jīng)]有大量數(shù)據(jù)的問題上。
盡管按照目前人類的標準來看，AI芯片并沒有只能，但它們依然很聰明，而且很可能在不遠的未來它們會變得更聰明。
這些芯片會繼續(xù)引領半導體技術、計算機體系結構和SoC設計的發(fā)展，從而促進更強大的處理能力，促使下一代AI算法的出現(xiàn)。
同時，新的AI芯片也會進一步需要更多的內(nèi)存系統(tǒng)和芯片內(nèi)互聯(lián)架構，以確保新的硬件加速裝置能夠為深度學習提供穩(wěn)定的數(shù)據(jù)流。