AI芯片的发展，离不开人工智能技术的成熟。人工智能从1956年诞生至今，共经历过三次大的浪潮。进入21世纪，由于计算机性能的提升和海量数据的产生，以及机器学习和CNN技术（Convolutional Nerual Networks，卷积神经网络）获得突破，算法、算力和数据都满足了人工智能的商业化落地需求，人工智能迎来了高速发展的阶段。
实际上，人工智能产业得以快速发展，离不开目前唯一的物理基础——芯片。可以说，“无芯片不AI”，能否开发出具有超高运算能力、符合市场需求的芯片，已成为人工智能能否可持续发展的重要因素。
近年来，AI芯片产业发展迅猛，众多企业纷纷布局。但从芯片的起步、发展、成熟的三个阶段来看，人工智能芯片仍然处于起步阶段。
巨头新锐，共遇产业瓶颈
按应用场景的不同，AI芯片设计可分为云端训练、云端推断、终端推断三部分。其中云端训练芯片主要以英伟达的GPU为主，新入竞争者是谷歌的TPU，以及深耕FPGA的赛灵思与英特尔。在云端推断方面，代表企业有AMD、谷歌、英伟达、百度、寒武纪等。
在终端推断方面，由于移动终端、自动驾驶等应用场景需求逐渐爆发，布局企业包括传统芯片巨头和初创企业，如高通、华为海思、地平线、寒武纪、比特大陆等。
不难发现，在市场格局上，虽然目前都是传统芯片巨头占据着AI芯片市场的霸主地位。但AI芯片落地难，是困扰巨头与新锐的共同问题。
来源：清华大学未来芯片创新中心
地平线联合创始人兼副总裁黄畅告诉亿欧科创：AI芯片落地之所以难，首先是大家技术上都遇到了共同的瓶颈，也是所谓的“冯·诺依曼瓶颈”。
提高AI芯片性能的关键之一，在于支持高效的数据访问。在传统冯·诺伊曼体系结构中，数据从处理单元外的存储器提取，处理完之后再写回存储器。AI芯片本身基于冯·诺伊曼体系结构，使用简单的功能是完全没问题的。
但由于运算部件和存储部件存在速度差异，当运算能力达到一定程度，由于访问存储器的速度无法跟上运算部件消耗数据的速度，再增加运算部件也无法得到充分利用，即形成所谓的冯·诺依曼瓶颈，或“内存墙”问题，这是长期困扰计算机体系结构的难题。
目前常见的方法是利用高速缓存（Cache）等层次化存储技术，尽量缓解运算和存储的速度差异。然而，AI芯片中需要存储和处理的数据量远远大于之前常见的应用。这都使得冯·诺依曼瓶颈问题在AI应用中愈发严重。“可以不夸张地说，大部分针对AI提出的硬件架构创新都是在和这个问题做斗争。”黄畅补充道。
不过，也正是由于人工智能芯片的技术难题，导致不论是巨头还是新锐都处于同一起跑线，这给国产企业提供了良好的超越“赛道”。这也避免了传统巨头利用自身已有优势，快速甩开对手。
问鼎全球，如何弯道超车
19年6月20日，寒武纪推出第二代云端“思元270”；6月21日，华为发布人工智能手机芯片“麒麟810”；7月3日，百度发布人工智能芯片远场语音交互芯片“鸿鹄”；10月29日，地平线发布AIoT边缘计算人工智能芯片“旭日二代”。
可以发现，国产企业在AI芯片领域的布局已初见雏形，有一战之力。但想问鼎全球，仍需改善一些不足。
针对国产AI芯片的发展，中国工程院院士倪光南多次表示，芯片设计门槛极高，只有极少数企业能够承受中高端芯片研发成本，这也制约了芯片领域创新。我国可以借鉴开源软件成功经验，降低创新门槛，提高企业自主能力，发展国产开源芯片。
“开源软件正成为当前软件产业的主流，芯片产业也可以采用开源这种模式。”倪光南强调，目前在芯片开发方面，新的RISC－V指令集是一种能够降低处理器芯片IP成本的新模式。企业可以自由免费使用RISC－V进行CPU设计、开发并添加自有指令集进行拓展等。RISC－V对于当前AI芯片架构的优化，成本的控制，都有很好的效果。
关于AI芯片架构，其实我国企业已有不少可圈可点的案例，例如华为的达芬奇架构，寒武纪的Cambricon－X架构，鲲云科技的CAISA架构，地平线的伯努利架构等。
比起人工智能芯片架构，我国更应该关注人工智能芯片的产业链完整度。
我国制造芯片的最新设备和工艺比国际先进水平落后多代，因此一些人工智能芯片需要送到境外进行制造和封装。这就会造成芯片产量不足，以及价格过高的问题。使得下游很多使用其模组的产品无法量产，造成恶性循环，不利于行业的发展。
作为国内边缘侧AI芯片领域的先行者，嘉楠科技早在2016年就掌握了16nm制程工艺，之所以现阶段的AI芯片制程工艺仍为28nm，主要也是受价格和出货量的限制。
赛迪顾问《中国人工智能芯片产业发展白皮书》显示，中国人工智能芯片市场规模保持高速增长。云端领域，2018年云端市场全球占比17．0％；预计2021年将达221．5亿元，CAGR达 51．23％。终端领域，2021年将达84．1亿元，CAGR为59．3％。
面对如此广阔的市场，希望国产企业能潜心突破瓶颈，问鼎全球。
作者：张伟超
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
