人工智能研究AI芯片行业现状趋势及厂商情况分析
一、人工智能芯片发展现状及趋势
1.1、深度学习算法对芯片要求更为苛刻，通用CPU性价比相对较差
经历了60多年的起起伏伏之后，人工智能终于迎来了第三次爆发。第三次爆发的核心引爆点是深度学习算法的出现，但其背后的支撑是数据和算力。对整个AI行业来讲，算法、数据和算力三大基本要素中，数据尤其是海量数据的获取和处理难度在下降，算法也在深度学习模型的基础上不断优化，而负责将数据和深度算法统一协调起来的芯片能否获得大的飞跃，成为市场关注的焦点。
深度学习算法对芯片性能需求主要表现在三个方面：一、海量数据在计算和存储单元之间的高速通信需求。这不但需要芯片具备强大的缓存和片上存储能力，而且还需要计算和存储单元之间有较大的通信带宽。二、专用计算能力需求高。深度学习算法中有大量卷积、残差网络、全连接等特殊计算需要处理，还需要提升运算速度，降低功耗。三、海量数据自身处理同样也对芯片提出了新的要求，尤其是非结构化数据的增多，对传统芯片结构造成了较大的压力。
通用CPU在深度学习中可用但效率较低。比如在图像处理领域，主要用到的是CNN(卷积神经网络)，在自然语言识别、语音处理等领域，主要用到的是RNN(循环神经网络)，虽然这两种算法模型有着较大的区别，但本质上都是向量和矩阵运算，主要是加法和乘法，辅助一些除法和指数运算。传统CPU可用于做上述运算，但是CPU还有大量的计算逻辑控制单元，这些单元在AI计算中是用不上的，造成了CPU在AI计算中的性价比较低。
1.2、GPU、FPGA以及ASIC各有优劣，成为当前AI芯片行业的主流
正因为CPU在AI计算上的弱点，给了可以实现海量并行计算且能够对进行计算加速的AI芯片留下了市场空间。从广义上讲，面向AI计算的芯片都可以称为AI芯片，包括基于传统架构的GPU、FPGA以及ASIC(专用芯片)，也包括正在研究但离商用还有较大差距的类脑芯片、可重构AI芯片等。
云端训练芯片市场较为集中，而推理市场云、边两端均有大量企业参与
按照部署位置划分，AI芯片可以分为云端芯片和边缘端芯片。云端芯片部署位置包括公有云、私有云或者混合云等基础设施，主要用于处理海量数据和大规模计算，而且还要能够支持语音、图片、视频等非结构化应用的计算和传输，一般情况下都是用多个处理器并行完成相关任务;边缘端AI芯片主要应用于嵌入式、移动终端等领域，如摄像头、智能手机、边缘服务器、工控设备等，此类芯片一般体积小、耗电低，性能要求略低，一般只需具备一两种AI能力。
按照承担的任务分，AI芯片可以划分为训练芯片和推理芯片。训练是指通过大量标记过的数据在平台上进行“学习”，并形成具备特定功能的神经网络模型;推理则是利用已经训练好的模型输入新数据通过计算得到各种结论。训练芯片对算力、精度要求非常之高，而且还需要具备一定的通用性，以适应多种算法的训练;推理芯片更加注重综合能力，包括算力能耗、时延、成本等因素。
综合来看，训练芯片由于对算力的特殊要求，只适合在云端部署，而且多采用的是“CPU+加速芯片”类似的异构模式，加速芯片可以是GPU，也可以是FPGA或者是ASIC专用芯片。AI训练芯片市场集中度高，英伟达和谷歌领先，英特尔和AMD正在积极切入。推理在云端和终端都可进行，市场门槛相对较低，市场参与者较多。云端推理芯片除了传统的英伟达、谷歌、赛灵思等芯片大厂外，Groq等国际新兴力量也在加入竞争，国内寒武纪、比特大陆也有不错表现;终端推理芯片市场较为分散，场景各异，参与者除了英伟达、英特尔、ARM和高通之外，国内企业如寒武纪、地平线、云知声、云天励飞等在各自细分领域均有所建树。
人工智能专业前景如何?
极其好。如果说计算机专业是上个时代的老大，那么人工智能专业就是下个时代的龙头。因为：
1. 大数据、芯片计算能力、5G网络的发展使得AI人工智能得以高速发展。目前在自动驾驶、智能家居、工业制造等很多领域，人工智能都在快速突破。例如预计5-10年后，美国有50%的车辆将是无人驾驶。
2. 真正的人工智能公司发展潜力很大， 人才更容易脱颖而出。如人工智能芯片公司“深鉴科技”，由四名清华高手仅仅创立2年后被收购，收购价3-4亿美元。当然，该专业的工资也很高，真正的人工智能岗位年薪百万比较容易。
人工智能专业的要求高么?
很高。该专业的前景有多好，对应的专业要求就有多高。 人工智能是计算机+数学建模的结合，该专业要求有极其好的数学逻辑能力，能把该专业真正学明白的估计没多少人。 例如给你1万张手机自拍人脸照片，让你通过编程，建立一个数学模型识别出照片中哪些人脸是高兴的表情。你需要把照片转化为计算机可处理数据，例如不同格式不同尺寸的图片如何统一处理;你需要搭建模型来判断数据有什么规律是表示高兴，例如计算嘴角的弧度、眉头的皱纹等等，同时要考虑不同年龄不同人种的脸部特点;模型要经过大量训练来优化，这会需要大量的计算机处理能力(例如几十台服务器)，需要设计优秀的程序来保证训练过程尽量减少计算机的消耗以及减少计算时间(如并行计算)。
因此，基本是绝对的数学学霸可以真正搞定该专业。