路線之爭

可以說，芯片將決定新AI計算時代的基礎架構和未來生態。因此，谷歌、微軟、IBM、Facebook等美國巨頭都投巨資加速AI芯片的研發，旨在搶占制高點，而國內AI芯片更是呈現出創新活躍、百花齊放的格局。

對于AI芯片廠商而言，首要任務是選好定位。從應用來看，AI芯片主要分為云AI芯片和端AI芯片。云AI芯片應用于云端服務器及數據中心;端AI芯片應用于智能設備、IoT端設備。從作用來說，訓練和推理需各成其就。

在云端訓練中，多GPU并行架構是常用的基礎架構方案。而在云端識別中，基于功耗與運算速度的考量，異構計算(CPU+GPU+FPGA/ASIC)是目前主流方案。而終端設備著重推斷。業內某IP公司負責人表示，云端訓練和推理更追求性能，而不會過多考慮功耗、內存等因素。而在終端的訓練方面，既要求有大量的數據，又要求有大量的運算，很難滿足。對于AI芯片公司來說，未來的機會肯定是終端的推理。

廠商對未來的預判不盡相同，有的要在云端做大芯片;有的面向終端，開發特定場景的芯片;有的則兩路并發。那究竟選擇何種路線?對GPU、FPGA、ASIC的“押注”誰將勝出?而無論是基于GPU、FPGA等通用芯片的半定制方案還是專用ASIC芯片，最終比拼的仍是性價比。

架構之爭

在AI芯片這一賽道上，既有谷歌、英特爾、英偉達等頂尖巨頭大手筆的投入，也有無數的中小創業企業在全力以赴，而路線之爭的背后其實是傳統與新型架構的爭奪。

ICCAD理事長、清華大學魏少軍教授稱，架構創新是一個不可回避的問題。目前各家使用的AI方案架構互不兼容，沒有支持的標準AI計算接口，是否會出現像當年CPU一樣的通用處理器來一統AI芯片天下?如果存在的話，架構是怎么樣的?如果不存在，那目前以滿足特定應用的AI芯片一定只能以IP核的方式存在，最終被各種各樣的SoC所集成，如果真是這樣，那今天從事AI芯片開發的公司將何去何從?

AI芯片應該具備的基本要素在于：可編程性、架構的動態可變性、高計算效率、低成本、應用開發簡便等，目前的CPU+GPU、CPU+FPGA、CPU+ASIC等均不是理想架構。魏少軍教授認為，通用AI處理器的驅動力來自以下兩個方面：開發AI芯片硬件構架的代價非常高，不是所有廠家都能承受的;IP的可擴展性、架構的支持廣度、標準AI計算接口，對AI芯片的普及非常重要，而開發相關算法也不是一朝一夕就可以完成的。

寒武紀作為AI芯片賽道上的主要玩家之一，認為AI必然會出現一種重量級的應用，硬件就必然要標準化、通用化。而地平線創始人余凱則認為AI的應用在各個場景里千差萬別，更可能的情況是，在每一個細分領域會出現一個主導架構。未來的架構之爭還將持續。

陣營之爭

在AI這一巨大風口之下，老將新兵均蜂擁入場，以分享這一新興生態圈紅利，同時也將變數再次放大。

除新興的地平線、寒武紀、深鑒、比特大陸等這些廠商之外，我們看到，一方面，諸多老牌芯片企業正在積極擁抱AI，成為AI芯片產業中的重要力量，諸如中星微、北京君正、中天微、杭州國芯等傳統SoC處理器芯片或者多媒體芯片企業就是其中的代表。另一方面，切入AI芯片領域的算法和系統公司逐漸增多，比如商湯、?？?、大華、依圖、華為等，他們積極地通過自主研發與并購投資的方式加大對AI芯片的投入。

相比那些活躍的初創AI芯片新生力量，老牌企業具有更加完備的前后端設計、產品、驗證和測試團隊，具備打造一顆完整SoC芯片產品的工程化經驗。老牌芯片企業的入場競爭，和新生力量在人才、產品層面的角力，是未來AI產業值得關注的一大看點。而系統公司離場景最近，對場景真實需求的深刻了解，強大的軟硬件一體化產品能力、市場營銷渠道能力以及充足的資本儲備等，將使得它們在處理和眾多AI芯片初創企業的關系上始終處在一個更加主導的地位，更增加了產業格局的不確定性。

AI芯片的技術壁壘并不低，但只要行業集中度高，贏家就會選擇通吃。比如做手機的廠商，出貨量到了一個閥值，都有動力自己做芯片，如蘋果、三星、華為還有小米等都選擇了自己開發手機芯片。這對于高通、聯發科、展訊等手機芯片供應商來說也是一大沖擊。而這在AI領域也將上演同樣的故事。

應用之爭

商業應用是AI的關鍵因素之一，AI只有解決了實際的問題才具有價值。AI芯片巨大的研發成本、流片成本、分銷成本都需要應用來“稀釋”。

但依據專家觀點，AI的關鍵性應用需要追求 99.9……% 后的多個 9，做不到就沒法商業化。比如自動駕駛，“關鍵性應用”的普遍特點就是這樣，項目通常很貴，研發周期巨長，需要技術大牛坐鎮以及持續的融資能力。而大部分是非關鍵性應用，比如人臉識別，通常比拼綜合實力，包括對行業的洞察理解力、產品和工程化能力、成本控制、供應鏈能力、營銷能力、迭代能力等等。

此外，不同行業有不同的“聚焦”。在汽車行業，安全性、實時性是最重要的問題。而在安防領域，AI+視頻監控最看重的是把被動監控變為主動分析與預警，對識別率、算力及成本有很高的要求。在消費電子領域，手機因為搭載麒麟970芯片的華為mate10手機與同樣嵌入AI芯片的iPhoneX帶領手機進入智能時代。另外，亞馬遜的Echo引爆了智能家居市場，對AI的訴求要解決功耗、安全隱私等問題。

要選擇哪個垂直領域，取決一些關鍵因素：市場空間夠不夠大?行業集中度如何?技術是改良還是革命?競爭對手的壁壘誰更高?顯然，在消費電子、安防、智能汽車等AI場景應用領域，仍然有諸多硬仗要打。

生態之爭

在AI的競爭維度上，生態絕對是關鍵一環。

在AI平臺化的趨勢下，未來AI將呈現若干主導平臺加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式。目前，科技巨頭都已在AI產業鏈的基礎技術層和應用層著手布局，比如Google推出了TensorFlow分布式學習框架，國內百度建立并開放了PaddlePaddle全開源深度學習平臺，還推出了DuerOS和Apollo兩大AI操作系統。

對騰訊、阿里、百度這些巨頭來講，為維持自己的王者地位，必然也必須要構建出AI的生態系統。而在AI生態層面，值得關注的動向是：一是隨著生態的進化，很多領域都會有訓練好的模型可以用來參考，未來算法的壁壘會越來越低，如果一個公司的核心競爭力只是算法，那將非常危險;二是AI芯片廠商不能僅考慮自己獨特的體系結構和軟件開發套件，在當前的情形下，要不就打造成包括硬件及軟件生態的全AI服務流程能力，要不就需要融入一個合適的生態圈，否則長遠的競爭力將難以保證。

伴隨AI的演變，算力的提升促進了算法的發展，算法的發展又對AI芯片提出了需求。“你在跑，本來的優勢者也在跑。”這句話適用于英偉達和英特爾的巨頭之爭，也適用于AI芯片公司。在全新的AI芯片領域，未來的版圖還有諸多想象空間，就看如何著墨了。