何為AI芯片，AI芯片被稱為加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊(其他非計算任務仍由CPU負責)。
據市場研究公司Compass Intelligence發布的上半年研究報告顯示，在全球前24名的AI芯片企業排名表中，英偉達(Nvidia)、英特爾(Intel)以及IBM(NPU)分別位列前三名，中國公司占據了七個席位，最高名次是排行第12的華為。
困局之中破局是唯一的出路，AI芯片可能就是那個突破口。作為計算芯片的一種，它正在對傳統(計算)芯片發出挑戰。
AI芯片是趨勢使然
根據摩爾定律，當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍。如何在相同的面積內放入更多的元器件?這對于制作工藝而言是一個極其大的挑戰，而這一工藝的提升速度是緩慢且艱難的。因此，在算力、性能等方面，當前的集成電路相當于到了一個“瓶頸期”。
與此同時，AI逐步發展并落地，面對海量數據的實時采集和處理，“算力”成為了一項至關重要的必備條件。然而當前的AI算法訓練、推理等，還是依賴英偉達、高通等廠商提供的傳統芯片。但是，不管是高通驍龍系列，亦或是英偉達GPU等傳統芯片，其當初被研發出來的目的并不是針對AI算法，這也就意味著，在AI算法加速方面，它們多是“心有力而余不足”的。
如果說在傳統芯片領域，我國“反超”的機會不大，且消耗的多項成本過高，那么“AI”芯片的大面積布局，將是此領域關乎國家戰略層面的重要機遇。也由此在風起云涌間，傳統芯片與AI芯片難免狹路相逢。
AI芯片尚有短板
相比于針對算法而研發的AI芯片，不管是算力還是功耗，包括GPU等在內的傳統芯片在內的傳統芯片都無法相比。盡管AI芯片來勢洶洶，但短板也非常明顯。
事實上，目前還沒有出現像CPU一樣的AI通用算法芯片，一劍封喉的應用還沒出現。首先，AI芯片的量產問題是頭部短板。不同于已經定性的傳統芯片，AI芯片從架構到設計等多個層面都會是一種全新的顛覆。當前，雖有幾家初創公司表示他們的產品已經實現了一種量產，但最終多是應用于自身產品和產業鏈，算不得真正的量產。
其次，AI芯片的工作只是加速AI算法，但在整個主板上，這只是芯片所要計算的一部分。于其他方面，還有更多的計算工作，而它們中間的多數，并不需要AI芯片的介入，比如數據存儲等等。
當然，主流架構探討、算法通用可實現性、剛需應用場景等也是AI芯片需要攻克的問題。
短期之內，如英偉達這樣的芯片行業巨頭，其GPU因為算力尚且能夠滿足當前AI算法加速的需要，雖然耗能表現不佳，但是出于產業的需求，仍然是占據了當前市場的主要份額。
結論：時代更替，迎來發展預期
不管是CPU、GPU等傳統芯片，還是AI芯片，它們出現的根因皆是因為市場有了新需求，繼而才會形成趨勢，最終落實為產品。這其中，有著時代的更迭，也有著技術的進步。
這方面，AI芯片本身就是一個典型的案例。因為計算的需要，人們開始研發芯片，從而誕生了CPU、GPU等。之前很長一段時間內，CPU一直做著主要的任務處理和數據計算工作。之后隨著AI的出現，CPU的算力遇到了挑戰。反之，因為并行運算架構，以往并不起眼的GPU開始煥發光彩。不過，它們終究不是為AI算法而定制的，也因此，迎合產業需求發展的AI芯片出現了。
長遠來看，出于對算力、功耗等多方面的考慮，就AI算法加速方面，AI芯片取代傳統芯片是一個必然的結果。屆時，AI芯片或將與CPU、GPU等一起集成到一個完整的處理器中，諸如寒武紀NPU被集成至麒麟970一般，又或者，AI芯片也將作為獨立處理器存在，這一切目前還是未知數。
目前，不管是在技術上還是質量上，我國AI芯片都達到了較高的水準。如今，國家投入大量人力、物力、財力，推動AI芯片不斷創新和發展，使其走上世界前列。我們不妨可以大膽試想，一旦AI芯片實現量產，一方面符合智能時代產業發展的需求之外，另一方面將在芯片產業中獲得一定的話語權，在當前核心技術缺失的情況下實現“拐彎加速”。
京公網安備 11010502049343號