报告丨硬件和芯片巨头加速抢滩人工智能市场

基于模拟“神经网络”出现的深度学习对芯片的能耗与运算能力都提出了更高的要求，需要硬件层面的重要支持。CPU、GPU、FPGA、SoC等半导体产业都需要针对相应的AI需求进行调整和优化。这为芯片和集成电路（IC）产业带来广阔的发展空间。

传统芯片的发展受限，让更多企业开始向设计深度学习专门定制芯片的方向努力。专用芯片不再受限于原有模式，可以集成多核、多种功能的器件以达到降低功耗、提升性能的作用。面对未来人工智能向移动端发展的趋势，拥有专业性能的专业芯片被广泛看好。

下面让我们看一看有哪些智能芯片代表企业：

NVIDIA

2016年上半年，GPU强者NVIDIA就推出了深度学习专用芯片TeslaP100GPU，采用PCle卡形式且可接入标准服务器节点以支持人工智能与超级计算机级别的工作负载处理工作。

Xilinx

早在1985年就推出了第一款FPGA产品XC2064。2015年，IBM与Xilinx宣布开展战略合作，共同开发开放式加速基础架构、软件和中间件，以打造更高性能、更高能效的数据中心应用。

Intel

公布其面向人工智能与大数据的融合系列处理器，于2015年花费167亿收购了FPGA领域的重要生产商Altera，标志着Intel正式进入人工智能领域。

IBM

2016年发布了一款用于深度学习的类脑超级计算平台IBMTrueNorth，其处理能力相当于1600万个神经元和40亿个神经键，消耗的能量只需2.5瓦。三星已经将TrueNorth集成到动态视觉传感器（DynamicVisionSensor）中。

谷歌

2014年开始开发TPU并于2015年开始使用。战胜了中国专业棋手柯洁的AlphaGO也采用了TPU。目前，TPU已在搜索引擎、谷歌地图导航功能、Android语音识别功能中应用。

寒武纪科技

全球智能芯片领域的先行者，是全球第一个成功流片并拥有成熟产品的智能芯片公司，拥有终端和服务器两条产品线。2016年11月，中科寒武纪与京东成立联合实验室，启动基于深度学习处理芯片的智能系统研发。

景嘉微

JM5400是国内首款自主研发的GPU芯片，用于图形显控领域，打破了外国芯片在我国军用GPU领域的垄断，实现了军用GPU的国产化。同方国芯在FPGA领域有所建树，其主营业务包括特种集成电路，晶体业务，智能芯片等。