EEPW论坛

除了Google、Facebook、亚马逊(Amazon)和百度(Baidu)等业界「大咖」一直在设计用于训练和推论的深度学习芯片，几乎每一周，我们都还会听说有一些「名不见经传」的新创公司开发出新一代AI SoC架构。

尽管有这么多的新AI芯片陆续发布，但是这么多的产品中却找不到一款可在今年或甚至明年上市。你怎么看待这个现象，你了解的有哪些公司的产品仅仅是挂羊头卖狗肉？AI芯片真的是未来趋势所在？

@郭伟(思丹德 FPGA工程师): 个人认为，AI算法目前还未真正落定，想依靠通用性架构或者算法包打所有场景还没到时候！这并不是现在的算法和架构无用，只是针对应用场景还不够多(有些场景不需要特别复杂的架构效果一样突出)，没法大批量铺货弥补ASIC的成本！

所以这点上我认为可能需要几年时间百家争鸣，期间FPGA的SOC产品可能会在各个专用市场或者说专用场景下占据市场，当然我更相信更多在服务器那边，非实时性高的场景，5G搭配服务器云端推断加速，应该是个概率大的方向吧

@独孤博士(华中科技大学 讲师): 不得不说互联网产业在21世纪成了造富神话，在这期间能跟得上潮流的公司得到了极大的发展，在这种大发展的过程中一定会涌现出很多的发展方向和发展思路，随着市场的逐渐成熟会慢慢淘汰不合适的，留下那些真正创造价值的。

AI作为互联网产业中的新兴力量，被认为是下一个风口，并且现在处于尚未完全成熟的初级阶段，一定也会涌现出很多弄潮儿。那些大厂主要致力于通用化的可以大面积推广的通用架构，例如：英伟达的基于GPU的深度学习架构的硬件，谷歌的TPU都是为了适用于神经网络计算的硬件架构，它可以解决很多不同的神经网络或深度学习网络的计算问题。而很多小厂在大厂的夹缝中可以关注其他的细分领域，比如寒武纪的人工智能芯片，可以将某种更适合于某领域的人工智能算法硬件话，或者模块化，更加便于应用，这种专注于细分市场的方式也可以大有作为，因此不能全盘否定小厂，等到大潮褪去就会看见哪些人在裸泳。要看小厂是不是在圈钱炒概念，就看他是否解决了某类问题，能否推广应用，存在哪些优势，而不是步人后尘嚼概念。

@古顺东(广州新夏启信息科技有限公司 技术总监): 芯片行业的整体发展始自上世纪60年代，一开始是指数型发展，所以有了每18个月集成度翻一番的摩尔定律，为什么会有误导市场烟雾弹的出现？--经济学阻碍是，随着特征尺寸的缩小，芯片的成本上升很快 而物理学的障碍主要来源于量子效应和光刻精度

@小蒋(某电子公司 硬件助理工程师): 我觉得家电产业的产品就有点挂羊头卖狗肉了。。

人工智能在短短半年时间便引爆众多企业，侵入电视、空调、冰箱等多个家电品类，却并没有真正给市场和消费者带来实惠和方便。

人工智能电视、人工智能画质芯片、甚至人工智能抽油烟机等等产品纷纷面世。然而即便是有了新技术，出了新产品，但是很多功能备受质疑，噱头足却没有真正迎合消费需求痛点。

我承认AI是未来的趋势，但是近几年内还不大可能真正意义地改变市场。

@刘鹏(哈尔滨工程大学 学生): 我个人也算是该领域的一枚小螺丝钉吧，我认为，不管是大公司，还是小团队，都有研究的权利和自由。大公司科研实力雄厚，人才济济，资金雄厚，开发出高性能AI的可能性大一些。但也不能否认，小团队也会有大牛的存在，即使挂羊头卖狗肉，也会对AI的芯片研究有推进作用。其实，保不准，以后某一款牛X的芯片，就是一个名不见经传的小团队搞出来的。

【个人看法，不针对任何公司，他人】

@杜平让(安华光电 嵌入式软件工程师): 据说每过18天，集成电路领域就会多出一个XPU，直到26个字母被用完。

这被戏称为AI时代的XPU版摩尔定律。

据不完全统计，已经被用掉的有：

APU -- Accelerated Processing Unit, 加速处理器，AMD公司推出加速图像处理芯片产品。

BPU -- Brain Processing Unit, 地平线公司主导的嵌入式处理器架构。

CPU -- Central Processing Unit 中央处理器， 目前PC core的主流产品。

DPU -- Deep learning Processing Unit, 深度学习处理器，最早由国内深鉴科技提出；另说有Dataflow Processing Unit 数据流处理器， Wave Computing 公司提出的AI架构；Data storage Processing Unit，深圳大普微的智能固态硬盘处理器。

FPU -- Floating Processing Unit 浮点计算单元，通用处理器中的浮点运算模块。

GPU -- Graphics Processing Unit, 图形处理器，采用多线程SIMD架构，为图形处理而生。

HPU -- Holographics Processing Unit 全息图像处理器， 微软出品的全息计算芯片与设备。

IPU -- Intelligence Processing Unit， Deep Mind投资的Graphcore公司出品的AI处理器产品。

MPU/MCU -- Microprocessor/Micro controller Unit， 微处理器/微控制器，一般用于低计算应用的RISC计算机体系架构产品，如ARM-M系列处理器。

NPU -- Neural Network Processing Unit，神经网络处理器，是基于神经网络算法与加速的新型处理器总称，如中科院计算所/寒武纪公司出品的diannao系列。

RPU -- Radio Processing Unit, 无线电处理器， Imagination Technologies 公司推出的集合集Wifi/蓝牙/FM/处理器为单片的处理器。

TPU -- Tensor Processing Unit 张量处理器， Google 公司推出的加速人工智能算法的专用处理器。目前一代TPU面向Inference，二代面向训练。

VPU -- Vector Processing Unit 矢量处理器，Intel收购的Movidius公司推出的图像处理与人工智能的专用芯片的加速计算核心。

WPU -- Wearable Processing Unit， 可穿戴处理器，Ineda Systems公司推出的可穿戴片上系统产品，包含GPU/MIPS CPU等IP。

XPU -- 百度与Xilinx公司在2017年Hotchips大会上发布的FPGA智能云加速，含256核。

ZPU -- Zylin Processing Unit, 由挪威Zylin 公司推出的一款32位开源处理器。

当26个字母被用完后，即将出现XXPU，XXXPU，并以更快的速度占领起名界，欢迎各位大佬改变行业格局，改变世界！

@smile(哈尔滨工业大学 测控技术与仪器专业): 人工智能最终的目的，是让机器代替人类，去辅助或者完成人类能够完成的事情。

我觉得，正是因为AI芯片的技术和标准仍处于探索阶段，中国企业才更需要努力，实现弯道超车。不能说是挂羊头卖狗肉吧，毕竟探索的过程还是比较艰辛的。。

@黄延复(可视科技 测试工程师): 关于这个话题，大家得对AI芯片有清晰的理解才行。

传统的CPU计算能力是不够的，大部分是存储和控制单元，对于人工智能的应用场景，比如安防中高清视频的识别、自动驾驶时的数据计算等等，需要AI芯片来加速特定场景的专用事务处理，其他非计算部分再让CPU负责，所以就目前来说，AI芯片并无清晰的定义，所以如何算“真正”并不好衡量。

现在来说能够高效率、高性能地完成目前人工智能最核心的算法，而现在主流算法是深度学习，所以AI芯片必须对深度学习有非常好的支持。AI芯片的计算能力必须要超过每秒5万亿次，因为只有达到这样的性能指标，很多特定应用计算结果才可能与人的能力相媲美。

AI技术有三大要素，算法、算力和数据。从国际AI技术前沿来看，深度学习等算法模型的研发并未成熟，迁移学习、胶囊网络等新的算法模型都在同步快速发展，AI芯片该使用什么方法和原理实现仍在探索阶段。事实上，目前主流芯片厂商并没有推出AI芯片，很多AI功能都通过通用芯片加特殊的算法、软件完成。

所以AI芯片更有可能是通过下游的现实场景的应用而定制开发的专属芯片，不会像PC智能手机时代的标准化CPU。比如，安防的专属芯片和智能手机的专属芯片就有不同的应用场景和计算能力要求。

@巩高峰(明扬创晶电子 电子技术员): 某种程度来说AI芯片的应用还是要基于AI场景，AI芯片可以理解为专门为处理复杂场景和问题而专门做的芯片，毕竟传统的CPU计算效率有限。现在关键的问题在于AI应用遇到的问题不仅仅是计算机的计算能力的问题，还包括应用场景，什么场景适合用AI替代原有方式。比如我觉得现在的扫地机器人并不好用，那这个时候你专门针对扫地机器人搞个芯片也没有太大意义，你得先解决这个应用场景的问题，自动驾驶更不用说，安全、法律、道德、基础设施等等这些问题不是靠一颗芯片可以搞定的。

@陈浩(北京航空航天大学 航空宇航科学与技术): AI芯片现在是一个商业性概念，因为它的技术本质仍未跳出现有技术体系，没有技术层面的本质革新。特别是咱们自己国家，别的方向有差距，做着靠AI芯片“弯道超车”的梦想，打破别国巨头的技术垄断。

就目前媒体瞎炒作的这个情况，本质上AI芯片就是一场烟雾弹。

@程鹤麟(桂林电子科技带大学 电气及其自动化): AI肯定是趋势，现在AI理论应用场景很多，但是落地的比较少，市场又处于探索阶段，自然有很多公司想要去尝试，毕竟对于创业公司来说未来更有机会。

@傅利(伟创力 可靠性测试工程师): 就以手机上AI芯片来说啊，其实最大的用处还是辅助计算，减轻CPU\GPU的运算负担，并进行一些图像处理以及芯片自学习。除了iPhone上的face ID和Mate 10上的微软翻译还是能跟人工智能扯上一点关系以外，暂时还没有看到其他很有用的具体实例。

@韩放(中触电子 FAE工程师): 目前还没有出现像CPU一样的AI通用算法芯片，所以做AI芯片的多太正常不过了，毕竟这是块大蛋糕啊。现在要我说哪些是误导市场的烟雾弹，真心不知道，就像10多年前还有人说马云是骗子，在未来面前，我还是保持敬畏比较好。

原文链接：做AI芯片的很多，有哪些是误导市场的烟雾弹？