最近，調研公司Compass Intelligence出了一份扎“芯”的報告。

這份報告對全球100多家AI芯片企業(yè)進行了排名（AI Chipset Index），結果顯示：前十名中，沒有一家中國大陸企業(yè)上榜。

不過，有一點欣慰的是，華為（海思）進入到榜單第12名，寒武紀排第22名，地平線排第24，這是中國大陸僅有的三家上榜企業(yè)。

排名的依據(jù)是什么？

AI Chipset Index的A-list包括提供AI芯片組的軟件和硬件公司。

AI芯片組包括中央處理器（CPU），圖形處理器（GPU），神經網絡處理器（NNP），專用集成電路（ASIC），現(xiàn)場可編程門陣列（FPGA），精簡指令集計算機（RISC）處理器， 加速器等。有些芯片組針對邊緣處理或設備，有些針對云計算中使用的服務器，以及一些針對機器視覺和自動駕駛平臺等。

該榜單的評分標準包括：

供應商指標（30分）：公司收入和AI收入（或范圍）；并購可能性；員工或資源；增長潛力；商業(yè)化年份

產品和客戶指標（30分）：產品組合實力；功能實力；創(chuàng)新水平；客戶成功案例；市場覆蓋率；品牌實力

經濟指標（25分）：市場寬度；潛在市場；可獲得市場；彈性水平；市場份額

其他（共15分）：領導力；近期新聞和活動；Google Mentions和AI

根據(jù)上述指標，Compass Intelligence給出的AI芯片公司排名（前15名）如下圖：

前十五名分別是：

英偉達、英特爾、恩智浦（NXP）、IBM、AMD、谷歌、ARM/軟銀、蘋果、高通、三星電子、華為（海思）、Imagination、新思科技（Synopsys）和聯(lián)發(fā)科

遺憾的是，中國大陸的AI 芯片公司未能進入前十，排名最高的華為（海思）進入第12，寒武紀和地平線分別排第22、24位。

中外比較突出的AI芯片公司

英偉達：一馬當先

英偉達針對自動駕駛汽車領域的全新人工智能超級計算器Xavier，是一款完整的片上系統(tǒng)(SoC)，集成了Volta的全新 GPU 架構、定制 8 核 CPU 架構以及新的計算機視覺加速器。

該處理器提供 20 TOPS（萬億次運算 / 秒）的高性能，而功耗僅為 20 瓦。單個 Xavier 人工智能處理器包含 70 億個晶體管，采用最前沿的 16nm FinFET 加工技術進行制造，能夠取代目前配置了兩個移動 SoC 和兩個獨立 GPU 的 DRIVE PX 2，而功耗僅僅是它的一小部分。

在今年的GTC大會上，英偉達推出新版 Tesla V100 ，將內存提升2倍，支持更多人工智能的工作負載；此外，英偉達還發(fā)布了“世界上最大的GPU”DGX-2，由 16 塊 32GB 內存的 Tesla V100 通過 NVSwitch 連接組成，成為首款能夠提供每秒兩千萬億次浮點運算能力的單點服務器。

同樣在GTC 2018上，英偉達宣布打造下一代名為 DRIVE Orin 的自動駕駛芯片，但除了代號外沒有透露更多信息。

英特爾：攪局計算機視覺芯片

英特爾子公司Movidius 在 2017 年推出視覺處理器（VPU，vision processing unit）Myriad X，是全球第一個配備專用神經網絡計算引擎的片上系統(tǒng)芯片（SoC），用于加速設備端的深度學習推理計算。

該神經網絡計算引擎是芯片上集成的硬件模塊，專為高速、低功耗且不犧牲精確度地運行基于深度學習的神經網絡而設計，讓設備能夠實時地看到、理解和響應周圍環(huán)境。引入該神經計算引擎之后，Myriad X 架構能夠為基于深度學習的神經網絡推理提供 1TOPS 的計算性能。

IBM：另辟蹊徑，不用馮諾依曼結構

IBM 在 2014 年推出 TrueNorth 芯片，該芯片包括 4096 個核心和 540 萬個晶體管，功耗 70mW，模擬了一百萬個神經元和 2.56 億個突觸。TrueNorth 芯片模仿人類大腦神經元，不同于通常的馮諾依曼結構。

谷歌：集大成者

谷歌2017 年發(fā)布第二代 TPU 芯片，其針對機器學習的訓練速度能比現(xiàn)在市場上的圖形芯片（GPU）節(jié)省一半時間；第二代 TPU 包括了四個芯片，每秒可處理 180 萬億次浮點運算；如果將 64 個 TPU 組合到一起，升級為所謂的 TPU Pods，則可提供大約 11500 萬億次浮點運算能力。

蘋果：逐漸自研，功力不必多說

蘋果自研的A11 Bionic（仿生）芯片，搭載了64位ARMv8-A架構的6核CPU，同時搭載蘋果自研的3核GPU。每秒運算次數(shù)最高可達6000億次，相當于0.6TFlops。

再來看看上榜的三家大陸企業(yè)。

華為：第二代AI芯片海思麒麟 980在本季度量產？

2017年9月，華為在德國柏林國際電子消費品展覽會（IFA）上正式推出其最新 AI 芯片 “麒麟 970”（Kirin 970）。麒麟 970 采用行業(yè)高標準的 TSMC 10nm 工藝，在指甲大小的芯片上，集成了 55 億個晶體管，功耗降低了 20%，并實現(xiàn)了 1.2Gbps 峰值下載速率。麒麟 970集成 NPU 專用硬件處理單元（寒武紀IP），創(chuàng)新設計了 HiAI 移動計算架構，其 AI 性能密度大幅優(yōu)于 CPU 和 GPU。相較于四個 Cortex-A73 核心，處理相同 AI 任務，新的異構計算架構擁有約 50 倍能效和 25 倍性能優(yōu)勢。

此外，據(jù)業(yè)內消息，華為第二代AI芯片海思麒麟 980也將在本季度正式量產，采用臺積電 7nm 制程工藝。這款處理器將配置第二代 NPU，在前代的基礎上，支持更多的場景應用，NPU 的性能提升 2 倍以上。

寒武紀：最新一代云端 AI 芯片 MLU100問世

昨天，寒武紀重磅發(fā)布第三代 IP 產品 Cambricon 1M 和最新一代云端 AI 芯片 MLU100 和板卡產品。MLU100 采用寒武紀最新的 MLUv01 架構和 TSMC 16nm 的先進工藝，平衡模式下的等效理論峰值速度達每秒 128 萬億次定點運算，高性能模式下的等效理論峰值速度更可達每秒 166.4 萬億次定點運算。

MLU100 云端芯片

MLU100 云端芯片不僅可獨立完成各種復雜的云端智能任務，更可以與寒武紀 1A/1H/1M 系列終端處理器完美適配，讓終端和云端在統(tǒng)一的智能生態(tài)基礎上協(xié)同完成復雜的智能處理任務。

寒武紀去年11月發(fā)布了三款智能處理器 IP 產品：面向低功耗場景視覺應用的寒武紀 1H8、擁有更廣泛通用性和更高性能的寒武紀 1H16，以及面向智能駕駛領域的寒武紀 1M。

地平線：發(fā)布新一代自動駕駛處理器征程 2.0 架構

地平線在去年12月發(fā)布了兩款AI處理器征程（Journey）和旭日（Sunrise），都屬于嵌入式人工智能視覺芯片，分別面向智能駕駛和智能攝像頭。這兩款芯片，性能可達到 1Tops，實時處理 1080P@30 幀，每幀可同時對 200 個目標進行檢測、跟蹤、識別，典型功耗只有1.5w。

地平線搭載征程2.0處理器架構的Matrix平臺

4月26日，地平線在北京車展上發(fā)布了新一代自動駕駛處理器征程 2.0 架構，目前正在研發(fā)中，即將流片，而未來在軟硬件的進一步協(xié)同優(yōu)化后，征程 2.0 處理器將可實現(xiàn)更強大的自動駕駛性能。

對于此次地平線進入榜單，地平線聯(lián)合創(chuàng)始人兼算法VP黃暢認為：

人工智能算法的發(fā)展會在接下來的十年間引導處理器架構的設計。而繼感知和建模之后，預測未來的能力會成為自主機器人的關鍵技術。這是一個將抽象的算法與具象的電路聯(lián)合起來激烈碰撞高速迭代的黃金年代。

地平線生逢其時，位列其中定要將那技術乃至人文的邊界，推向下一個如今看來難以企及的極限。

再來談談問題：核心部件國產化率極低；AI芯片過份地追求完全獨立是一個怪圈

新智元從中國某高校微電子所獲取的一份集成電路產業(yè)報告顯示，雖然在國家IC產業(yè)政策持續(xù)帶動下，中國IC產業(yè)呈現(xiàn)良好的增長勢頭，但核心部件處理器和操作系統(tǒng)產業(yè)與國外先進國家差距大，保障國家信息安全和產業(yè)安全能力不足，CPU和操作系統(tǒng)國產化率極低，難以達到自主可控的要求。

各類軟硬件系統(tǒng)中CPU和OS市場占有率

服務器中CPU和操作系統(tǒng)的國際市場占有率為0；

桌面計算機的CPU占有率為0，國產Linux操作系統(tǒng)也小于1%；

移動終端應用處理器國際市場占有率達到18%，但操作系統(tǒng)則為Google壟斷；

智能電視應用處理器占有率小于1%，其操作系統(tǒng)也為Google壟斷；

網絡處理器在華為和中興等國內企業(yè)的努力下，市場占有率達到20%左右。

同時，相關產業(yè)基礎能力不足，核心技術創(chuàng)新能力不強。

隨著系統(tǒng)芯片和IP復用技術的興起，越來越多的設計企業(yè)依賴于IP復用、商業(yè)EDA工具和先進工藝，甚至于濫用的傾向，導致研發(fā)的芯片同質化嚴重，缺乏核心競爭力，難以達到世界一流。

到2020年之前，可以預見的是國內先進工藝和世界領先水平相比差距兩代，甚至更大是一個大概率事件。

國產EDA的產業(yè)能力與設計需求關系

國內EDA（電子設計自動化）市場發(fā)展較為迅速，但本土EDA工具的市場嚴重落后。從國際上看，EDA與IC設計產值的比例大概在6%，而國內EDA/IC設計的比值只有不到3%，本土EDA的比值更低，只有0.14%，相差40多倍。本土EDA工具需要更快更高效的發(fā)展，才能有效支撐我國整個集成電路設計的發(fā)展。

至于國內AI芯片行業(yè)，出現(xiàn)百家爭鳴、各自為政的格局，特別是每個初創(chuàng)企業(yè)的人工智能芯片都具有自己獨特的體系結構和軟件開發(fā)套件，既無法融入英偉達和谷歌建立的生態(tài)圈，又不具備與之抗衡的實力。

中科院自動化所集成中心吳軍寧曾發(fā)文認為，國產人工智能芯片的發(fā)展，一如早年間國產通用處理器和操作系統(tǒng)的發(fā)展，過份地追求完全獨立、自主可控的怪圈，勢必會如眾多國產芯片一樣逐漸退出歷史舞臺。

另外，目前大多數(shù)國產人工智能處理器都針對于神經網絡計算進行加速，而能夠提供單芯片解決方案的很少；微控制器領域的發(fā)展，ARM 的 Cortex-A 系列和 Cortex-M 系列占據(jù)主角，但是新興的開源指令集架構 RISC-V 也不容小覷，完全值得眾多國產芯片廠商關注。