51电子网公益库存:

U.FL-R-SMT-1

U2010B-MFPG3Y

U2044B-MFPG3Y

U4285BM

U642B-MFPG3Y

U6803B-MFPG3Y

UA741CD

UA78L05ACPKG3

UA78M33CDCYR

UAA3220TS

4.16E+11

40CTQ045S

40N03GP

40TPS12PBF

4-1932000-7

42CTQ030S

46114-8200

4712KL-05W-B40-P00

47308-0001

47346-0001

对于传统芯片而言，接下来需要奋起直追，而另一方面，ai芯片的迅速爆发也给中国芯片产业带来了久违的起跑线骄傲。据市场研究公司compass intelligence发布的上半年研究报告显示，在全球前24名的ai芯片企业排名表中，英伟达(nvidia)、英特尔(intel)以及ibm(npu)分别位列前三名，中国公司占据了七个席位，最高名次是排行第12的华为。

困局之中破局是唯一的出路，ai芯片可能就是那个突破口。作为计算芯片的一种，它正在对传统(计算)芯片发出挑战。

ai芯片是趋势使然

根据摩尔定律，当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。如何在相同的面积内放入更多的元器件?这对于制作工艺而言是一个极其大的挑战，而这一工艺的提升速度是缓慢且艰难的。因此，在算力、性能等方面，当前的集成电路相当于到了一个“瓶颈期”。

与此同时，ai逐步发展并落地，面对海量数据的实时采集和处理，“算力”成为了一项至关重要的必备条件。然而当前的ai算法训练、推理等，还是依赖英伟达、高通等厂商提供的传统芯片。但是，不管是高通骁龙系列，亦或是英伟达gpu等传统芯片，其当初被研发出来的目的并不是针对ai算法，这也就意味着，在ai算法加速方面，它们多是“心有力而余不足”的。目前，它们所能做的，也仅是在自己原有产品之上加注ai算法，变身为“通用ai芯片”。但究其本质，它们并没有脱离“传统芯片”行列。http://yushuo1.51dzw.com/

举个例子，行车途中前方突然出现障碍物，如果是cpu，虽有ai优化，但本身架构致使其在算法加速方面有所限制，导致数据处理等相对较慢，从而拉长了时间线，也因此当汽车意识到前方有障碍物时，可能已经撞上了;若是采取并行计算的gpu和针对ai算法加速的ai芯片，汽车将在极短时间内提前发现障碍并作出预判，但是gpu耗能太大，用不了多久就会耗尽汽车的电池电能。相比之下，ai芯片才是最佳方案。

另外，ai芯片创企异构智能中国区副总裁谢强此前在镁客网m-tech论坛上表示，cpu、gpu等通用处理器市场已经没有机会了，他们现在所能做的就是把各种各样的终端ai芯片做到极致，配合cpu、gpu等搭建一个小系统，这就是一个很好的解决方案。

如果说在传统芯片领域，我国“反超”的机会不大，且消耗的多项成本过高，那么“ai”芯片的大面积布局，将是此领域关乎国家战略层面的重要机遇。也由此在风起云涌间，传统芯片与ai芯片难免狭路相逢。

传统芯片不要慌，ai芯片尚有短板

相比于针对算法而研发的ai芯片，不管是算力还是功耗，包括gpu等在内的传统芯片在内的传统芯片都无法相比。

以百度“昆仑”与英伟达“xavier”为例。百度开发者大会上，李彦宏称“昆仑”是迄今为止业内算力最高的ai芯片，能在100w以上的功耗提供260万亿次/秒的运算速度，而英伟达“xavier”的算力大概是30万亿次/秒，功耗为30w。从性能和功耗的比值来看，以百度“昆仑”为代表的ai芯片暂时领先。

云端芯片市场，号称一霸的英伟达面临着谷歌、百度、华为等竞争对手的“虎视眈眈”。而占据手机终端芯片的高通，就ai算法加速而言，虽然它也声称自己是ai平台，但本质上还是利用ai算法对原有既定框架进行优化，不能定义为真正的ai芯片。

尽管ai芯片来势汹汹，但短板也非常明显。http://yushuokj.51dzw.com/

事实上，目前还没有出现像cpu一样的ai通用算法芯片，一剑封喉的应用还没出现。首先，ai芯片的量产问题是头部短板。不同于已经定性的传统芯片，ai芯片从架构到设计等多个层面都会是一种全新的颠覆。当前，虽有几家初创公司表示他们的产品已经实现了一种量产，但最终多是应用于自身产品和产业链，算不得真正的量产。

其次，ai芯片欠缺完整成熟的产业链。在早前由镁客网主办的“m-tech ai芯片商业化之路”论坛上，多家ai芯片初创公司的嘉宾都表示，云端芯片市场的大部分空间已经被英伟达占据，ai芯片创企在其中没有机会，之所以形成这样的局面正由于其产业链的建立。产业链构建完整，ai芯片从上游设计到中游解决方案、再到下游应用场景落地才能流畅。

再次，ai芯片的工作只是加速ai算法，但在整个主板上，这只是芯片所要计算的一部分。于其他方面，还有更多的计算工作，而它们中间的多数，并不需要ai芯片的介入，比如数据存储等等。

当然，主流架构探讨、算法通用可实现性、刚需应用场景等也是ai芯片需要攻克的问题。

短期之内，如英伟达这样的芯片行业巨头，其gpu因为算力尚且能够满足当前ai算法加速的需要，虽然耗能表现不佳，但是出于产业的需求，仍然是占据了当前市场的主要份额。

总结：新旧更迭，背后都是市场法则

不管是cpu、gpu等传统芯片，还是ai芯片，它们出现的根因皆是因为市场有了新需求，继而才会形成趋势，最终落实为产品。这其中，有着时代的更迭，也有着技术的进步。

这方面，ai芯片本身就是一个典型的案例。因为计算的需要，人们开始研发芯片，从而诞生了cpu、gpu等。之前很长一段时间内，cpu一直做着主要的任务处理和数据计算工作。之后随着ai的出现，cpu的算力遇到了挑战。反之，因为并行运算架构，以往并不起眼的gpu开始焕发光彩。不过，它们终究不是为ai算法而定制的，也因此，迎合产业需求发展的ai芯片出现了。

长远来看，出于对算力、功耗等多方面的考虑，就ai算法加速方面，ai芯片取代传统芯片是一个必然的结果。届时，ai芯片或将与cpu、gpu等一起集成到一个完整的处理器中，诸如寒武纪npu被集成至麒麟970一般，又或者，ai芯片也将作为独立处理器存在，这一切目前还是未知数。http://http://yushuo2.51dzw.com/

可以确定的是，就当前而言，我国在ai芯片的研发上已经站在了世界前列。一旦ai芯片实现量产，除了迎合智能时代产业发展的需求，我国还将在芯片产业中获得一定的话语权，在当前核心技术缺失的困局下实现“弯道超车”。　“中兴被禁”事件，给国内市场的第一喝棒指向芯片制造。这是我国的短板，也是智能产业最重要的“刚需”。从2008年开始，连续十年芯片都是我国第一大宗进口商品，占据了国际需求市场的50%，2017年的进口数量为3770亿块，花费金额为2601亿美元。这些芯片被搭载在了智能手机、电视、电脑等多种硬件中，而这些产品的生产量均占全球总量的半数以上，其中电脑更高达95%。来源：网络