人工智能异军突起，芯片产业步入AI时代。2016 年英伟达发布了加速 AI 计算的 Tesla P100 芯片。同年谷歌发布加速深度学习的 TPU芯片。击败李世石的Alpha Go装有48个谷歌AI芯片。与英伟达的芯片不同，谷歌的 TPU 芯片设置在云端。2016年寒武纪成立并于该年推出世界首款终端AI处理器，以及世界首款商用学习专用处理器Cambricon-1A。2017年秋，华为海思推出全球首款内置独立NPU移动AI计算平台“麒麟970” 芯片。2017年底，地平线发布了面向智能驾驶的征程1.0处理器和面向智能摄像头的旭日1.0处理器。2018年5月，英特尔推出第三代人工智能芯片Spring Crest，主打深度学习和机器训练。2018年7月初，百度发布自主研发的中国首款云端全功能AI芯片“昆仑”。2018年11月，亚马逊发布其首款云端AI芯片。2018年12月，清华大学举办第三届未来芯片论坛，并发布《人工智能芯片技术白皮书（2018）》。

在人工智能领域，传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求。通常CPU由控制器和运算器这两个主要部件组成。实质上仅单独的ALU模块是用来完成数据计算的，这种通用性结构对于传统的编程计算模式非常适合，同时可以通过提升CPU主频来提升计算速度。但是，深度学习中并不需要太多的程序指令，却存在海量数据运算的计算需求，传统结构显得力不从心。尤其是在功耗限制下，无法通过无限制的提升CPU和内存的工作频率来加快指令执行速度。这种情况导致CPU系统的发展遇到不可逾越的瓶颈。

能够运行人工智能算法的芯片统称AI芯片，AI芯片按技术架构、功能和应用场景可分为若干种类。通常意义上的AI芯片又称AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由CPU负责） 。现阶段一般以深度学习算法为主，也包括其他机器学习算法。AI芯片按功能（机器学习算法步骤）可分为训练（Training）和推断(Inference）两个环节。按应用场景主要分为用于服务器端（云端）和用于移动端（终端）两大类。按技术架构主要分为并行加速计算GPU、半定制化FPGA、全定制化ASIC、神经拟态类脑芯片四类。

作为人工智能应用实现的物理基础和关键支撑，AI芯片已成为人工智能领域的研究和创业热点。人工智能正逐渐发展为新一代通用技术，加快与经济社会各领域渗透融合。已在医疗、金融、安防、教育、交通、物流等多个领域实现新业态、新模式和新产品的突破式应用，带动生产流程、产品、信息消费和服务业的智能化、高附加值转型发展。此外，应用、算法机理、芯片、工具链、器件、工艺和材料等技术层级环环紧扣形成AI的技术链，其中AI芯片处于整个链条的中部，向上为应用和算法提供高效支持，向下对器件和电路、工艺和材料提出需求。

AI芯片市场规模呈爆发式增长，其中云端市场规模最大，各细分领域发展迅速。预计到2022年全球AI芯片的市场规模将达到352.17亿美元，年复合增长率达到55%，增长迅猛。其中云端AI芯片的市场规模相比2017年将增长近10倍。目前，我国智能芯片市场规模尚不足50亿元，预计到2022年有望突破百亿。人工智能（AI）芯片行业尚处于起步阶段，人工智能领域的应用尚处于面向行业的应用阶段，生态上还未形成垄断。

应用场景方面，云端市场寡头垄断，生态环境固化；终端市场群雄割据，百家争鸣。在云端，互联网巨头已经成为了事实上的生态主导者。海量的用户数据和长期巨大的研发投入，致使云计算本就是巨头的战场。在生态相对固化的环境中，留给创业公司的空间几乎消失。相对与云端，终端留给AI芯片创业公司更广阔的市场。但是于此同时，由于应用环境千差万别，没有相应的行业标准，各个厂商各自为战，无法形成一个统一的规模化市场。

目前，人工智能领域的应用在生态上尚未形成垄断，基于新兴技术和应用市场，中国在建立人工智能生态圈方面将大有可为。AI芯片的应用领域遍布金融、电商、安防、教育以及无人驾驶等众多领域，催生出大量的AI芯片初创公司和独角兽企业。国内AI芯片呈现科研机构全面布局、老牌大厂终端发力、初创企业百花齐放的产业格局。学术浓郁的科研机构、跨界转型的老牌大厂及百家争鸣的初创团体助力我国AI芯片“弯道超车”。

华为海思、联发科、寒武纪等7家中国公司入围2018年度全球AI芯片公司TOP24排行榜。在调查研究了全球100多家企业后，市场研究和咨询公司Compass Intelligence发布了2018年度全球AI芯片公司排行榜。Nvidia（英伟达）排名第一。Intel、IBM、Google、苹果、AMD、ARM、高通、三星、恩智浦等公司位列2-10名。在TOP24的榜单排行中，共有七家中国公司入围。

架构：目前各家使用的AI方案架构互不兼容，没有支持的标准AI计算接口，是否会出现像当年CPU一样的通用处理器来一统AI芯片天下？如果存在的话，架构是怎么样的？如果不存在，AI芯片以IP核的方式被各种各样的SoC所集成，那今天从事AI芯片开发的公司将何去何从？

路径：厂商对未来的预判不尽相同，有的要在云端做大芯片；有的面向终端，开发特定场景的芯片；有的则两路并发。那究竟选择何种路线？对GPU、FPGA、ASIC的“押注”谁将胜出？

应用：AI芯片巨大的研发、流片、分销成本都需要成规模的商业应用来“稀释”，因此，选择哪个垂直领域发力，取决于众多关键因素：市场空间够不够大？技术是改良还是革命？研发成本与迭代周期以及行业集中度、竞争壁垒等等，显然，在AI场景应用领域，仍有诸多硬仗要打。

阵营：老牌芯片企业的入场竞争，和新生力量在人才、产品层面的角力，是未来AI产业值得关注的一大看点。系统公司对场景需求的深刻了解，强大完整的工程化团队和实践经验，无疑增加了产业格局的不确定性。

生态：在AI平台化的趋势下，未来AI将呈现若干主导平台加广泛场景应用的竞争格局，生态构建者将成为其中最重要的一类模式。在AI生态层面，AI芯片厂商要么打造包括硬件及软件生态的全AI服务流程能力，要么就需要融入一个合适的生态圈，否则长远的竞争力将难以保证。