MAKER EVEN

人工智能（AI）的爆發性增長是以強大的計算能力為基礎的，而提供計算力的載體是芯片。隨著市場對芯片計算能力的需求提高，芯片制造工藝也在不斷提高，與之而來的是芯片制造成本也隨著漲高。 有業內人士稱，如今設計制造一顆10nm芯片的成本要幾千萬美元，就算目前寒武紀、深鑒科技等專門做AI芯片的企業，即使采用28nm的芯片工藝，前期從投入到流片的成本都要超過400萬美元。也就是說，單一品類的芯片出貨量沒有百萬級很難收回成本。 AI芯片是AI技術發展過程中不可逾越的關鍵階段，不管有什么好的AI算法，要想最終得到應用，都必然通過芯片來實現。谷歌、微軟、亞馬遜、IBM等全球科技巨頭紛紛投入巨資加速人工智能核心芯片的研發。 今年8月份，谷歌的一款Edge TPU芯片，一塊AIY Edge TPU開發板，一個AIY Edge TPU加速器，讓開發者狂歡，將國內AI芯片公司徹底打入寒冬！ Google蓄力的Edge TPU終于正式對外公布！不僅如此，此次Google還帶來了基于Edge TPU的AIY Edge TPU開發板以及AIY Edge TPU加速器，全面幫助工程師將機器學習部署到AI產品開發中去。 其實，在 2016 年 6 月的時候 Google 就透露了自己研發了一款在云端使用的專用 AI 芯片，TPU（Tensor Processing Unit）。Google 做 AI 芯片當然是吸引眼球的新聞，但苦于一直沒有公布細節，大家也只能猜測和等待。沒過多久，在2017年5 月 17 日，在 Google I/O 大會上，Google 公布了第二代 TPU。雖然 TPU2 的細節公布的并不多，但指標確實看起來很不錯，而且具有非常好的可擴展性。唯一的遺憾就是它并不對外銷售，只能以 TPU Cloud 的方式供大家使用。 谷歌表示，其AI芯片正變得更具戰略重要性。在AI領域，研究人員正用大量數據訓練模型，以便機器能夠在新數據到來時進行預測。 今年，谷歌在I／O大會發布了其第三代TPU，并宣稱其性能比去年的TUP 2．0提升8倍之多，達到每秒1000萬億次浮點計算，同時谷歌展示了其一系列基于TPU的AI應用。 這款芯片也是AlphaGo背后的功臣，即AlphaGo能以超人的熟練度下圍棋都要靠訓練神經網絡來完成，

中興被封殺事件引起社會各界持續關注。4月16日，美國商務部宣布令，禁止美國企業向中興通訊銷售一切產品，時間長達7年，禁令立即生效。這意味著，從4月16日開始，美國相關公司就不能再跟中興通訊有生意往來。在核心零部件上依賴美國的中興通訊，開始進入了依靠庫存運營的危險周期。中興被封殺事件不僅對包括中興在內的高科技企業產生影響，而且在輿論場上引發深入討論，“缺芯少魂”的問題，再次嚴峻地擺在人們面前。 看看國外的市場，科技巨頭都在布局這塊領域。目前，美國前三大云計算廠商亞馬遜、微軟、谷歌都已經不同程度地介入到人工智能領域，作為智能手機巨頭的蘋果則介入AI芯片領域。不過，幾大巨頭介入人工智能的目標和路徑并不相同。 蘋果公司正在開發一種專門用于處理AI任務的定制化芯片，目的是將AI技術更好地應用在iPhone、iPad等產品中，提升其性能表現。該神經網絡引擎采用雙核設計，每秒運算次數最高可達6000億次，相當于0.6TFlops，以幫助加速人工智能任務。 微軟設備部門全球副總裁Panos Panay接受CNBC采訪時也確認了微軟正在為下一代HoloLens MR頭戴設備研發AI芯片，并表示微軟不僅擁有一支專注的IC設計團隊，而且還與芯片制造商和其他合作伙伴共同開。 谷歌在2017年I/O大會上已經明確喊出“AI First”（人工智能優先）的口號，在今年的IO大會上，谷歌推出了第三代TPU。根據官方介紹，TPU3.0的計算能力最高可達100PFlops，是TPU2.0的8倍多。它是谷歌自主研發的針對深度學習加速的專用人工智能芯片。TPU是專為谷歌深度學習框架TensorFlow設計的人工智能芯片。著名的AlphaGo使用的就是TPU2.0芯片。 谷歌在今年的Cloud Next 大會上發布了兩款新設備，其可以幫助專業工程師在處理器內核上構建支持設備端機器學習 (ML) 的新產品。這兩款新設備是：AIY Edge TPU Dev 開發板和 AIY Edge TPU 加速器，二者皆采用 Google 的 Edge TPU 芯片。新設備的問世，標志著我們在將 AIY 擴展為設備端 ML 實驗平臺的道路上邁出了第一步。 谷歌首席科學家Greg Corrado在近日召開的谷歌AI技術分享會上提出了不同的觀點，他說，“至少迄今為止，我也沒有看到完全不同于傳統

人工智能的實現需要依賴三個要素：算法是核心，硬件和數據是基礎。 什么是CPU? CPU主要包括運算器（ALU，Arithmetic and Logic Unit）和控制器（CU，Control Unit）兩大部件。CPU主要包含運算邏輯器件、寄存器部件以及控制部件等。CPU就像一個有條不紊的管家，我們吩咐的事情總是一步一步來做。但是隨著摩爾定律的推進以及人們對更大規模與更快處理速度的需求的增加，CPU好像執行起任務來就不那么令人滿意了。 什么是GPU? GPU全稱為Graphics Processing Unit，中文為圖形處理器，就如它的名字一樣，GPU最初是用在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上運行繪圖運算工作的微處理器。因為對于處理圖像數據來說，圖像上的每一個像素點都有被處理的需要，這是一個相當大的數據，所以對于運算加速的需求圖像處理領域最為強烈，GPU也就應運而生。 這就好比在畫一幅畫的時候CPU是用一支筆一筆一筆的來畫，而GPU則是多支筆對不同的位置同時進行描繪，那自然效率就是突飛猛進的。 什么是TPU? 隨著機器學習算法越來越多的應用在各個領域并表現出優越的性能，例如街景、郵件智能回復、聲音搜索等，對于機器學習算法硬件上的支持也越來越成為一種需要。目前很多的機器學習以及圖像處理算法大部分都跑在GPU與FPGA上面。 TPU的靈感來源于Google開源深度學習框架TensorFlow，所以目前TPU還是只在Google內部使用的一種芯片。TPU也就是TensorProcessorUnit，Google為機器學習定制的專用芯片(ASIC)，專為Google的深度學習框架TensorFlow而設計。TPU3.0采用8位低精度計算以節省晶體管，速度能加快最高100PFlops(每秒1000萬億次浮點計算)。 新發布的TPU3.0使用8位低精度計算以節省晶體管，對精度影響很小但可以大幅節約功耗、加快速度，同時還有脈動陣列設計，優化矩陣乘法與卷積運算，并使用更大的偏上內存，減少對系統內存的依賴。 同時，谷歌在Cloud Next 大會上發布了兩款新設備，其可以幫助專業工程師在處理器內核上構建支持設備端機器學習 (ML) 的新產品。這兩款新設備是：AIY Edge TPU Dev 開

OpenAI研發的AI組成電競戰隊，在5v5點Dota 2開黑對戰中擊敗人類玩家，協作式AI取得突破性進展。 去年8月的Dota 2國際邀請賽TI7上，Open AI的機器人在1v1比賽中完虐Dota 2頂級職業玩家Dendi。Dendi是世界知名Dota 2職業選手、solo高手，玩法靈活，經常玩出神級操作，曾帶領Navi戰隊拿下TI1冠軍和TI2、TI3亞軍。在這場人機對戰中，AI的表現相當彪悍，出手嫻熟狠厲，卡兵、壓制、補給等操作樣樣在行，幾乎刀刀致命，就連假動作和秀走位也展現超高水平。AI第一場僅用10分鐘就擊敗Dendi，第二局一開場就進塔強殺Dendi，逼得Dendi直接認輸并拒絕進行第三場比賽。 今年8月，OpenAI Five與Dota 2人類職業玩家的對戰以AI的勝利告終，Dota 2再一次被攻陷。人工智能在這場比賽的表現直接證明其具有了與頂級玩家角逐的能力。這場比賽由人類代表《Dota 2》半職業玩家與AI以5v5進行比賽，在100,000萬名直播和現場觀眾的見證下，最終人類以2:1的比分戰敗，AI把人類玩家虐得體無完膚！ 在兩場比賽中，AI玩家都在首一分鐘內拿到擊殺。據 OpenAI 官網介紹，AI擊敗了水平超過99.95%的《Dota 2》玩家！不過，人類玩家五人沒在一起訓練過，所以默契程度還有待加強！繼國際象棋后、圍棋比賽后，又一場AI在比賽中戰勝人類。 OpenAI機器人采取了“自我博弈（self-play）”的方式來學習打Dota，訓練過程中并沒有使用模仿學習或者類似于AlphaGo的樹搜索技術。簡單來講，“自我博弈”就是通過自己與自己的復制品對打，而不是與人類選手對戰，獲得游戲經驗。 其實，“自我博弈”在此前AlphaGo的訓練中就有過類似應用，AlphaGo曾經通過自我對弈3000萬盤，來提高自己神經網絡的精度。只不過，AlphaGo在自我對弈前，還曾被輸入16萬盤人類棋手的棋譜，通過海量棋譜來學習人類落子布局的特征；而OpenAI則是完全從零開始，在對Dota游戲世界沒有認知的情況下就開始通過自我對練學習游戲方法。 AI 在影像和語音辨識上有極大進展，這兩年來已經和人類并駕齊驅、甚至超越人類。比如，去年谷歌就曾經推出過兩款AI人工智能硬件——AIY Voice Kit和AIY Vision

一篇質疑IBM的舊文在HackerNews上突然火了起來，雖已時隔多年，這篇文章還是引起了網友們的強烈共鳴。算起來，IBM其實是早期提出要轉型人工智能的公司。但是現在提到人工智能，我們能想到阿爾法狗，很少有人提及IBM，這么多年過去了，IBM人工智能的發展突然銷聲匿跡了，難道是一個徹頭徹尾的騙局？ 沃森是能夠使用自然語言來回答問題的人工智能系統，由IBM公司的首席研究員David Ferrucci 所領導的Deep QA計劃小組開發并以該公司創始人托馬斯·J·沃森的名字命名。 2011年，沃森參加綜藝節目《危險邊緣》來測試它的能力，這是該節目有史以來第一次人與機器對決。2月14日至16日廣播的3集節目中，沃森在前兩輪中與對手打平，而在最后一集里，沃森打敗了最高獎金得主布拉德·魯特爾和連勝紀錄保持者肯·詹寧斯。沃森贏得了第一筆獎金100萬美元，而肯·詹寧斯和布拉德·魯特爾分別只有30萬和20萬。賽后，詹寧斯和魯特表示將一半獎金用于慈善事業，IBM公司也將沃森的獎金分給了兩家慈善機構。 沃森在比賽節目中按下信號燈的速度始終比人類選手要快，但在個別問題上反映困難，尤其是只包含很少提示的問題。對于每一個問題，沃森會在屏幕上顯示3個最有可能的答案。沃森4TB磁盤內，包含2億頁結構化和非結構化的信息，包括維基百科的全文。在比賽中沃森沒有鏈接到互聯網。 在AlphaGo出世前，Watson一直是人工智能的代名詞。但是，隨著時間向前走，Watson弱點逐漸暴露： 它需要多個月極費人力的訓練，需要專家把海量整理好的數據喂給平臺，讓它能夠從中得出有價值的結論。另外，它僅能根據訓練過的數據得出結論。其中，Watson對“整理好的”數據這項要求，格外難辦。Watson客戶不得不雇傭整隊專家咨詢師準備數據集，費時費力不說，最受不了的是費錢。 大家當年對Watson以及它所代表的人工智能技術期望過高，甚至脫離實際，也是造成如今失望的原因之一。IBM鼎盛時期已經不復存在，自它把服務器和電腦給了聯想，把聯想狠狠坑了一把后，IBM也就變成了一個空殼公司。 伴隨深度學習技術的突破以及自動化、智能化風潮的演進，人工智能領域迎來了爆發。可以說，人工智能已經成為了焦點“戰場”。 過去數年來，谷歌一直嘗試在不同領域開展人工智能技術的創新與應用，最為大家所熟知的就屬在圍棋大戰中柯潔的“Alph

自AlphaGo之后，“人工智能”成為2016年的熱詞，但早在1956年，幾個計算機科學家就在達特茅斯會議上首次提出了此概念。他們夢想著用當時剛剛出現的計算機來構造復雜的、擁有與人類智慧同樣本質特性的機器，也就是我們今日所說的“強人工智能”。這個無所不能的機器，它有著我們所有的感知、所有的理性，甚至可以像我們一樣思考。 在2016年，谷歌人機大戰掀起了全球人工智能熱潮，甚至還為人工智能系統辦起了畫展，因早期谷歌主要以動物來訓練人工智能系統，盡管AI系統對圖像處理都會出現各種動物，但谷歌AI的畫作居然還拍出8000美元價格。 圍繞人工智能的科技秀從未間斷，包括備受爭議的網紅美女機器人索菲亞，在獲得公民身份后，游走全世界舞臺，參加各種活動、錄制節目，秀中文，無所不能，然而只是提前設置好的對話，徹頭徹尾的騙局。 YannLe Cun是全球人工智能領域“神一般的人物”，被業界譽為“卷積神經網絡之父”。他是紐約大學終身教授，創辦了紐約大學數據科學中心，扎克伯格則讓他統領Facebook人工智能實驗室。 1月4日，他在美國科技媒體Business Insider上看到了一段對機器人索菲亞的采訪視頻。視頻里，索菲亞延續了自己一貫以來和人類談笑風生的風格。 YannLe Cun在Twitter上轉了這條視頻，并毫不客氣地送上了自己的評論：“索菲亞之于AI，就像魔術之于真正的魔法。也許我們應該把這稱為‘對AI的貨物崇拜’、‘AI界的波將金村’或者是‘AI版的《綠野仙蹤》’。換句話說，這根本就是扯淡。至于TechInsider，你也是這起騙局的幫兇之一。” 隨著人工智能的發展，聊天機器人正在進入越來越多的領域，技術的進步，使它們的擬人程度越來越逼真，但是當它們變得太真實的時候會發生什么呢？ 去年，一家消息應用程序公司創建了一個聊天機器人，假冒HBO（紐約有線電視網絡媒體公司）的《硅谷》中的演員。該應用程序中的神經網絡從劇本的前兩季中攝取內容，學習演員角色的語言模式。在此基礎之上，創建出了聊天機器人，形成了真正的虛構人物交談。 雖然，兩季的對話內容不足以創造出一個高效的聊天機器人，但它背后的想法是非常真實的。幾個月后，該公司利用相同的技術，幾乎使死去的人的聲音在現實生活中重現。通過歷史使用過的算法，加之社交媒體的談話和其他來源的信息，Luka的工程師

有人說，人工智能（AI）是未來，人工智能是科幻，人工智能也是我們日常生活中的一部分。AI，也就是人工智能，并不僅僅包括機器學習。曾經，符號與邏輯被認為是人工智能實現的關鍵，而如今則是基于統計的機器學習占據了主導地位。最近火熱的深度學習正是機器學習中的一個子項。目前可以說，學習AI主要的是學習機器學習。但是，人工智能并不等同于機器學習，這點在進入這個領域時一定要認識清楚。 學習方法的設定簡單說就是回答以下幾個問題：我要學的是什么？我怎樣學習？我如何去學習？這三個問題概括說就是：學習目標，學習方針與學習計劃。學習目標比較清楚，就是踏入AI領域這個門。這個目標不大，因此實現起來也較為容易。 此文是想要進入人工智能這個領域、但不知道從哪里開始的初學者最佳的學習資源列表。 1、人工智能科普類：人工智能科普、人工智能哲學 《智能的本質》斯坦福、伯克利客座教授30年AI研究巔峰之作 《科學+遇見人工智能》李開復、張亞勤、張首晟等20余位科學家與投資人共同解讀AI革命 《人工智能時代》從人工智能的歷史、現狀、未來，工業機器人、商業機器人、家用機器人、機器翻譯、機器學習等人工智能應用領域依次介紹了人工智能發展前景。 《人工智能簡史》 跟著圖靈、馮?諾依曼、香農、西蒙、紐維爾、麥卡錫、明斯基等人工智能的先驅們重走人工智能之路，站在前人的肩膀上，看人工智能的三生三世，鑒以往才能知未來。 2、人工智能機器學習類：Python、機器學習、數據科學 《Python機器學習實踐指南》 結合了機器學習和Python 語言兩個熱門的領域，通過利用兩種核心的機器學習算法來用Python 做數據分析。 《Python機器學習——預測分析核心算法》從算法和Python語言實現的角度，認識機器學習。 《機器學習實踐應用》阿里機器學習專家力作，實戰經驗分享，基于阿里云機器學習平臺，針對7個具體的業務場景，搭建了完整的解決方案。 《NLTK基礎教程——用NLTK和Python庫構建機器學習應用》介紹如何通過NLTK庫與一些Python庫的結合從而實現復雜的NLP任務和機器學習應用。 3、人工智能深度學習類：深度學習、Tensorflow 《深度學習》AI圣經，深度學習領域奠基性的經典暢銷書 特斯拉CEO埃隆·馬斯克等國內外眾多專家推薦！ 《深度學

作為AI和芯片兩大領域的交差點，AI芯片已經成了最熱門的投資領域，各種AI芯片如雨后春筍冒出來，但是AI芯片領域生存環境惡劣，能活下來的企業將是鳳毛麟角。 在全球前15大人工智能芯片企業排名表“A-List”中，前三名依序為英偉達、英特爾以及恩智浦（NXP），蘋果排名第8名、三星第09名；華為第12名，成中國大陸地區最強芯片廠商。 如果高通、英特爾、英偉達這些傳統芯片巨頭都已開始制造AI芯片還不夠證明其熱度，那么電商巨頭亞馬遜、社交巨頭Facbook、軟件巨頭微軟等也都開始自主研發AI芯片不僅能說明AI芯片到底有多受關注，更能證明其重要性。 谷歌在I／O大會發布了其第三代TPU，并宣稱其性能比去年的TUP 2．0提升8倍之多，達到每秒1000萬億次浮點計算，同時谷歌展示了其一系列基于TPU的AI應用。 可以說，AI已經成為科技行業除了區塊鏈之外最熱門的話題。AI芯片作為AI時代的基礎設施，也成為目前行業最熱門的領域。 谷歌TensorFlow團隊：深度學習的未來，是MCU Pete Warden，是谷歌TensorFlow團隊成員，也是TensorFLow Mobile的負責人。Pete 堅定地相信，未來的深度學習能夠在微型的、低功耗的芯片上自由地奔跑。換句話說，單片機 (MCU) ，有一天會成為深度學習最肥沃的土壤。 沸沸揚揚的“中興事件”已經落下帷幕，但是這場“意外”卻給了我們每個人一個教訓。美國商務部向中興發出出口權限禁止令不僅是一場由中美貿易戰升級帶來的連鎖反應，同時也凸顯了中美兩國在高精尖產業上的實力差距。 作為中國驕傲的華為，在2004年就開始著手研發自己的芯片，從最早的海思K3V2開始，到現在最新的麒麟970。華為的麒麟芯片目前可以算是處于世界前列水平，但是距離頂級還是有一段距離。 反觀國外科技巨頭今年的動向： 2018年3月，GTC 2018大會上，Nvidia發布了迄今最大的GPU，暫定自動駕駛暫停研發，隨后股價下跌3.8%。 2018年5月，在Google I/O大會上，Google發布了TPU3。同月，Intel人工智能開發者大會（AI DevCon 2018）發布了第二代NNP，代號“Spring Crest”，將是Intel第一款商業 NNP 芯片，預計在2019年發貨。 谷歌為其深

伴隨著近年來人工智能的崛起，人工智能未來會威脅人類的恐慌也隨之產生。人工智能是一個新事物，眾人對其的認知存在不少誤區或誤解。AI這個詞如果仔細去琢磨它是人工的，其實也有假的的意思，所以它離真的人的思維方式、能力以及有可能出現的風險還非常遠。因此我們更應該擔心技術成熟得不夠快、會出問題，自動駕駛其實還有很多技術難題沒有解決，我們今天看到的所謂的這種智能，很多時候還是假的。   比如《三體》作者劉慈欣認為，人工智能像科幻小說里面描述的那樣，給人類帶來生存威脅，征服人類，還是很遙遠的事情。只要我們用開放、科幻的觀點來看未來，我們對世界就會顯得樂觀。 英國著名物理學家史蒂芬霍金曾經在接受采訪時稱，人工智能(AI)很快會成為一種新的生命形態，甚至某一天會超越人類。霍金在接受美國著名雜志《連線》的采訪時表示：“我擔心AI某天會完全取代人類。即使人們會設計出計算機病毒，但也有人會相應的改進和完善自己的AI技術。到那時就會出現一種超越人類的新的生活方式。” 霍金表示，現在AI正在迅速發展，獲得的投資巨大，同時潛在的好處也是巨大的。技術革命可以幫助消除工業化對自然界造成的一些損害。 核心技術的屢獲突破與重磅新聞的接踵而至，讓人工智能這一事物早已不再像從前那般神秘。至于如何評價人工智能，主流態度無外乎兩種：一來，它可以大大提高生產力，推動社會進步的同時，改善老百姓的生活水平；二來，它顛覆性的發展與存在，或將在未來大面積取代人類，并帶來倫理層面的挑戰。 反之，庫克就對近期的人工智能威脅人類的論調予以反駁，“很多人都在談論 AI，我并不擔心機器人會像人一樣思考，我擔心人類像機器一樣思考。”庫克繼續說，科技本身并沒有好壞之分，也沒有意識。但確保科技具有人性是每個人的共同責任，這也是蘋果非常重視的。 但是，特斯拉CEO埃隆·馬斯克(Elon Musk)日前在最新上映的一部紀錄片《你相信這臺計算機嗎？》(Do You Trust This Computer?)中稱，在人工智能時代，我們可能創造出“一個不朽的獨裁者，人類永遠都無法擺脫他們的統治”。馬斯克借此再次呼吁他這幾個月希望大家重視的問題：人工智能的快速發展，可能會帶來很大的安全隱患。他反復強調，“我們需要思考，什么樣的監管制度才能約束AI可能給我們人類造成的傷害。” 其實人工智能威脅論簡單來講，就是人工智能將來會不會取代人

人工智能(AI)是幾年來發展最快的幾項技術之一，對AI芯片的需求也持續上升。按照應用場景，AI芯片可以簡單地分為用于云端服務器機房等地的云AI芯片，以及用于端智能設備、IoT設備的終端AI芯片。自中興事件之后，“芯片”成了中國科技類企業心中的一根刺，阿里、騰訊、格力紛紛推出了自己的造“芯”計劃。當然國外的互聯網巨頭已經開始布局自己的格局了。這些耳熟能詳的公司，你一定不陌生。 高通 此前，高通正式發布驍龍845處理器。高通高級副總裁兼移動業務總經理Alex Katouzian稱，高通沒有獨立的神經網絡引擎單元，而是在通用平臺上做內核優化。照其所說，高通從驍龍820就開始AI方面的研究，到驍龍845已經是的第三代了，而且AI計算效能是前一代的三倍。 谷歌 谷歌為其深度學習神經網絡打造基于ASIC的專用TPU芯片，主要為自己的人工智能系統Tensor－flow提供服務。技術細節上，Edge TPU是專門設計的ASIC芯片，用于運行ensorFlow Lite ML模型，它的能耗比非常高，大小也非常小，比一枚硬幣要小很多。Google 也發表了兩款基于 Edge TPU 的 AIY Edge TPU Boards —AIY Edge TPU Dev Board 與 AIY Edge TPU Accelerator。 AIY Edge TPU開發板是一款搭載了Edge TPU的單板計算機，功能非常豐富。開發板分為底板跟核心板，底板包括一些常用的外設接口，而核心板是基于Google Edge TPU的模塊化系統子板（核心板與底板可以分離），也就是SOM（system-on-module ）。 在2017 年上半年，谷歌宣布了一個新的開源計劃--AIY Projects（AIY計劃），其目標是讓每個Maker（創客）都能DIY自己的 AI 人工智能產品，讓更多人能學習、探索并體驗人工智能。AIY 全稱是 Artificial Intelligence Yourself，顧名思義就是利用 AI 來進行的 DIY 功能套件。借助 AIY 項目，創客可以利用人工智能來實現更像人與人交流的人機交互。谷歌目前為 AIY Projects 推出了兩款硬件產品--AIY Voice Kit 和 AIY Vision Kit。 微軟 微軟把重心放在F

人工智慧是大家普遍討論度極高的話題。僅僅一兩年間，國內AI芯片頭部創業公司的融資額度就超過了20億人民幣。全球至少有45家初創公司研制AI芯片（語音交互和自動駕駛），5家企業融資超過了1億美元。據中信證券測算，2020年AI芯片市場規模將達146.16億美元。人工智能技術以AI芯片為載體正在迅速崛起。 這也使得人工智慧芯片市場預測，快速成長。根據 產業科技資訊室 報導，人工智慧（AI）芯片市場到 2022 年將達到 160.6 億美元，從 2016 年到 2022 年年均復合增長率為 62.9%。此調查使用的基準年度為 2015 年預測期為 2016 年至 2022 年。人工智慧是用于開發類似于人類智能的產品的最先進技術的整合。 會有這樣的市場變化，是因為全球數據資料越來越多，數據運算將仰賴 CPU 的運算性能，也就因此造就了全球 AI 芯片大戰。 NVIDIA 英偉達：GPU 龍頭，AI 芯片大王 談到 AI 運算芯片，當然不免俗地談到 NVIDIA 。NVIDIA 創立于 1993 年，是一家無晶圓（Fabless）美國 IC 半導體公司，也是全球 GPU 領導廠商。它的 GPU 是圖像處理的行業龍頭，而且 GPU 芯片的同步運算非常適用于人工智慧的深度學習神經網絡。 AI芯片全都是炒作？這要問問這5家怎么說！ 實際上，NVIDIA 在浮點運算、并行計算等部分計算方面尤其突出，GPU 可以提供數十倍乃至于上百倍于 CPU 的性能。而且到目前國際 GPU 市場已經被 NVIDIA 和 AMD 兩大公司瓜分，更夸張的是，2015 年第二季度 NVIDIA 的市場份額已經高達 82%。而英偉達設計了的片 Tegra（4 核 CPU+256 核 GPU），目前正是 Google 無人駕駛汽車采用的。2016 年時，NVIDIA 的股價更是上漲了 228%。500 億美元的讓輝達幾乎可以說是業界擁有最高收益的公司。 Google：定制化 TPU 芯片+量子計算機 作為當今互聯網界的巨頭，Google在AI領域頗有建樹，甚至親力親為開發了自己的AI專用TPU芯片。Google 在 2017 年 5 月的 I/O 大會推出 AI 芯片「TPU」（Tensor Processing Unit）是客制化的 ASIC（特殊應用邏輯 IC），專為機器學習設計，用于改善搜尋結