AI芯片((Artificial Intelligence Chip，简称为AI芯片)是专门用于处理人工智能应用中大量计算任务的模块，是诞生于人工智能应用快速发展时代的处理计算任务硬件，定义并没有一个严格和公认的标准，广义来讲，凡是面向人工智能应用的芯片均为被称为AI芯片，AI芯片是承载计算功能的基础部件，处于人工智能产业链的中部，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。

1956年夏，麦卡锡、明斯基等科学家首次提出“人工智能”这一概念，人工智能自此走进大众视野。在过去的60余年，人工智能发展历经几次沉浮，在漫长的探索后，直至最近几年才迎来落地时代。作为人工智能技术的重要基石，AI芯片也同样经历了多次的起伏和波折

(1)2007年之前，以CPU为主的传统通用计算芯片支撑人工智能发展应用：2006年Hinton发表文章首次证明大规模深度神经网络的学习可行性英伟达推出CUDA(统一计算架构)使得GPU具有方便的编程环境可以直接编写程序。

(2)2007年~2010年，GPU产品取得快速突破：2008年英伟达推出Tegra芯片，作为最早的可用于人工智能的GPU，如今已成为英伟达最重要的AI芯片之一；2010年IBM首次发布类脑芯片原型，模拟大脑结构，具有感知能力和大规模并行计算能力。

(3)2010年~2015年，云计算广泛推广，CPU+GPU混合运算如火如荼。2012年Google Brain用1.6万个GPU核的并行计算平台训练DNN模型，在语音和图像识别等领域获得巨大成功；2013年GPU开始广泛应用于AI高通发布Zeroth；2014年英伟达发布首个为深度学习设计的GPU架构Pascal；IBM发布二代TrueNorth。

(4)2015年~至今，人工智能专用芯片逐渐兴起，更适合AI海量数据并行计算：2015年谷歌首次公布ASIC芯片TPU1.0；2016年寒武纪研发DIANNAO；PGA芯片在云计算平台得到了广泛应用；2017年麒麟970成为首个手机XI芯片；地平线发布中国首款嵌入式AI视觉芯片；2018年巨头布局AI芯片，语音厂商涌入AI芯片，自动驾驶进军AI芯片，矿机巨头押宝AI芯片

(1)按技术架构分类：AI芯片主要分为图形处理器(GPU)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、类脑芯片四大类。其中，GPU是较为成熟的通用型人工智能芯片，FPGA和ASIC则是针对人工智能需求特征的半定制和全定制芯片，类脑芯片颠覆传统冯诺依曼架构，是一种模拟人脑神经元结构的芯片，类脑芯片的发展尚处于起步阶段

类脑芯片：是用电路模拟人脑神经网络架构的芯片。同传统通用的芯片相比，类脑计算芯片能够模拟人类大脑信息处理方式，用极低的功耗异步、并行、低速和分布式处理信息，实现自主感知、识别和学习等。

GPU：图形处理器，俗称显卡，擅长大规模并行计算。GPU拥有计算单元数量众多和超长的流水线，处理的数据类型通常为高度统一的、相互无依赖，省去了大量CPU的不必要控制指令计算模块，并行计算能力较CPU强。随着人工智能的发展，GPU不断被应用于数值模拟、机器学习、视觉处理、语音识别等领域，厂商代表即为英伟达。

FPGA：Field Programmable Gate Array，又称可编程逻辑门阵列，算力较高，适合小规模定制化开发测试。用户可通过烧入配置文件来定义其内部结构的连线，从而达到定制电路的目的。FPGA的芯片量产成本较高，能效比较差，不如ASIC专用芯片。适用于科研、企业开发阶段，一旦方案确定，其成本优势就不再突出。代表厂商：赛灵思、阿尔特拉(被英特尔收购)、深鉴科技。

ASIC：Application-Specific Integrated Circuit，是一种为专门目的而设计的集成电路，具有算力最高，能效比优等特点。ASIC面向特定用户的需求，适合较为单一的大规模应用场景，运行速度在同等条件下比FPGA快。但在架构层面对特定智能算法作硬化支持，指令集简单或指令完全固化，若场景一旦发生变化，该类AI芯片便不再适用，需要跟新换代。面对现阶段，AI算法日新月异，每年都有大量的算法被开发出来，对于自动驾驶领域适用性不强。所以现阶段并没有真正意义上的ASIC芯片

(2)按功能分类，按照机器学习算法步骤，可分为训练(training)芯片和推断(inference)芯片。训练芯片，主要是指通过大量的数据输入，构建复杂的深度神经网络模型的一种AI芯片，运算能力较强。推断芯片，主要是指利用训练出来的模型加载数据，计算“推理”出各种结论的一种AI芯片，侧重考虑单位能耗算力、时延、成本等性能。

(3)按应用场景，根据不同的部署的位置，AI芯片可分为云端(服务器端)、终端(移动端)两大类。云端芯片，是指部署在公有云、私有云或混合云上的AI芯片，不仅可用于训练，还可用于推断，算力强劲。终端芯片，是指应用于手机等嵌入式、移动终端等领域的AI芯片，此类芯片一般体积小、耗电低、性能无需特别强大。

(1)百度的昆仑1：是云端AI芯片，2020年底已经量产2万片，性能相比T4 GPU提升1.5-3倍。百度昆仑2预计在2021年.上半年量产，性能将比昆仑1提升3倍

(2)地平线的征程2：是自动驾驶AI芯片，2020年12月出货量已超10万，搭载此款芯片的汽车实现了L2+级自动驾驶，预计2022年前装装车将超百万

(3)SigmaStar星宸科技的降龙系列：是Al视觉芯片，在安防领域，为海康威视、大华、宇视等企业提供全系列IPC处理芯片；希望成为全球最大的AI Camera系统芯片供应商

(4)比特大陆的算丰系列：是云端/终端AI芯片，基于最新款自研AI芯片BM1684，比特大陆AI超算中心助力北京、福州、安徽等地的智慧城市项目

(5)鲲云科技的CAISA：数据流AI芯片，2020年6月完成量产，相较于英伟达边缘端旗舰产品xavier，鲲云的星空加速卡x3可实现1.48-4.12倍的实测性能提升

(6)亿智电子的SV/SA/SH系列：是端侧视觉AI芯片，2020年底已有超百万颗芯片量产落地，落地的场景以人脸设备为主

目前，泛人工智能类芯片领域中的主要企业分为两类：第一类是国际集成电路设计龙头企业，包括Nvidia、Intel、AMD、Qualcomm、NXP、Broadcom、Xilinx、联发科、华为海思等，还包括主要以进行IP授权模式经营业务的ARM、Cadence和Synopsys等公司；第二类是以寒武纪、地平线机器人、Graphcore等为代表的专业人工智能芯片设计公司。近两年，国内外多家集成电路龙头企业与初创公司陆续发布了多款智能芯片产品。例如，Nvidia在云端推理领域的代表性产品为TeslaT4，在云端训练领域的代表性产品为Tesla V100，且均已实现大规模应用；Intel收购的HabanaLabs发布了面向推理的Goya加速卡和面向训练的Gaudi加速卡，这两款产品尚处于推广阶段；华为海思的代表性产品为适用于边缘端和云端推理的Ascend310以及云端训练的Ascend 910，这两款产品尚处于推广阶段；其他代表性产品包括地平线机器人的征程和旭日系列芯片、Graphcore推出的面向云端市场的IPU产品等。

(1)第一类国际集成电路设计龙头企业一般都经过了多年的技术沉淀和研发积累，在综合技术实力、销售规模、资金实力、人才团队等方面仍占据优势。

(2)第二类专业人工智能芯片设计公司普遍成立时间相对较晚，在营收规模、综合技术积累等方面难以与国际集成电路设计龙头企业相提并论，但在人工智能算法和针对人工智能应用场景的专用芯片设计方面有着自身独到的技术优势和一定的研发实力。

根据Compass Intelligence的数据，全球人工智能芯片榜单中前三名依序为英伟达(Nvidia)、英特尔(Intel)以及恩智浦(NXP)，中国大陆地区华为海思位列第12名，寒武纪位列第23名，地平线位列第24名。

国外AI芯片公司

(1)英伟达：占全球AI芯片50%以上市场份额。英伟达一直致力于设计各种GPU：针对个人和游戏玩家的GeForce系列，针对专业工作站的Quadro系列，以及针对服务器和高性能运算的Tesla系列。英伟达占据了全球AI芯片市场的50%以上份额，旗下产品线遍布自动驾驶汽车、高性能计算、机器人、医疗保健、云计算、游戏视频等众多领域。

(2)英特尔：专注计算机视觉芯片VPU。英特尔作为传统PC芯片的老大，也在积极向PC以外的市场转型。在AI芯片方面，英特尔专注于计算机视觉优化方面的VPU(Vision Processing Unit)。

(3)IBM：启动类人脑芯片的研发。IBM很早以前就发布过watson，早就投入了很多的实际应用中去。除此之外，还启动了对类人脑芯片的研发，那就是TrueNorth。

(4)谷歌：为机器学习应用而设计的专用芯片TPU。Google在2016年宣布独立开发一种名为TPU的全新的处理系统。在2016年3月打败了李世石和2017年5月打败了柯杰的的阿尔法狗，就是采用了谷歌的TPU系列芯片。

(5)苹果：神经网络引擎提升苹果手机性能。在iPhone 8和iPhone X的发布会上，苹果明确表示其中所使用的A11处理器集成了一个专用于机器学习的硬件——“神经网络引擎(Neural Engine)”，每秒运算次数最高可达6000亿次。

(6)AMD：重回服务器市场。AMD首先挑战的是x86服务器市场，试图在这个领域寻找立足点。AMD正式推出全线的超智能服务器处理器产品——EPYC(霄龙)。

(7)ARM：ARM曾在去年推出了一套全新芯片架构技术DynamIQ，这套IP套件可以与其无缝集成。DynamIQ不仅采用了新的指令集，专门针对人工智能进行了优化；而且同时可容纳8个核，并且提高了芯片架构的灵活性，支持大小核的灵活配置。

(8)高通：力推深度学习的移动设备芯片。在智能手机芯片占据绝对优势的高通也在人工智能方面积极布局。据高通提供的资料显示，其在人工智能方面已投资了Clarifai公司和中国“专注于物联网人工智能服务”的云知声。

国内AI芯片公司

(1)晶晨股份：AI音视频系统终端芯片、智能电视芯片、智能机顶盒芯片

(2)瑞芯微：电源管理芯片RK8XX系列、其他芯片Nano系列、其他芯片RK6XX、RK9XX、RK10XX系列、智能应用处理器芯片RK110X系列、智能应用处理器芯片RK3036系列RK16XX系列、

(3)全志科技：智能电源管理芯片、智能终端应用处理器芯片

(4)富瀚微：视频监控多媒体处理芯片、数字接口模块、专业技术服务

(5)芯原股份：U 半导体IP授权服务、一站式芯片定制服务

(6)景嘉微：图形显控、小型专用化雷达领域核心模块

(7)寒武纪：Cambricon Neuware软件开发平台、寒武纪1A处理器、寒武纪1H处理器、寒武纪1M处理器、思元100(MLU100)芯片及云端智能加速卡、思元220(MLU220)芯片及边缘智能加速卡、思元270(MLU270)芯片及云端智能加速卡、思元290(MLU290)芯片及云端智能加速卡

(8)云天励飞：城市治理AI解决方案、突发疫情防控AI解决方案、云端产品、智慧安防AI解决方案、智慧泛商业AI解决方案、智慧社区解决方案、智慧园区AI解决方案、终端及边缘端产品

(9)地平线：作为全球最早流片和商业化的AI芯片公司，地平线自成立起，一直专注技术积累和产品研发。继2017年发布中国首款嵌入式人工智能视觉芯片征程(Journey)系列和旭日(Sunrise)系列后，2018年地平线AI芯片产品 逐渐落地，发布了Matrix自动驾驶计算平台和XForce边缘AI计算平台，并相继推出智能驾驶方案、安防解决方 案

(10)华为：作为国内ICT产业领域的龙头企业，华为在2018年的全联接大会上公布了其最新的AI芯片战略，并正式推出 了基于达芬奇架构设计的云端和边缘端AI芯片Ascend系列芯片

参考资料：

甲子光年：2021年中国AI芯片发展简报及典型厂商案例中国

电子行业走进“芯”时代系列深度之四十九“AI芯片”：AI领强算力时代GPU启新场景落地-20211128（78页）.pdf

【研报】汽车行业深度报告：软件定义汽车AI芯片黄金赛道-210411（39页）.pdf

【研报】2021年度电子行业投资策略：5G+AI芯片国产化-20201202（131页）.pdf

汽车行业智能驾驶系列深度之四：AI芯片智能汽车的黄金赛道-210914（34页）.pdf

中国人工智能产业发展联盟：AI芯片技术选型目录（2020年）[97页].pdf

【公司研究】寒武纪-国内AI芯片领先者-20200916（27页）.pdf

赛迪顾问：中国AI芯片产业发展白皮书.pdf

清华大学：人工智能芯片技术白皮书（2018）(48页).pdf