人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科?？梢哉f幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智能與思維科學的關系是實踐和理論的關系，人工智能是處于思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等范圍發揮作用，數學進入人工智能學科，它們將互相促進而更快地發展。

　　深度學習作為人工智能研究的一個重要課題，其經常涉及到訓練（Training）和推斷（Inference）這兩個詞。

　　在學校中學習——我們可以將其看作是深度神經網絡經歷「學習」階段的一種類比。神經網絡和大多數人一樣——為了完成一項工作，需要接受教育。更具體地說，經過訓練（training）的神經網絡可以將其所學到的知識應用于數字世界的任務——識別圖像、口語詞、血液疾病，或推薦某人之后可能會購買的鞋子等各種各樣的應用。神經網絡的這種更快更高效的版本可以基于其所訓練的內容對其所獲得的新數據進行「推導」，用人工智能領域的術語來說是「推理（inference）」。

　　推理（Inference），就是深度學習把從訓練中學習到的能力應用到工作中去。推理無需訓練也能發生。這當然說得通，因為我們人類大多時候就是這樣獲取和使用知識的。正如我們不需要一直圍著老師、滿載的書架或紅磚校舍轉也能閱讀莎士比亞的十四行詩一樣，推理并不需要其訓練方案的所有基礎設施就能做得很好。

　　訓練需要密集的計算，如果該算法告訴神經網絡它錯了，它依然不知道什么才是正確的答案。這個錯誤會通過網絡的層反向傳播回來，該網絡則須做出新的猜測。在每一次嘗試中，它都必須考慮其它屬性——在我們的例子中是「貓」的屬性——并為每一層所檢查的屬性調整權重高低。然后它再次做出猜測，一次又一次……直到其得到正確的權重配置，從而最終可以在所有的嘗試中都能幾乎得到正確的答案，知道這是一只貓。

　　GPU具備并行計算（同時進行多個計算）能力，既擅長訓練，也擅長推理。使用 GPU 訓練的系統可以讓計算機在某些案例中實現超過人類水平的模式識別和對象檢測。訓練完成后，該網絡可被部署在需要“推理”（對數據分類以“推理”出一個結果）的領域中。而具備并行計算能力的 GPU 可以基于訓練過的網絡運行數十億的計算，從而快速識別出已知的模式或對象。

　　你可以看到這些模型和應用將會越來越聰明、越來越快和越來越準確。訓練將越來越簡單，推理也將為我們生活的方方面面帶來新的應用。 人工智能芯片是人工智能發展的基石；是驅動智能產品的大腦；是數據、算法、算力在各類場景應用落地的基礎依托?！盁o芯片不AI”的觀念已經深入人心，成為業界共識。隨著人工智能產業的持續高速發展，AI在智能安防、無人駕駛智能手機、智慧零售零售、智能機器人等幾大行業不斷落地，工信部提前發放5G商用牌照，人工智能和5G將引爆下一輪智能化熱潮。

　　近年來，傳統芯片廠商科技巨頭、應用層廠商及初創企業紛紛開始涉足其中，不僅力求加快芯片國產化進程，也試圖搶占市場主動。同時，對于國內廠商來說，在芯片產業鏈，甚至整個AI行業格局未定的態勢下，一旦通過AI芯片實現“彎道超車”，殺出重圍，將有機會成為行業領軍者，其誘惑可謂巨大。

　　在國內，以華為海思寒武紀、地平線、阿里平頭哥等為代表的“造芯新勢力”已經崛起。華為海思憑借多年自主研發和經驗積累，整合NPU的麒麟系列SOC芯片已經成為全球炙手可熱的AI計算平臺和解決方案。阿里憑借“平頭哥”填補了自己在AI芯片上的空白，并已推出首款“含光800”云端推理芯片，上升勢頭迅猛，是國內不可輕視的一股新興力量。同時，寒武紀、地平線等廠商也相當活躍，陸續推出自研芯片產品，成為國內AI芯片陣營中的佼佼者。此外，百度、依圖、云知聲、思必馳、出門問問、Rokid等應用層廠商，也不在拘泥于算法，而是積極向產業鏈上游靠攏，或是聯合芯片廠商研發芯片，或是自研芯片，以提升自身競爭力。

　　從公司總部所在地來看，北京有11家AI芯片公司，其中包括互聯網巨頭百度、老牌微處理器芯片設計公司北京君正，以及科創板上市的寒武紀。上海有9家，包括廠商紫光展銳，以及融資超過20億的初創公司壁仞科技。深圳有4家，包括華為海思，以及“AI四小龍”之一的云天勵飛。此外，珠海和杭州各有2家，福州有1家。

　　從AI應用場景來看，智能安防、物聯網和智能語音是最為熱門的應用。云端AI訓練和推理對算力性能和設計團隊的要求比較高，相應的AI處理器設計公司也不多。除了百度和阿里等互聯網巨頭外，遂原科技和天數智芯是針對這一高性能計算領域的初創公司。

　　一些AI芯片初創公司相信，其產品無論是在成本、效率、性能還是在深度學習工作負載的靈活性方面，它們都可以超越芯片巨頭。

　　研究公司Global Market Insights今年的一份報告顯示，全球人工智能加速芯片的市場規模預計將以每年35％的速度增長，從2019年的80億美元增長到2026年的700億美元。 在國外，龍頭老大Nvidia已經占據了人工智能算力領域的主導位置。在數據中心領域，即使有一些初創公司推出訓練和推理加速芯片，但是想要取代Nvidia需要相當長的時間。首先，大規模部署芯片對于產品的可靠性有相當高的需求，而且分布式系統是一個系統工程，需要芯片在各類指標上（不只是算力，還包括通信接口帶寬等）都達到優秀的指標，光這一點就需要初創公司相當多的時間去打磨。此外，Nvidia更高的壁壘在于開發者生態，需要開發出一個易用的編程模型和相關編譯器的難度并不亞于設計芯片，而要孵化開發者生態則需要更多的時間。我們認為，至少在未來3-5年內，Nvidia在數據中心的地位難以被撼動。

　　2000年之后，全球GPU市場中只剩下NVIDIA和AMD兩個玩家，AMD也只在2004-2005年市場份額短暫超過NVIDIA，其余時間NVIDIA一直相對AMD保持著巨大的優勢。數據顯示，在2018年第四季度，兩者的差距擴大到了極致，在當時的GPU市場中，NVIDIA份額超過81%，而AMD的市場份額只有19%。絕對的市場主導地位，讓NVIDIA直接把RTX2000系列的高端消費級顯卡賣到了上萬元。然而到了2019年，AMD率先推出全球首款7nm游戲顯卡AMD Radeon? Ⅶ，一舉扭轉了局勢。2019年的GPU市場，TB天博官網入口AMD的份額上漲了近10個百分點，相應的NVIDIA的市場份額下降了近10個百分點，2020年這個趨勢仍在持續。

　　目前來看，雖然Intel、AMD和NVIDIA都是三家美國企業，但對他們之間的競爭態勢，我們卻不能只是看熱鬧。

　　一方面，我們目前無法擺脫對這些通用芯片巨頭的依賴。無論是CPU還是GPU，目前全球也只有這三家公司能夠設計生產，國產自研芯片雖然有了一些成果并且已經可以投入市場，但想要做到完全替代Intel、AMD和NVIDIA的產品，目前還并不現實。而這些通用芯片除了應用于消費級市場，用在臺式機電腦和筆記本電腦上，還被大規模的應用于服務器中。更進一步說，其實目前蓬勃發展的云計算技術，就需要大量的服務器支持，并不能擺脫對Intel、AMD和NVIDIA這些通用芯片巨頭的依賴。

　　另一方面，這些通用芯片巨頭早已不是單純只做通用芯片。Intel、AMD和NVIDIA三大通用芯片巨頭固然是做CPU、GPU這類通用芯片起家的，目前主要做得也還是這些，但卻絕不局限于此。Intel從2014年就開始做AI芯片，目前其AI芯片發展已經進入成熟階段。除了自研基于CPU、GPU的AI芯片外，還收購了Moviduis、Nervana及Habana等AI芯片公司。AMD在AI芯片方面同樣也在努力進取。NVIDIA的GPU之前被大量應用于人工智能計算，目前NVIDIA無論硬件、抑或軟件算法在人工智能領域都頗為領先。除此之外，NVIDIA近期努力推進收購ARM的事項，一旦NVIDIA完成對ARM的收購，那么國產自研基于ARM指令集的芯片都會大受影響。

　　總之，我們既沒有擺脫對這些通用芯片巨頭的依賴，Intel、AMD和NVIDIA三巨頭的影響力又不僅限于通用芯片。三巨頭之間的大戰，最后終將對我國產生直接影響。而要想擺脫這種局面，歸根結底還是需要國產芯片、國產半導體產業盡快發展。