不客氣的說，大多數(shù)AI芯片都得死

　　不久前，谷歌在I/O大會(huì)發(fā)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(dá)到每秒1000萬(wàn)億次浮點(diǎn)計(jì)算，同時(shí)谷歌展示了其一系列基于TPU的AI應(yīng)用。

　　可以說，AI已經(jīng)成為科技行業(yè)除了區(qū)塊鏈之外最熱門的話題。AI芯片作為AI時(shí)代的基礎(chǔ)設(shè)施，也成為目前行業(yè)最熱門的領(lǐng)域。

　　可以看到，AI芯片已經(jīng)成為資本追逐的最熱門領(lǐng)域，資本對(duì)半導(dǎo)體芯片的熱情被AI技術(shù)徹底點(diǎn)燃。在創(chuàng)業(yè)公司未真正打開市場(chǎng)的情況下，AI芯片初創(chuàng)企業(yè)已經(jīng)誕生了不少的獨(dú)角獸，多筆融資已經(jīng)超過億元。

　　AI技術(shù)的革新，其從計(jì)算構(gòu)架到應(yīng)用，都和傳統(tǒng)處理器與算法有巨大的差異，這給創(chuàng)業(yè)者和資本市場(chǎng)無(wú)限的遐想空間，這也是為什么資本和人才對(duì)其趨之若鶩的原因。

　　但是，產(chǎn)業(yè)發(fā)展還是要遵循一定的產(chǎn)業(yè)規(guī)律，「商業(yè)技術(shù)評(píng)論」認(rèn)為，絕大多數(shù)AI芯片公司都將成為歷史的炮灰，最后，在云端和終端只剩下為數(shù)極少的幾個(gè)玩家。

　　為何這么說，請(qǐng)聽本社慢慢道來(lái)!

　　首先我們來(lái)分析下目前對(duì)AI芯片的需求主要集中在哪些方面。

　　先來(lái)講講AI目前芯片大致的分類：從應(yīng)用場(chǎng)景角度看，AI芯片主要有兩個(gè)方向，一個(gè)是在數(shù)據(jù)中心部署的云端，一個(gè)是在消費(fèi)者終端部署的終端。從功能角度看，AI芯片主要做兩個(gè)事情，一是Training(訓(xùn)練)，二是Inference(推理)。

　　目前AI芯片的大規(guī)模應(yīng)用主要還是在云端。云端的AI芯片同時(shí)做兩個(gè)事情：Training和Inference。Training即用大量標(biāo)記過的數(shù)據(jù)來(lái)“訓(xùn)練”相應(yīng)的系統(tǒng)，使之可以適應(yīng)特定的功能，比如給系統(tǒng)海量的“貓”的圖片，并告訴系統(tǒng)這個(gè)就是“貓”，之后系統(tǒng)就“知道”什么是貓了;Inference即用訓(xùn)練好的系統(tǒng)來(lái)完成任務(wù)，接上面的例子，就是你將一張圖給之前訓(xùn)練過的系統(tǒng)，讓他得出這張圖是不是貓這樣的結(jié)論。

　　Training和Inference在目前大多數(shù)的AI系統(tǒng)中，是相對(duì)獨(dú)立的過程，其對(duì)計(jì)算能力的要求也不盡相同。

　　Training需要極高的計(jì)算性能，需要較高的精度，需要能處理海量的數(shù)據(jù)，需要有一定的通用性，以便完成各種各樣的學(xué)習(xí)任務(wù)。

　　Inference相對(duì)來(lái)說對(duì)性能的要求并不高，對(duì)精度要求也要更低，在特定的場(chǎng)景下，對(duì)通用性要求也低，能完成特定任務(wù)即可，但因?yàn)镮nference的結(jié)果直接提供給終端用戶，所以更關(guān)注用戶體驗(yàn)的方面的優(yōu)化。

　　Training將在很長(zhǎng)一段時(shí)間里集中在云端，Inference的完成目前也主要集中在云端，但隨著越來(lái)越多廠商的努力，很多的應(yīng)用將逐漸轉(zhuǎn)移到終端。

　　然后我們來(lái)看看目前的市場(chǎng)情況。

　　1、云端市場(chǎng)已被巨頭瓜分殆盡，創(chuàng)業(yè)公司生存空間幾乎消失。

　　云端AI芯片無(wú)論是從硬件還是軟件，已經(jīng)被傳統(tǒng)巨頭控制，給新公司預(yù)留的空間極小。下面這張圖是Compass Intelligence公布了全球AI芯片榜單。因?yàn)锳I芯片目前在終端應(yīng)用極少，所以榜單頭部的排名可以近似的認(rèn)為就是云端AI芯片的目前市場(chǎng)格局。