近年来，随着人工智能大热，AI芯片也随之成为AI邻域中最火热的话题之一，不仅英伟达、谷歌等国际巨头竞相推出新品，随着一些如寒武纪等AI芯片创业公司的诞生，国内百度、阿里等也纷纷涌入这一领域。我国在CPU、GPU等传统芯片领域，与国际距离相差较大情况下，AI芯片被认为是中国在AI领域实现弯道超车的希望区域。
近年来，国内不少AI初创企业纷纷推出了自己的芯片。今年5月份，云知声在北京召开发布会，推出其第一代UniOne物联网AI芯片及解决方案，又于近日发布开源方案。同时也有多家公司发布AI芯片或模组：出门问问正式发布了AI语音芯片模组“问芯”；Rokid发布KAMINO18AI语音专用芯片；思必驰也宣布将推出AI芯片……
按使用场景划分，AI芯片主要分为云端和终端芯片。而目前主流的深度学习人工神经网络算法包括训练和推断两个环节。由于训练侧需要大量数据去训练人工神经网络，因此训练主要在云端进行。云端追求高性能，开发成本更大，终端更侧重低成本和低功耗，目前中国AI初创企业主要布局在此。
云端芯片方面，寒武纪在2016年推出全球首款商用终端智能处理器IP产品后，于5月3日正式发布了首款云端智能芯片MLU100。7月，百度在AI开发者大会上正式推出了昆仑，基于百度CPU、GPU、FPGA的AI加速器研发。这是中国首款云端全功能AI芯片。
根据市场研究公司CompassIntelligence发布的全球AI芯片排行榜，除了英伟达、英特尔等传统芯片公司巨头，寒武纪、地平线等AI芯片公司也位居前列。
由于灵活性高，在AI算法并未成熟固定的当下，FPGA（现场可编辑门阵列）被认为是一种中间方案，其最大的优势在于能够使系统的硬件功能可以像软件一样通过编程修改。与GPU、CPU通用芯片相比，性能更高、能耗更低。
深鉴科技开始从赛灵思采购FPGA，将核心算法DPU放到FPGA，然后以模组的方式销售给客户，但FPGA价格相对较贵，而且与专用定制芯片ASIC相比，性能和功耗方面也有不小差距。除了FPGA方案，深鉴科技也在研发AI专用芯片，目前正在流片，该公司一相关负责人对记者表示：“如果在这个时间点，AI的初创类企业做硬件再选择FPGA，可能就有点滞后了。”
在AI概念普及之后，各方都在寻找商业模式，期待AI技术尽快落地，但目前大部分的AI创业公司处于依靠融资烧钱阶段，AI芯片也被认为是AI技术落地的一种方式，但目前而言，这条路并不容易。
有业内人士认为，AI芯片行业将迎来整合并购时期，也让大家更清楚地看清做芯片的难度。
芯片行业是一个高投入、高风险、慢回报的行业。多位业内人士对记者表示，芯片研发周期非常长，从立项到上市通常需要两年左右时间。作为创业企业，特别是从事算法的企业，如果自己独立研发芯片，在时间和资金方面都面临巨大压力，其中最重要的原因是芯片成本高，对错误零容忍。正是因为造芯不易，有AI算法企业选择与芯片公司合作一起服务客户。
Rokid一芯片负责人告诉第一财经记者，双方的合作中，Rokid提架构与性能需求，国芯设计生产芯片并提供底层bsp（板级支持包），“我们负责输出基于Rokid语音服务的os整体解决方案。”
以FPGA龙头赛灵思收购深鉴科技为例，赛灵思表示，将继续加大对深鉴科技的投入，不断推进公司从云到端应用领域部署机器学习加速的共同目标。该人士指出，深鉴科技掌握的是DPU的算法，但是芯片的链条太长，光有DPU不够，如果仅靠自己，在可见的范围内一直要不断加大芯片设计和研发费用，烧钱非常快。
AI芯片市场是一个巨大的蛋糕，但同时有一个有限的容器，涉足其中的企业将会在技术创新的基础上进行不断的优胜劣汰，这是市场选择的正常现象，一个技术的崛起，就意味着会出现泡沫破灭的时候。但经历过成功失败过程，未来将会有一个理性发展的时期，AI芯片领域也将踏入正规。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
