有报告指出，2021年，人工智能芯片市场总价值将达200亿美元。TechNavio则预测，到2021年前，全球人工智能芯片年均复合增长率将超过54%。持着各自的技术路径，芯片领域的巨头们纷纷入局这场硝烟尚未完全燃起的战争。人工智能芯片毫无疑问是一个巨大的产业发展趋势，各大巨头在AI芯片领域上的竞争愈演愈烈。

寒武纪

寒武纪AI芯片能在计算机中模拟神经元和突触的计算，对信息进行智能处理，还通过设计专门存储结构和指令集，每秒可以处理160亿个神经元和超过2万亿个突触，功耗却只有原来的十分之一，未来甚至有希望把类似AlphaGo的系统都装进手机。目前寒武纪终端处理器IP产品已衍生出1A、1H等多个型号，在未来数年，全世界有数亿终端设备可望通过集成寒武纪处理器，来获得强大的本地智能处理能力。

谷歌

谷歌的TPU专为其深度学习算法TensorFlor设计，也用在AlphaGo系统，Streetview和机器学习系统。TPU能够像GPU和CPU一样编程，有一套CISC指令集。作为机器学习处理器，不仅仅支持某一种神经网络，而是支持很多种，比如卷积神经网络、LSTM、全连接网络等。第二代CloudTPU理论算力达到了180TFlops,能够对机器学习模型的的训练和运行带来显著的加速效果。

AMD

AMD是目前业内唯一一个可以提供高性能CPU、高性能独立显卡GPU、主板芯片组三大组件的半导体公司，其中，AMD的GPU市场上的占有率仅次于Intel，是第二大市场随着第一批CPU投放市场，AMD采用了四核Ryzen，并将其与8核或10核VegaGPU集成在一块硅片上，以实现超过第八代酷睿移动处理器的图形计算性能。

英伟达

英伟达GPU适合并行算法，占目前AI芯片市场最大份额，应用领域涵盖视频游戏、电影制作、产品设计、医疗诊断等各个门类。而在大约10年前，NVIDIA注意到用户使用其绘图芯片计算复杂的投资以及气候模型，因此决定投入统一计算架构(ComputeUnifiedDeviceArchitecture;CUDA)的研发，据纽约时报报导，NVIDA的CUDA计划，至今已投入100亿美元，目的就是将GPU转化为更通用的运算工具。

CUDA是一个平行运算平台及程式设计模型，透过图形处理单元大幅提升运算性能，帮助使用者针对不同任务设计程式。尽管面对ATI、超微(AMD)在GPU市场的激烈竞争，NVIDIA仍旧把赌注放在CUDA上，后来也证明这样的做法是正确的，当云端运算、大数据和AI开始展现动能时，NVIDIA的芯片恰好符合这些运算的需求。

英特尔

今年10月，英特尔推出的基于加速堆栈的采用英特尔®Arria®10FPGA的英特尔®可编程加速卡，是英特尔可编程加速卡(IntelProgrammableAccelerationCards)产品家族中的首款产品。这一新平台可让DellEMC等原始设备制造商(OEM)能够提供具有独特附加价值的基于英特尔至强处理器的服务器加速解决方案。

微软

今年7月微软将推出一款第二代HoloLens全息处理器，即一款新的AI处理器，为HoloLens眼镜的芯片设计找到解决方案。这种AI处理器将凭借额外增加的一套人工智能处理器，可以分析用户在设备上看到和听到的内容，而不是浪费宝贵的微秒时间将数据发回云端。该款芯片将用在HoloLens的下一个版本中。

苹果

今年九月，苹果在秋季发布会上正式推出了全新一代iPhone智能手机：iPhone8、iPhone8Plus和iPhoneX。这三款新设备的都搭载了全新的移动芯片，即A11仿生芯片。据悉，这是iPhone上有史以来最强大、最智能的芯片。自主设计的CPU内核：六个核心在A10芯片上，苹果推出了所谓的“Fusion”技术，CPU采用新的四核心设计，拥有2个高性能核心和2个高能效核心。高低能效两种内核可以根据不同的需要，来达到理想的性能与能效表现。其中高能效内核用于应付密集型的重度任务，提升处理速度保证性能。而高能效内核则应用于日常事务，低能耗运行，从而保证电池续航能力的提升，享受更长的单次充电续航时间。

高通

大名鼎鼎的高通骁龙处理器具备高速的处理能力，可提供令人惊叹的逼真画面以及超长续航时间。骁龙处理器是高度集成的移动优化系统级芯片(SoC)，它结合了业内领先的3G/4G移动宽带技术与强大的多媒体功能、3D图形功能和GPS引擎，可为移动终端带来极高的处理速度、极低的功耗、逼真的多媒体和全面的连接性。

小小的芯片对未来的全球经济、科技所产生的巨大影响不容忽视。究竟哪家企业的芯片将是未来人工智能的优选？我们拭目以待。