國外：技術(shù)寡頭，優(yōu)勢明顯

　　由于具有得天獨厚的技術(shù)和應(yīng)用優(yōu)勢，英偉達(dá)和谷歌幾乎占據(jù)了人工智能處理領(lǐng)域 80% 的市場份額，而且在谷歌宣布其 Cloud TPU 開放服務(wù)和英偉達(dá)推出自動駕駛處理器 Xavier 之后，這一份額占比在 2018 年有望進(jìn)一步擴(kuò)大。其他廠商，如英特爾、特斯拉、ARM、IBM 以及 Cadence 等，也在人工智能處理器領(lǐng)域占有一席之地。

　　當(dāng)然，上述這些公司的專注領(lǐng)域卻不盡相同。比如英偉達(dá)主要專注于 GPU 和無人駕駛領(lǐng)域，而谷歌則主要針對云端市場，英特爾則主要面向計算機(jī)視覺，Cadence 則以提供加速神經(jīng)網(wǎng)絡(luò)計算相關(guān) IP 為主。如果說前述這些公司還主要偏向處理器設(shè)計等硬件領(lǐng)域，那么ARM 公司則主要偏向軟件，致力于針對機(jī)器學(xué)習(xí)和人工智能提供高效算法庫。

　　注：上述表格中所給為截止到 2017 年各研制單位公開可查的最新數(shù)據(jù)。

　　獨占鰲頭——英偉達(dá)

　　在人工智能領(lǐng)域，英偉達(dá)可以說是目前涉及面最廣、市場份額最大的公司，旗下產(chǎn)品線遍布自動駕駛汽車、高性能計算、機(jī)器人、醫(yī)療保健、云計算、游戲視頻等眾多領(lǐng)域。其針對自動駕駛汽車領(lǐng)域的全新人工智能超級計算機(jī)Xavier，用 NVIDIA 首席執(zhí)行官黃仁勛的話來說就是 “這是我所知道的 SoC 領(lǐng)域非常了不起的嘗試，我們長期以來一直致力于開發(fā)芯片?！?/p>

　　Xavier是一款完整的片上系統(tǒng) (SoC)，集成了被稱為 Volta 的全新 GPU 架構(gòu)、定制 8 核 CPU 架構(gòu)以及新的計算機(jī)視覺加速器。該處理器提供 20 TOPS(萬億次運(yùn)算 / 秒)的高性能，而功耗僅為 20 瓦。單個 Xavier 人工智能處理器包含 70 億個晶體管，采用最前沿的 16nm FinFET 加工技術(shù)進(jìn)行制造，能夠取代目前配置了兩個移動 SoC 和兩個獨立 GPU 的 DRIVE PX 2，而功耗僅僅是它的一小部分。

　　而在 2018 年拉斯維加斯 CES 展會上，NVIDIA 又推出了三款基于 Xavier 的人工智能處理器，包括一款專注于將增強(qiáng)現(xiàn)實(AR)技術(shù)應(yīng)用于汽車的產(chǎn)品、一款進(jìn)一步簡化車內(nèi)人工智能助手構(gòu)建和部署的 DRIVE IX 和一款對其現(xiàn)有自主出租車大腦——Pegasus 的修改，進(jìn)一步擴(kuò)大自己的優(yōu)勢。

　　產(chǎn)學(xué)研的集大成者——谷歌

　　如果你只是知道谷歌的 AlphaGo、無人駕駛和 TPU 等這些人工智能相關(guān)的產(chǎn)品，那么你還應(yīng)該知道這些產(chǎn)品背后的技術(shù)大牛們：谷歌傳奇芯片工程師 Jeff Dean、谷歌云計算團(tuán)隊首席科學(xué)家、斯坦福大學(xué) AI 實驗室主管李飛飛、Alphabet 董事長 John Hennessy 和谷歌杰出工程師 David Patterson。

　　時至今日，摩爾定律遇到了技術(shù)和經(jīng)濟(jì)上的雙重瓶頸，處理器性能的增長速度越來越慢，然而社會對于計算能力的需求增速卻并未減緩，甚至在移動應(yīng)用、大數(shù)據(jù)、人工智能等新的應(yīng)用興起后，對于計算能力、計算功耗和計算成本等提出了新的要求。與完全依賴于通用 CPU 及其編程模型的傳統(tǒng)軟件編寫模式不同，異構(gòu)計算的整個系統(tǒng)包含了多種基于特定領(lǐng)域架構(gòu)(Domain-Specific Architecture， DSA)設(shè)計的處理單元，每一個 DSA 處理單元都有負(fù)責(zé)的獨特領(lǐng)域并針對該領(lǐng)域做優(yōu)化，當(dāng)計算機(jī)系統(tǒng)遇到相關(guān)計算時便由相應(yīng)的 DSA 處理器去負(fù)責(zé)。而谷歌就是異構(gòu)計算的踐行者，TPU 就是異構(gòu)計算在人工智能應(yīng)用的一個很好例子。

　　2017 年發(fā)布的第二代 TPU 芯片，不僅加深了人工智能在學(xué)習(xí)和推理方面的能力，而且谷歌是認(rèn)真地要將它推向市場。根據(jù)谷歌的內(nèi)部測試，第二代芯片針對機(jī)器學(xué)習(xí)的訓(xùn)練速度能比現(xiàn)在市場上的圖形芯片(GPU)節(jié)省一半時間;第二代 TPU 包括了四個芯片，每秒可處理 180 萬億次浮點運(yùn)算;如果將 64 個 TPU 組合到一起，升級為所謂的 TPU Pods，則可提供大約 11500 萬億次浮點運(yùn)算能力。