“不是每个AI芯片都一样，”英特尔旗下Movidius的营销总监Gary Brown表示。“每个芯片可以在不同时间处理不同的智能问题。我们的芯片是视觉智能，算法通过相机输入来从所看到的内容学习。这是我们的重点。”

同时，如果要在人手必备的智能手机或者AR耳机上嵌入AI，电源就成了最大的挑战。英伟达的Volta处理器可以说是人工智能领域的“霸主”，但功耗高达300瓦，所以，用于手机不现实。

当然，对专业化和高能效的追求也不是AI芯片存在的全部原因。IBM研究员兼IBM Power Systems的开发副总裁Brad McCredie提出了一个更为明显的原因：“几十年来，IT行业首次出现增长，而且是指数变化。同时，预计会有更多资金会进入这个行业，且都是围绕AI的。这种情况会导致大量的VC涌入该领域。毫无疑问，人们看到了淘金热。”

原因二：一个全新的生态系统

专注于人工智能的芯片不是凭空设计的，伴随它们的是处理人工智能和机器学习并行性的新方法。如果用标准PC的过时技术来构建AI协处理器，那就像将法拉利引擎放入了大众甲壳虫一样。

英特尔首席技术官兼Nervana联合创始人Amir Khosrowshahi说：“当人们谈论人工智能和AI芯片时，构建人工智能解决方案会涉及很多非AI技术，比如CPU，内存，SSD和互连等。让所有这些发挥作用很关键。”举个例子，当IBM为关键任务系统设计Power9处理器时，使用了英伟达的高速NVLink进行核心互连。

不过硬件本身不能在机器学习中的学习，软件起着重要作用。事实上，现在硬件和软件正在并行的轨道上发展，目的是支持新型AI芯片及其使用浪潮。开发了CUDA编程语言（CUDA允许开发人员编写应用程序并使用英伟达GPU进行并行处理）的前斯坦福大学教授Ian Buck指出在英伟达，软件和硬件团队的规模大致相同。

对Buck来说，人工智能代表一种新型计算的原因之一，是因为它构成了硬件和软件之间的一种新型关系。“我们不需要考虑向后兼容，我们正在重新设计处理这些任务的处理器并与软件一起运行。”

一场各怀“芯”思的军备竞赛

如今，在AI芯片领域有很多潜在的开发商，面临的最大问题是有多少可以进入市场，有多少会保留给供应商，还有多少会被淘汰。毕竟，现在多数AI芯片仍是空头支票。

很多设计AI芯片的非CPU制造商，如谷歌，Facebook和微软等，似乎都在正在针对自己的产品研发定制芯片，而且很可能不会将之推向市场。对拥有数十亿美元收入的他们来说，有资本投入到定制芯片的研发中，也无需立即得到回报。因此，用户可能会依赖谷歌的TPU作为其谷歌云服务的一部分，但却不会直接销售。这也是Facebook和微软想要的。

至于其他芯片，肯定会上市。英伟达最近宣布推出三款面向智能机器人的芯片Jetson Xavier，全球首款专为机器人设计的计算机。与此同时，英特尔承诺其代号为Spring Crest的首款商用神经网络专用人工智能芯片将在2019年发布。

但所有参与者都能存活下来吗？“未来，我们会看到人工智能的进化过程，”Gary Brown说。“如果想在数据中心使用AI，就需要一个芯片。我们可能会看到不同的芯片有不同的优势被集成到CPU中。或许，我们还有可能看到具有多种功能的芯片。”

是不是觉得这种发展有点似曾相识？其实，AI芯片的发展在某些方面可以与过去芯片的演变相匹配——从高度专业化和众多的竞争对手开始，到一些产品赢得关注，最后一些市场的领导者兼备多项功能。三十年前，80386是首屈一指的桌面芯片，之后是80486，最后CUP逐渐获得了安全扩展功能，发展成了GPU。

因此，与其他所有技术一样，新兴的AI芯片行业当前众多竞争对手的局面不会维持太久。OTAS的Doris指出，许多不上市的内部使用芯片将成为高级技术人员的关注项目。 Intersect360的Snell表示，AI芯片初创公司的数量也会减少，“现在有太多的AI芯片创企了，需要被整治。”事实上，大部分创业公司都只是希望开辟一个可以吸引大公司对其进行收购的利基市场而已。IBM的McCredie也表达了同样的观点，“我同意，这将是一个艰难的选择，但必须要缩小范围。”

或许，有一天，这个新芯片领域看起来与旧芯片领域别无两样——x86，英伟达GPU，ARM等。但就目前而言，这场AI芯片竞赛已经脱离了起跑线，并且其众多参赛者都打算继续坚持下去。

文 ｜ 人工智能观察