AI芯片彰顯威力：各領(lǐng)域最強算力被巨頭把控

　　我們認為， 云端推斷芯片在未來(lái)會(huì )呈現百花齊放的態(tài)勢。 具體情況如下：

　　Nvidia

　　在云端推斷芯片領(lǐng)域， Nvidia 主打產(chǎn)品為 P40 和 P4， 二者均采用 TSMC 16nm 制程。 TeslaP4 擁有 2560 個(gè)流處理器，每秒可進(jìn)行 22 萬(wàn)億次(TOPS) 計算(對應 INT 8)。而性能更強的 Tesla P40 擁有 3840 個(gè)流處理器，每秒可進(jìn)行 47 萬(wàn)億次(TOPS)計算(對應 INT 8)。從單位功耗推斷能力來(lái)看， P4/P40 雖然有進(jìn)步，但仍遜于 TPU。 GPU 在推斷上的優(yōu)勢是帶寬。

　　Google

　　Google TPU 1.0 為云端推斷而生，其運算單元對神經(jīng)網(wǎng)絡(luò )中的乘加運算進(jìn)行了優(yōu)化，并采用整數運算。 TPU 1.0 單位功耗算力在量產(chǎn)云端推端芯片中最強，達 1.2TOPS/Watt，優(yōu)于主流 Nvidia GPU。 TPU 2.0 在推斷表現上相比于 1 代并沒(méi)有本質(zhì)提升，主要進(jìn)步是引入對浮點(diǎn)數運算的支持，及更高的片上內存。正如前文所述，支持訓練的 TPU 功耗也會(huì )變得更高。

　　Wave Computing

　　Wave computing 于 2010 年 12 月成立于加州，目前累計融資 1.2 億美元，是專(zhuān)注于云端深度學(xué)習訓練和推理的初創(chuàng )公司。Wave computing 的一代 DPU 深度學(xué)習算力達 180 TOPS，且無(wú)需 CPU 來(lái)管理工作流。目前公司正與 Broadcomm 合作在開(kāi)發(fā)二代芯片，將采用 7nm制程。

　　Groq

　　Groq 是由 Google TPU 初始團隊離職創(chuàng )建的 AI 芯片公司，計劃在 2018 年發(fā)布第一代 AI芯片產(chǎn)品，對標英偉達的 GPU。其算力可達 400 TOPs(INT 8)，單位能耗效率表現搶眼。

　　寒武紀科技

　　寒武紀在 2017 年 11 月發(fā)布云端芯片 MLU 100，同時(shí)支持訓練和推斷，但更側重于推斷。MLU 100 在 80W 的功耗下就可以達到 128 TOPS(對應 INT 8)的運算能力。

　　比特大陸

　　比特大陸的計算芯片 BM 1680，集成了深度學(xué)習算法硬件加速模塊(NPUs)，應用于云端計算與推理。 BM1680 還提供了 4 個(gè)獨立的 DDR4 通道，用于高速數據緩存讀取，以提高系統的執行速度。其典型功耗只有 25W，在單位能耗推斷效率上有一定優(yōu)勢。

　　應用場(chǎng)景1：云端推斷芯片助力智能語(yǔ)音識別

　　云端推斷芯片提升語(yǔ)音識別速度。 語(yǔ)音識別是推斷芯片的工作場(chǎng)景之一，如 Amazon 的語(yǔ)音助手 Alexa，其“智能”來(lái)自于 AWS 云中的推斷芯片。 Alexa 是預裝在亞馬遜 Echo內的個(gè)人虛擬助手，可以接收及相應語(yǔ)音命令。通過(guò)將語(yǔ)音數據上傳到云端，輸入推斷芯片進(jìn)行計算，再返回結果至本地來(lái)達到與人實(shí)現交互的目的。原先云端采用 CPU 進(jìn)行推斷工作，由于算力低，識別中會(huì )有 300-400ms 的延遲，影響用戶(hù)體驗。

　　智能音箱通過(guò)云端推斷芯片工作

　　而現今 AWS 云中采用了 Nvidia 的 P40 推斷芯片，結合 Tensor RT 高性能神經(jīng)網(wǎng)絡(luò )推理引擎(一個(gè) C++庫)，可以將延遲縮減到 7ms。 此外， AI 芯片支持深度學(xué)習，降低了語(yǔ)音識別錯誤率。 目前， 借助云端芯片的良好推斷能力，百度語(yǔ)音助手的語(yǔ)音識別準確度已達到 97%之高。

　　Nvidia 云端推斷芯片提升語(yǔ)音識別速度

　　應用場(chǎng)景2：推斷芯片應用于智能搜索

　　RankBrain 是 Google 眾多搜索算法的一部分，它是一套計算機程序，能把知識庫中上十億個(gè)頁(yè)面進(jìn)行排序，然后找到與特定查詢(xún)最相關(guān)的結果。 目前， Google 每天要處理 30 億條搜索，而其中 15%的詞語(yǔ)是 Google 沒(méi)有見(jiàn)過(guò)的。 RankBrain 可以觀(guān)察到看似無(wú)關(guān)復雜搜索之間的模式，并理解它們實(shí)際上是如何彼此關(guān)聯(lián)的， 實(shí)現了對輸入的語(yǔ)義理解。 這種能力離不開(kāi) Google 云端推斷芯片 TPU 的輔助。

　　推斷芯片助力深度學(xué)習實(shí)現語(yǔ)義識別

　　先前，在沒(méi)有深度學(xué)習情況下，單純依靠 PageRanking 及 InvertedIndex， Google 也能實(shí)現一定程度的對搜索詞條排序的優(yōu)化，但準確率不夠。 TPU 利用 RankBrain 中的深度學(xué)習模型，在 80%的情況下計算出的置頂詞條，均是人們最想要的結果。

　　TPU+RankBrain 在推斷正確率上獲得提高

　　用于智能手機的邊緣推斷芯片：競爭格局穩定，傳統廠(chǎng)商持續受益

　　手機芯片市場(chǎng)目前包括：(1)蘋(píng)果，三星，華為這類(lèi)采用芯片+整機垂直商業(yè)模式的廠(chǎng)商，以及(2)高通，聯(lián)發(fā)科，展銳等獨立芯片供應商和(3) ARM， Synopsys、 Cadence 等向芯片企業(yè)提供獨立 IP 授權的供應商。 采用垂直商業(yè)模式廠(chǎng)商的芯片不對外發(fā)售，只服務(wù)于自身品牌的整機，性能針對自身軟件做出了特殊優(yōu)化，靠效率取勝。獨立芯片供應商以相對更強的性能指標，來(lái)獲得剩余廠(chǎng)商的市場(chǎng)份額。

　　從 2017 年開(kāi)始，蘋(píng)果，華為海思，高通，聯(lián)發(fā)科等主要芯片廠(chǎng)商相繼發(fā)布支持 AI 加速功能的新一代芯片(如下圖)， AI 芯片逐漸向中端產(chǎn)品滲透。由于手機空間有限， 獨立的AI 芯片很難被手機廠(chǎng)采用。在 AI 加速芯片設計能力上有先發(fā)優(yōu)勢的企業(yè)(如寒武紀)一般通過(guò) IP 授權的方式切入。

　　手機 AI 芯片對比

　　對這些廠(chǎng)商來(lái)說(shuō)，我們認為 AI 化的主要作用是提升芯片附加價(jià)值與產(chǎn)品單價(jià)。根據 IHS的數據，隨著(zhù)硬件性能的增強及針對于 AI 的運算結構不斷滲透，蘋(píng)果 A11 芯片的成本已達到 27.5 美元。

　　智能手機 SoC 市占率分析(2017)

　　芯片成本持續上漲有望帶動(dòng)垂直模式廠(chǎng)商整機售價(jià)走高，在出貨量相同的情況下為現有芯片廠(chǎng)商貢獻更多的營(yíng)業(yè)收入。高通、聯(lián)發(fā)科、展銳等獨立芯片供應商則會(huì )受益于芯片本身 ASP 的提升。

　　歷代 Apple 手機芯片成本趨勢

　　應用場(chǎng)景1：推斷芯片為 AI 拍照技術(shù)提供硬件支持

　　智能手機通過(guò) AI 算法+終端推斷芯片，可實(shí)現對于現實(shí)世界圖像的智能識別，并在此基礎上進(jìn)行實(shí)時(shí)優(yōu)化：

　　1)從整個(gè)場(chǎng)景識別，到特殊優(yōu)化過(guò)程中，推斷芯片為算法運行提供硬件支持。

　　2)手機推斷芯片中 GPU、 NPU 等單元的協(xié)同工作，實(shí)現了對邊緣虛化更準確的處理，使小尺寸感光元件的手機獲得“單反” 級的景深效果，增加相片的層次感。

　　3)人臉結構的識別也離不開(kāi)邊緣推斷芯片，芯片性能的提升直接導致了 AI 美顏、 3D 光效等特殊效果變得更加自然。 如果缺少終端芯片的支持，一旦運行高負載的 AI 任務(wù)手機就需要呼喚云端。而云端的相應速度不夠，導致 AI 攝影的識別率和準確率下降，用戶(hù)體驗將大打折扣。

　　手機 AI 芯片輔助圖片渲染優(yōu)化

　　應用場(chǎng)景2：推斷芯片助力語(yǔ)音助手處理復雜命令

　　從“聽(tīng)清”到“聽(tīng)懂”，自然語(yǔ)言理解能力提升與推斷芯片硬件的支持分不開(kāi)：多麥克風(fēng)方案的普及解決了“聽(tīng)清”的問(wèn)題，而到“聽(tīng)懂”的跨越中自然語(yǔ)言理解能力是關(guān)鍵。這不僅對云端訓練好的模型質(zhì)量有很高要求，也必須用到推斷芯片大量的計算。隨著(zhù)對話(huà)式 AI 算法的發(fā)展，手機 AI 芯片性能的提升，語(yǔ)音助手在識別語(yǔ)音模式、分辨模糊語(yǔ)音、剔除環(huán)境噪聲干擾等方面能力得到了優(yōu)化，可以接受理解更加復雜的語(yǔ)音命令。

　　手機 AI 芯片輔助 Vivo Jovi 處理復雜命令

　　用于安防邊緣推斷芯片： 海思、安霸與 Nvidia、 Mobileye 形成有力競爭

　　視頻監控行業(yè)在過(guò)去十幾年主要經(jīng)歷了“高清化”、“網(wǎng)絡(luò )化”的兩次換代，而隨著(zhù) 2016年以來(lái) AI 在視頻分析領(lǐng)域的突破，目前視頻監控行業(yè)正處于第三次重要升級周期——“智能化”的開(kāi)始階段。 前端攝像頭裝備終端推斷芯片，可以實(shí)時(shí)對視頻數據進(jìn)行結構化處理，“云+邊緣”的邊緣計算解決方案逐漸滲透。 我們預計， 應用安防攝像頭的推斷芯片市場(chǎng)規模，將從 2017 年的 3.3 億美元，增長(cháng)至 2022 年的 18 億美元， CAGR～41%。

　　應用場(chǎng)景：安防邊緣推斷芯片實(shí)現結構化數據提取，減輕云端壓力

　　即便采用 H.265 編碼，目前每日從攝像機傳輸到云端的數據也在 20G 左右，不僅給存儲造成了很大的壓力，也增加了數據的傳輸時(shí)間。 邊緣推斷芯片在安防端的主要應用，基于將視頻流在本地轉化為結構化數據。 這樣既節省云端存儲空間， 也提升系統工作效率?！耙曨l結構化”，簡(jiǎn)言之即從視頻中結構化提取關(guān)鍵目標，包括車(chē)輛、人及其特征等。雖然這種對數據的有效壓縮要通過(guò)算法實(shí)現，但硬件的支持不可或缺。

　　視頻結構化數據提取實(shí)例

　　根據?？低曁峁﹤鹘y視頻解碼芯片廠(chǎng)商積極布局 AI 升級。 華為海思、安霸(Ambarella)都在近一年內推出了支持 AI 的安防邊緣推斷芯片。海思的 HI3559A 配備了雙核神經(jīng)網(wǎng)絡(luò )加速引擎，并成為第一款支持 8k 視頻的芯片;安霸也通過(guò)集成 Cvflows 張量處理器到最新的 CV2S 芯片中，以實(shí)現對 CNN/DNN 算法的支持。

　　AI 芯片助力結構化分析實(shí)現工作效率提升

　　打入視頻監控解決方案龍頭?？低?，實(shí)現前裝的 Nvidia，Movidius 同樣不甘示弱， Movidius 發(fā)布的最新產(chǎn)品 Myriad X 搭載神經(jīng)計算引擎，在 2W的功耗下可實(shí)現 1TOPS 的算力。Nvidia TX2 是 TX1 的升級產(chǎn)品，算力更強，達到 1.5TFLOPS，存儲能力也有提升。

　　安防 AI 芯片對比

　　我們認為，目前整個(gè)安防 AI 芯片市場(chǎng)競爭格局穩定，現有廠(chǎng)商憑借與下游客戶(hù)長(cháng)期的合作，有望繼續受益于安防智能化的升級，屬于新進(jìn)入者的市場(chǎng)空間有限。 安防 AI 芯片下游客戶(hù)穩定，為?？低?、大華股份等視頻監控解決方案提供商?？蛻?hù)與傳統視頻解碼芯片廠(chǎng)商的長(cháng)期合作具有粘性，同樣推出新產(chǎn)品，初創(chuàng )公司的競爭優(yōu)勢弱一些，尤其是在安防 AI 芯片性能差異化很難做到很大的情況下。

　　用于自動(dòng)駕駛的邊緣推斷芯片：一片藍海，新競爭者有望突圍

　　除了智能手機， 安防外， 自動(dòng)駕駛汽車(chē)也是人工智能的落地場(chǎng)景之一。 車(chē)用半導體強大需求已經(jīng)使供給端產(chǎn)能開(kāi)始吃緊，而用于自動(dòng)駕駛的推斷芯片需求，同樣有望在未來(lái) 5年內實(shí)現高速增長(cháng)。我們預計，其市場(chǎng)規模將從 2017 年的 8.5 億美元，增長(cháng)至 2022 年的 52 億美元，CAGR～44%。若想使車(chē)輛實(shí)現真正的自動(dòng)駕駛，要經(jīng)歷在感知-建模-決策三個(gè)階段，每個(gè)階段都離不開(kāi)終端推斷芯片的計算。

　　應用場(chǎng)景1：自動(dòng)駕駛芯片助力環(huán)境感知

　　在車(chē)輛感知周?chē)h(huán)境的過(guò)程中，融合各路傳感器的數據并進(jìn)行分析是一項艱巨的工作，推斷芯片在其中起到了關(guān)鍵性作用。 我們首先要對各路獲得的“圖像”數據進(jìn)行分類(lèi)，在此基礎之上，以包圍盒的(bounding box) 形式辨別出圖像中的目標具體在什么位置。

　　但這并不能滿(mǎn)足需求：車(chē)輛必須要辨別目標到底是其他車(chē)輛，是標志物，是信號燈，還是人等等，因為不同目標的行為方式各異，其位置、狀態(tài)變化，會(huì )影響到車(chē)輛最終的決策，因而我們要對圖像進(jìn)行語(yǔ)義分割(segmantation，自動(dòng)駕駛的核心算法技術(shù))。語(yǔ)義分割的快慢和推斷芯片計算能力直接相關(guān)，時(shí)延大的芯片很顯然存在安全隱患，不符合自動(dòng)駕駛的要求。

　　自動(dòng)駕駛推斷芯片+算法實(shí)現視頻的像素級語(yǔ)義分割

　　應用場(chǎng)景2：自動(dòng)駕駛芯片助力避障規劃

　　避障規劃是車(chē)輛主要探測障礙物， 并對障礙物的移動(dòng)軌跡跟蹤(Moving object detection and tracking，即 MODAT)做出下一步可能位臵的推算，最終繪制出一幅含有現存、及潛在風(fēng)險障礙物地圖的行為。出于安全的要求，這個(gè)風(fēng)險提示的時(shí)延應該被控制在 50ms級。

　　隨著(zhù)車(chē)速越來(lái)越快，無(wú)人車(chē)可行駛的路況越來(lái)越復雜，該數值在未來(lái)需要進(jìn)一步縮短，對算法效率及推斷芯片的算力都是極大的挑戰。 例如，在復雜的城區路況下，所需算力可能超過(guò) 30TOPS。未來(lái) V2X 地圖的加入，將基本上確保了無(wú)人車(chē)的主動(dòng)安全性，但同樣對推斷芯片的性能提出了更高的要求。

　　自動(dòng)駕駛推斷芯片+算法實(shí)現自動(dòng)駕駛避障規劃

　　從以上應用場(chǎng)景不難看出， 自動(dòng)駕駛對芯片算力提出了很高的要求， 而受限于時(shí)延及可靠性，有關(guān)自動(dòng)駕駛的計算不能在云端進(jìn)行，因此邊緣推斷芯片升級勢在必行。根據豐田公司的統計數據，實(shí)現 L5 級完全自動(dòng)駕駛，至少需要 12TOPS 的推斷算力，按現行先進(jìn)的 Nvidia PX2 自動(dòng)駕駛平臺測算，差不多需要 15 塊 PX2 車(chē)載計算機，才能滿(mǎn)足完全自動(dòng)駕駛的需求。

　　自動(dòng)駕駛算力需求加速芯片升級

　　傳統車(chē)載半導體廠(chǎng)商積極布局自動(dòng)駕駛。 近些年來(lái)，各傳統車(chē)載半導體供應商紛紛涉獵自動(dòng)駕駛業(yè)務(wù)，推出了各自的自動(dòng)駕駛，或輔助駕駛平臺，如 TI 推出了面向于 L1/2 級的平價(jià)產(chǎn)品，而 Renesas 和 NXP 步入中高端市場(chǎng)。 V3M 與 Bluebox 分別是兩家的代表性產(chǎn)品，均滿(mǎn)足客戶(hù) L3 級自動(dòng)駕駛需求。目前 NXP 的 Bluebox 2.0 也在測試中。

　　老牌廠(chǎng)商中Mobileye(被 Intel 收購) 在自動(dòng)駕駛邊緣推斷芯片上表現最為搶眼，其 EyeQ3 芯片已經(jīng)被集成于新一代量產(chǎn) Audi A8 中的 zFAS 平臺上，而 A8 也因此成為第一款支持 L3 級自動(dòng)駕駛的車(chē)型。

　　下一代產(chǎn)品中， Mobileye 和新秀 Nvidia 有望實(shí)現領(lǐng)先。 Mobileye 更注重算法端， 強調軟硬件結合帶來(lái)的效率提升，其開(kāi)發(fā)的最新 EyeQ5 芯片在 10W 的功耗下就能達到 24TOPS的算力。 英偉達作為傳統硬件廠(chǎng)商，借助于 GPU 圖形處理的優(yōu)勢，也在自動(dòng)駕駛市場(chǎng)取得了相應的領(lǐng)先地位，其芯片更注重絕對算力表現。將于今年三季度流片， 2019 年三季度量產(chǎn)的“算力怪獸” Pegasus 平臺，搭載了兩塊 Nvidia 下一代的 GPU，將實(shí)現 320TOPS的超強計算能力，完全覆蓋 L5 級別應用的需求。

　　自動(dòng)駕駛平臺對比

　　對比其他終端應用場(chǎng)景，自動(dòng)駕駛不僅計算復雜程度最高，車(chē)規級要求也為芯片設立了更高的準入門(mén)檻， 其硬件升級落地相對緩慢。 目前各廠(chǎng)商下一代的自動(dòng)駕駛平臺最早計劃于 2019 年量產(chǎn)，現今上市平臺中，芯片大多只支持 L2/3 級。之前 Uber 的無(wú)人車(chē)事故，也對整個(gè)行業(yè)的發(fā)展造成了拖累。

　　下一代自動(dòng)駕駛 AI 芯片流片及投產(chǎn)時(shí)間預估

　　自動(dòng)駕駛芯片市場(chǎng)仍處于初期起步階段。 雖然 NXP 等傳統半導體廠(chǎng)商深耕于汽車(chē)電子多年，獲得了一定的客戶(hù)粘性，但在自動(dòng)駕駛業(yè)務(wù)上，整個(gè)市場(chǎng)還未形成非常明顯的競爭格局?？蛻?hù)也在不斷測試芯片廠(chǎng)商的產(chǎn)品，來(lái)實(shí)現最優(yōu)選擇。根據各公司披露的數據，目前各大芯片廠(chǎng)商與整車(chē)廠(chǎng)(OEM)及 Tier 1 廠(chǎng)商都開(kāi)展了緊密的合作，但客戶(hù)數量不相上下。

　　從客戶(hù)的偏好來(lái)看，傳統大廠(chǎng)愿意自行搭建平臺， 再采購所需芯片，而新車(chē)廠(chǎng)偏向于直接購買(mǎi)自動(dòng)駕駛平臺。 介于實(shí)現完全自動(dòng)駕駛非常復雜，目前還在起步階段，我們認為初創(chuàng )公司在整個(gè)行業(yè)的發(fā)展中是有機會(huì )的，并看好技術(shù)領(lǐng)先，能與車(chē)廠(chǎng)達成密切合作的初創(chuàng )公司。

　　各芯片廠(chǎng)商合作方比較

　　主要中國 AI 芯片公司介紹

　　中國大陸目前有超 20 家企業(yè)投入 AI 芯片的研發(fā)中來(lái)。 除了像華為海思、紫光展銳這種深耕于芯片設計多年的企業(yè)之外，也有不少初創(chuàng )公司表現搶眼，如寒武紀、比特大陸等。此外，臺灣地區的 GUC(創(chuàng )意電子)是一家 IC 后端設計公司，憑借 20 年的行業(yè)經(jīng)驗，和投資方晶圓制造巨頭臺積電的鼎力支持，在 AI 芯片高速發(fā)展的大環(huán)境下也有望受益。

　　中國大陸主要 AI 芯片設計公司至少有 20 家

　　以下企業(yè)值得關(guān)注：

　　海思半導體(Hisilicon)

　　海思半導體成立于 2004 年 10 月，是華為集團的全資子公司。海思的芯片產(chǎn)品覆蓋無(wú)線(xiàn)網(wǎng)絡(luò )、固網(wǎng)及數字媒體等多個(gè)領(lǐng)域，其 AI 芯片為 Kirin 970 手機 SoC 及安防芯片 Hi3559A V100。 Kirin 970 集成 NPU 神經(jīng)處理單元，是全球第一款手機 AI 芯片， 它在處理靜態(tài)神經(jīng)網(wǎng)絡(luò )模型方面有得天獨厚的優(yōu)勢。而 Hi3559A V100 是一款性能領(lǐng)先的支持 8k 視頻的 AI芯片。

　　清華紫光展銳 (Tsinghua UNISOC)

　　清華紫光集團于 2013 年、 2014 年先后完成對展訊及銳迪科微電子的收購， 2016 年再將二者合并，成立紫光展銳。紫光展銳是全球第三大手機基帶芯片設計公司，是中國領(lǐng)先的 5G 通信芯片企業(yè)。 Gartner 的數據顯示，紫光展銳手機基帶芯片 2017 年出貨量的全球占比為 11%。除此之外，展銳還擁有手機 AI 芯片業(yè)務(wù)，推出了采用 8 核 ARM A55 處理器的人工智能 SoC 芯片 SC9863，支持基于深度神經(jīng)網(wǎng)絡(luò )的人臉識別技術(shù)， AI 處理能力比上一代提升 6 倍。

　　GUC(臺灣創(chuàng )意電子， 3443 TT)

　　公司介紹： GUC 是彈性客制化 IC 領(lǐng)導廠(chǎng)商(The Flexible ASIC LeaderTM)，主要從事 IC 后端設計。后端設計工作以布局布線(xiàn)為起點(diǎn)，以生成可以送交晶圓廠(chǎng)進(jìn)行流片的 GDS2 文件為終點(diǎn)，需要很多的經(jīng)驗，是芯片實(shí)現流片的重要一環(huán)。初創(chuàng )公司同時(shí)完成前后端設計難度較大。在 AI 芯片設計發(fā)展的大環(huán)境下，加上大股東臺積電的支持， GUC 有望獲得大的后端訂單。 公司已在臺灣證券交易所掛牌上市，股票代號為 3443。

　　以下為初創(chuàng )公司：

　　寒武紀科技(Cambricon Technologies)

　　寒武紀創(chuàng )立于 2016 年 3 月，是中科院孵化的高科技企業(yè)，主要投資人為國投創(chuàng )業(yè)和阿里巴巴等。公司產(chǎn)品分為終端 AI 芯片及云端 AI 芯片。終端 AI 芯片采用 IP 授權模式，其產(chǎn)品 Cambricon-1A 是全球首個(gè)實(shí)現商用的深度學(xué)習處理器 IP。去年年底公司新發(fā)布了第三代機器學(xué)習專(zhuān)用 IP Cambricon-1M，采用 7nm 工藝，性能差不多高出 1A 達 10 倍。云端產(chǎn)品上，寒武紀開(kāi)發(fā)了 MLU 100 AI 芯片，支持訓練和推斷，單位功耗算力表現突出。

　　比特大陸(Bitmain)

　　比特大陸成立于 2013 年 10 月， 是全球第一大比特幣礦機公司，目前占領(lǐng)了全球比特幣礦機 60%以上的市場(chǎng)。由于 AI 行業(yè)發(fā)展迅速及公司發(fā)展需要，公司將業(yè)務(wù)拓展至 AI 領(lǐng)域，并于與 2017 年推出云端 AI 芯片 BM1680，支持訓練和推斷。目前公司已推出第二代產(chǎn)品BM1682，相較上一代性能提升 5 倍以上。

　　地平線(xiàn)機器人(Horizon Robotics)

　　成立于 2015 年 7 月，地平線(xiàn)是一家注重軟硬件結合的 AI 初創(chuàng )公司，由 Intel、嘉實(shí)資本、高瓴資本領(lǐng)投。公司主攻安防和自動(dòng)駕駛兩個(gè)應用場(chǎng)景，產(chǎn)品為征程 1.0 芯片(支持 L2自動(dòng)駕駛)和旭日 1.0(用于安防智能攝像頭)，具有高性能(實(shí)時(shí)處理 1080P@30 幀，并對每幀中的 200 個(gè)目標進(jìn)行檢測、跟蹤、識別)、低功耗(典型功耗在 1.5W)、和低延遲的優(yōu)勢(延遲小于 30 毫秒)。公司二代自動(dòng)駕駛芯片將于 1Q19 流片，實(shí)現語(yǔ)義建模。

　　云天勵飛(Intellifusion)

　　公司創(chuàng )立于 2014 年 8 月，由山水從容傳媒、松禾資本領(lǐng)投，主攻安防 AI 芯片。其自研IPU 芯片是低功耗的深度學(xué)習專(zhuān)用處理器，內含專(zhuān)用圖像處理加速引擎，通過(guò)級聯(lián)擴展最多可處理 64 路視頻。能耗比突出，超過(guò) 2Tops/Watt。

　　異構智能(NovuMind)

　　異構智能創(chuàng )立于 2015 年 8 月，由洪泰基金、寬帶資本、真格基金和英諾天使投資。 2018年公司展示了其首款云端 AI 芯片 NovuTensor，基于 FPGA 實(shí)現，性能已達到目前最先進(jìn)的桌面服務(wù)器 GPU 的一半以上，而耗電量?jì)H有 1/20。公司即將推出的第二款 ASIC 芯片，能耗不超 5W， 計算性能達 15 TOPs，將被用于安防和自動(dòng)駕駛應用中。

　　龍加智(Dinoplus)

　　創(chuàng )立于 2017 年 7 月龍加智是專(zhuān)注于云端芯片的 AI 初創(chuàng )公司，由摯信資本和翊翎資本領(lǐng)投。其產(chǎn)品 Dino-TPU 在 75W 功耗下，計算能力超過(guò)除最新款 Nvidia Volta 之外的所有 GPU，時(shí)延僅為 Volta V100 的 1/10。同時(shí)， Dino-TPU 提供市場(chǎng)上獨一無(wú)二的冗余備份和數據安全保障。 公司計劃于 2018 年底完成第一款芯片的流片。