下载掌阅APP，畅读海量书库
立即打开
根据腾讯研究院&IT桔子联合发布的《2017年中美人工智能创投现状与趋势研究报告》统计数据，国内智能机器人与无人机相关技术创业最为火爆，位居第一梯队；语义分析、语音识别、聊天机器人等自然语言系列的技术位列第二梯队；第三梯队则为人脸识别、视频/监控、自动驾驶、图像识别等计算机视觉系列的技术；另外，情感计算这种综合了心理学、语义、视觉、环境感知等多种技术的复杂应用技术也在慢慢成长中，这类企业正在尝试产业的探索与创新，前景广阔，但是目前处于热度排行末端。
据中国信息通信研究院2019年4月发布的《全球人工智能产业数据报告》，全球人工智能企业分布方面，截至2019年3月底，全球活跃人工智能企业达到5386家，其中美国2169家，中国1189家，英国404家，加拿大303家，印度169家。故整体来看，人工智能在北美洲、亚洲、欧洲发展更为迅猛，未来该地区也将是人工智能的主导地区。从独角兽企业看，美国独角兽企业数量最高，为18家，中国17家，英国3家，德国1家，日本1家，以色列1家。另外，对以下独角兽企业进行梳理后，人工智能各细分领域独角兽企业的数量也清晰起来。其中，以医疗健康独角兽数量为最高，5家；其次为智能驾驶、面部识别技术，分别为4家；AI芯片、网络安全则分别为3家。从融资角度看，2018年第二季度以来全球领域投资热度逐渐下降，2019年第一季度全球融资规模为126亿美元，环比下降3.08%。其中，中国领域融资金额为30亿美元，同比下降55.8%，在全球融资总额中占比为23.5%，比2018年同期下降了29%。
目前AI芯片的集成主要分为两种：一是基于传统冯·诺依曼架构的FPGA（现场可编程门阵列）和ASIC（专用集成电路）芯片，即常见的SoC（System on Chip）；二是模仿人脑神经元结构设计的类脑芯片。其中，FPGA和ASIC芯片不管是研发还是应用，都已经形成一定规模；而类脑芯片虽然还处于研发初期，但具备很大潜力，未来可能成为行业内的主流。这两条发展路线的主要区别在于，前者沿用冯·诺依曼架构，后者采用类脑架构。现在的台式电脑采用的都是冯·诺依曼架构，它的核心思路就是处理器和存储器要分开，所以才有了CPU（中央处理器）和内存；而类脑架构，顾名思义，即模仿人脑神经元结构，因此CPU、内存和通信部件都集成在一起。
业内目前比较成熟的AI芯片基本都是SoC架构的，具体如下。
1．华为麒麟970
（1）经过10年研发，麒麟970采用了行业高标准的TSMC 10 nm工艺，集成了55亿个晶体管，功耗降低了20%，并实现了1.2 Gbps峰值下载速率。
（2）创新性集成NPU专用硬件处理单元，创新设计了HiAI移动计算架构，其AI性能密度大幅优于CPU和GPU。相较于4个Cortex-A73核心，处理相同AI任务，新的异构计算架构拥有约50倍能效和25倍性能优势，图像识别速度基本可达到2000张/分钟。
（3）麒麟970高性能8核CPU，对比上一代能效提高20%。率先商用Mali G72 12-Core GPU，与上一代相比，图形处理性能提升20%，能效提升50%，可以更长时间支持3D大型游戏的流畅运行。
2．寒武纪1A处理器
业界普遍猜测，华为NPU正是顶尖AI芯片企业寒武纪科技2019年发布的寒武纪1A处理器（Cambricon-1A Processor）。根据寒武纪科技公开的宣传材料，这款处理器是国际上首个商用深度学习处理器产品，拟以IP（知识产权）授权的方式进入下游厂商SoC芯片。如果上述猜测属实，华为背后的AI赋能者应该就是这家AI芯片领域的新晋独角兽——寒武纪。2017年4月，媒体报道称，寒武纪研发了国际首个深度学习专用处理器芯片（NPU），当时其IP指令集已扩大范围授权集成到手机、安防、可穿戴设备等终端芯片中，2016年就已拿到亿元订单。
3．盘古处理器
地平线公司携手芯原公司，推出盘古处理器（1080 p/30 fps），也是地平线公司的第一代芯片，用于辅助驾驶。虽然是1080 p/30 fps，但是采用地平线公司的处理器+算法，可以适应中国更加复杂、更有挑战性的交通状况。它能用超低功耗（大约1～2 W）的处理能力处理非常复杂的场景，比如用同级别的英伟达处理器处理30个人脸的实时抓拍，盘古处理器可以做到250个人脸，而功耗只有英伟达处理器的十分之一。
目前云端的研发状况与机器人端类似，只是在图像识别领域获得了进展。目前的解决方案就是搭建FPGA云，用大量的并行计算解决图像识别、转换和分类问题。
2017年1月20日，腾讯云推出国内首款高性能异构计算基础设施——FPGA云服务，利用云服务的方式将只有大型公司才能长期支付使用的FPGA服务推广到了更多企业。企业可以通过FPGA云服务器进行FPGA硬件编程，可将性能提升至通用CPU服务器的30倍以上。同时，与高性能计算的代表GPU相比，FPGA具有硬件可编程、低功耗、低延时的特性，代表了高性能计算的未来发展趋势。
而在人工智能（AI）火热的深度学习领域，企业同样可以将FPGA用于深度学习的检测阶段，与主要用于训练阶段的GPU互为补充。FPGA还可应用于金融分析、图像视频处理和基因组学等需要高性能计算的领域。
腾讯的QQ、微信业务，用户每天产生的图片数量都是数亿级别，常用的图片格式有JPEG、WebP等，WebP图片格式比JPEG图片格式存储空间小30%。为节省存储空间，降低传输流量，提升用户的图片下载体验，通常采用WebP格式进行存储及传输分发，而图片转码所带来的计算消耗需要上万台CPU机器支撑。因此，FPGA开发落地的第一个切入点就是图片转码：将JPEG图片格式转成WebP图片格式。
在图片转码的实践中，FPGA联合团队取得了FPGA处理延时，FPGA处理性能是CPU机器的6倍，验证了FPGA能进行计算加速的能力，同时也增强了FPGA联合团队的自信心。
当前，全球FPGA市场规模持续攀升，亚太地区是FPGA的主要市场，未来产业发展可期。全球FPGA市场规模2019年约69亿美元，2025年预计将达到125亿美元，未来市场增速稳中有升。亚太区占比达到42%，是FPGA的主要市场，中国FPGA市场规模约100亿元人民币，未来随着中国5G部署及AI技术发展，国内FPGA规模有望进一步扩大。