AI芯片巨头争霸时代：谷歌、英伟达、英特尔之后，华为AI芯片下周将首次亮相

前几日，华为高级副总裁余承东在微博上发布了一段视频，为自家的人工智能AI芯片造势。他表示，“速度之追求，从不止于想象”，并预告了AI芯片将在9月2日 IFA2017上亮相。

在上月的华为年中业绩媒体沟通会上，余承东透露，将于今年秋季发布AI芯片，华为也将是第一家在智能手机中引入人工智能处理器的厂商。此外，在2017年中国互联网大会上，余承东还曾表示，由华为海思制造的芯片将会集CPU、GPU和AI功能于一体，并且有可能基于ARM今年在Computex展会上推出的全新AI芯片设计。

根据今日余承东视频透露，华为的AI处理器有望显著提升麒麟970的数据处理速度。如果AI芯片能用在10月份发布的华为Mate 10手机上，则华为Mate 10的数据处理能力将十分令人期待。

与华为一样，当下英特尔、联想、英伟达、谷歌、微软等全球科技巨头纷纷在积极拥抱AI，对AI芯片的布局成为重中之重。

对于AI芯片的重要性，英特尔中国研究院院长宋继强本月接受媒体新智元采访时指出，我们需要用技术去处理大量数据，使其对客户产生价值，在这个过程中无疑芯片是极其重要的：

到2020年，保守估计，全世界会有500亿设备互联。未来的数据来源于各种设备终端。不再靠我们人打电话、玩手机、发邮件这些数据。无人车、智能家居，摄像头等都在产生数据。

以后每一台无人驾驶汽车都是一台服务器，每台车每天会超过4000个GB的数据，这些数据都不可能通过5G来传输，所以一定很多数据是在本地处理和分析然后选择性的往上走，本地你会使用很多技术，超越现代服务器的技术。

作为传统的芯片龙头制造商，英特尔今年7月推出了新一代Xeon服务器芯片，性能大幅提升，深度学习能力是上一代服务器的2.2倍，可接受培训和推理任务。此外，英特尔还展示了将在未来AI领域发挥重大作用的现场可编程门阵列(FPGA)技术，同时，计划推出Lake Crest处理器，旨在深度学习代码。

联想集团总裁杨元庆表示，“AI通用处理器芯片是人工智能时代的战略制高点“，联想集团高级副总裁、联想创投集团总裁贺志强也指出：

智能互联网时代，AI芯片是人工智能的引擎，对于智能互联网的发展将起到决定性作用。

就在上周，联想创投与阿里巴巴创投等顶尖投资方一起，联合投资了有“全球AI芯片界首个独角兽”之称的寒武纪科技。

英伟达在过去几年中将其业务重心转移到AI和深度学习领域，今年5月，英伟达发布了一款针对人工智能应用的重量级处理器：Tesla V100。

该芯片拥有210亿个晶体管，性能比英伟达一年前发布的带150亿个晶体管的Pascal处理器强大得多。虽然只有Apple Watch智能手表的表面那么大，但它拥有5120个CUDA（统计计算设备架构）处理核心，双精度浮点运算性能达每秒7.5万亿次。英伟达CEO黄仁勋表示，英伟达花了30亿美元打造这款芯片，售价将会是14.9万美元。

宣布战略转向“AI first”的谷歌，在去年就发布了专门为机器学习定制的TPU（张量处理单元），与CPU、GPU相比，TPU效率提高了15-30倍，能耗降低了30-80倍。

今年5月的谷歌开发者大会上，谷歌发布了新款产品——Cloud TPU，它拥有四个处理芯片，每秒可完成180 tflops计算任务。将 64 个 Cloud TPU 相互连接可组成谷歌称之为Pod的超级计算机，Pod将拥有11.5 petaflops的计算能力（1 petaflops为每秒进行1015次浮点运算）——这对AI领域的研究来说将是非常重要的基础性工具。

目前，TPU已经部署到了几乎所有谷歌的产品中，包括Google 搜索、Google Assistant，甚至在AlphaGo与李世石的围棋大战中，TPU也起到了关键作用。

上月，媒体报道称，微软将为下一代 HoloLens 加入一款自主设计的 AI 协处理器，可以在本地分析用户在设备上看到和听到的内容，再也不需要浪费时间把数据传到云端进行处理。这款 AI 芯片目前正在开发，未来将被包含在下一代 HoloLens 的全息处理单元（HPU）当中。微软表示，这款 AI 协处理器将会是微软为移动设备设计的首款芯片。

近几年来，微软一直在致力于开发自己的 AI 芯片：曾为Xbox Kinect 游戏系统开发了一套动作追踪处理器；为了在云服务方面与 Google、亚马逊竞争，微软专门定制了一套现场可编程门阵列（FPGA）。此外，微软还从英特尔的子公司 Altera 处购置可编程芯片，写入定制化的软件来适应需求。

去年，微软曾在一次大会上使用数千个 AI 芯片，把所有英文维基百科翻译成西班牙语，大概有 500 万篇文章，而翻译时间不到 0.1 秒。接下来，微软希望能让使用微软云的客户通过AI芯片来完成任务，比如从海量数据中识别图像，或者通过机器学习算法来预测消费者的购买模型。

看看

了解一下