十大人工智能芯片厂商

在人工智能的浪潮中，芯片的作用显得尤为重要，因为算法的实现依赖于计算机的高速运行。如今，AI芯片市场已经成为众多企业争夺的下一个金矿，无论是传统的半导体巨头还是新兴的初创企业都在积极投入。接下来，让我们来盘点一下人工智能领域的芯片厂商及其代表性产品。

英伟达

英伟达凭借具备识别、标记功能的图像处理器在人工智能领域占据了先机。其在2016年发布的多款针对深度学习的芯片引领了人工智能的发展。其中，Tesla P100 GPU可以执行深度学习神经网络任务，而基于Pascal架构的Tesla P4和Tesla P40更是将深度学习加速提升了65倍。除此之外，英伟达还推出了针对自动驾驶、智能家居等领域的硬件和平台，全面布局人工智能领域。

ARM

ARM架构在全球智能移动设备中的普及率超过85%，其中95%以上的智能手机都采用了ARM的处理器。随着智能硬件和物联网的飞速发展，ARM的地位日益稳固。其授权的芯片广泛应用于移动计算、智能汽车、安全系统和物联网等领域。在智能汽车领域，包括NVIDIA、高通等在内的企业都基于ARM设计了面向驾驶辅助系统的超级计算机。软银收购ARM后，对ARM的人工智能项目“Blue Sky Program”给予了大力支持。

Intel与Nervana

Intel在2016年发布了AI处理器Nervana，计划在未来几年内进行测试和推出。Nervana是Intel收购的一家专门为AI打造芯片的公司，一直致力于将机器学习功能引入芯片中。Nervana Engine是该公司针对深度学习算法定制的芯片，据称在训练方面可以提升10倍性能。

IBM

百年企业IBM在人工智能领域的研究投入巨大。其发布的TrueNorth类人脑芯片是一个重要的研究成果。这款芯片集成了54亿个硅晶体管，内置了4096个内核、100万个“神经元”和2.56亿个“突触”，处理能力相当于一台超级计算机，但功耗却只有65毫瓦。这种芯片采用了与传统计算机不同的结构，将内存、CPU和通信部件集成在一起，实现了信息的本地处理，消除了传统计算机内存与CPU之间的瓶颈。

谷歌

谷歌在人工智能领域的研究也走在前列，其TPU芯片是专门为机器学习应用而设计的。通过降低计算精度和优化芯片结构，TPU可以处理更多的操作，使用户更快地得到智能结果。Google将TPU加速器芯片嵌入电路板中，通过PCI-E接口接入数据中心服务器。

这些企业在人工智能芯片领域的布局和研究为人工智能的发展提供了强大的支持，推动了人工智能技术的不断进步和应用。中星微：黑马驰骋芯片领域

在我国极度依赖国外进口的芯片产业中，中星微犹如一匹突出重围的“黑马”。2016年6月，他们率先推出了中国首款嵌入式神经网络处理器（NPU）芯片——星光智能一号，这也是全球首枚具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，且已于3月6日成功实现量产。

这款芯片的架构采用“数据驱动”并行计算，单颗NPU（28nm）能耗仅为400mW，极大地提升了计算能力与功耗的比例。其广泛的应用前景使其在智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域备受瞩目。

微软：AI世代的芯片巨擘

微软经过六年的潜心研究，打造出了迎接AI世代的芯片——Project Catapult。这款FPGA已广泛应用于微软Bing，未来它将驱动基于深度神经网络的新搜索算法，执行人工智能命令的速度比普通芯片快几个数量级。有了它，你的计算机屏幕不会再空屏4秒，而只会短暂停留23毫秒。

KnuEdge：神经元芯片的创新者

KnuEdge并非初创公司，而是由NASA前任负责人创立并已运营10年。最近，他们从隐形的模式中走出，并宣布获得1亿美元的投资用于开发新型神经元芯片。其基于LambaFabric的芯片技术为神经网络计算提供了全新的架构，能够在高要求的运算环境下向上拓展至512000台设备，机架至机架延迟时间仅400毫微秒，具备低功耗的256核处理器。

地平线机器人：AI大脑的打造者

Horizon Robotics（地平线机器人）致力于构建一站式人工智能解决方案，旨在让生活更便捷、更有趣、更安全。他们已获得了众多知名投资人的支持。地平线机器人致力于打造基于深度神经网络的人工智能“大脑”平台，包括软件和芯片，可解决环境感知、人机交互、决策控制等问题，实现低功耗、本地化的功能。

krtkl：无线电脑的开拓者

创立于2015年的krtkl致力于创造一种微小的无线电脑，用于创造一些前所未有的事物。他们的开拓板基于Xilinx Zynq SoC，集成了ARM处理器和可编程FPGA。用户甚至可以通过手机上的专用APP进行编程。这款开拓板不仅支持传统的MicroUSB程序烧写、终端调试等功能，还支持手机终端操控。通过Wi-Fi连接，用户可以下载程序、控制管脚、管脚复用以及系统操作等效能。