目前，人工智能芯片按照技术路线划分，主要分为GPU、FPGA以及ASIC三大类，三类芯片的特点如下表所示。
从应用领域来划分，A芯片主要可分为云端数据中心AI芯片和智能终端AI芯片；而从功能来划分，又可分为AI训练（Training）芯片和AI推理（Inference）芯片。云端市场目前基本被NVIDIA和Google两大巨头统治，2020年由阿里达摩院所研发的含光800AI芯片也进入云端推理的竞争行列；终端玩家则相对较多，包括Intel、高通、ARM、Imagination、华为、寒武纪等。
AI芯片的应用场景众多，主要包括：数据中心(IDC)、移动终端、智能安防、自动驾驶、智能家居等。
(1) 数据中心
用于云端训练和推理，目前大多数的训练工作都在云端完成。移动互联网的视频内容审核、个性化推荐等都是典型的云端推理应用。Nvidia GPU在训练方面一家独大，在推理方面也保持领先位置。与此同时，FPGA和ASIC因为低功耗、低成本的优势，也在持续抢夺GPU的市场份额。目前云端代表芯片主要有Nvidia-Tesla V100、Nvidia-Tesla T4、华为昇腾910、寒武纪MLU270、阿里达摩院含光800等。
(2) 移动终端
移动终端主要包括手机，以及日渐普及的无人机等。移动终端AI芯片主要用于移动端的推理，解决云端推理因网络延迟带来的用户体验等问题，典型应用如视频特效、语音助手等。移动端AI推理通过在系统芯片（system on chip，SoC）中增加协处理器或专用加速单元来实现。受制于移动终端的电量，对芯片的功耗有严格的限制。代表芯片有Apple A12 Neural Engine和华为麒麟990。
(3) 智能安防
智能安防的主要任务是视频结构化。通过在摄像头终端加入AI芯片，可以实现实时响应、降低带宽压力，此外，也可以将推理功能集成在边缘服务器产品中，以实现对非智能摄像头数据的后台AI推理。AI芯片需要有视频处理和解码能力，主要考虑的是可处理的视频路数以及单路视频结构化的成本。代表芯片有华为Hi3559-AV100、海思昇腾310和比特大陆BM1684等。
(4) 自动驾驶
AI芯片作为无人车的大脑，需要对汽车上大量传感器产生的数据做实时处理，对芯片的算力、功耗、可靠性都有非常高的要求，同时芯片需要满足车规标准，因此设计的难度较大。面向自动驾驶的芯片目前主要有Nvidia Orin、Xavier和Tesla的FSD等。
(5) 智能家居
在AIoT时代，智能家居中的每个设备都需要具备一定的感知、推断以及决策功能。为了得到更好的智能语音交互用户体验，语音AI芯片进入了端侧市场。语音AI芯片相对来说设计难度低，开发周期短。代表芯片有思必驰TH1520和云知声雨燕UniOne等。
原文链接：https://www.xjx100.cn/news/1409201.html
