[导读] 加速用户端机器学习任务的近十几种处理器核心正在角逐系统单芯片(SoC)市场，其中一些已经用于智能型手机，希望比全球IP矽智财授权领导厂商ARM更快取得市场优势。EETimes根据市场观察家Linley Gwennap报导指出，市场竞争态势显示机器学习芯片正在转向低功耗用户端区块，然而数据中心高性能芯片之间的竞争仍处于初期阶段。ARM已经主导CPU的IP领域并接管GPU，但是人工智能(AI)为芯片创造一个全新市场，其它企业也取得一个良好的开端。
加速用户端机器学习任务的近十几种处理器核心正在角逐系统单芯片(SoC)市场，其中一些已经用于智能型手机，希望比全球IP矽智财授权领导厂商ARM更快取得市场优势。
EETimes根据市场观察家Linley Gwennap报导指出，市场竞争态势显示机器学习芯片正在转向低功耗用户端区块，然而数据中心高性能芯片之间的竞争仍处于初期阶段。ARM已经主导CPU的IP领域并接管GPU，但是人工智能(AI)为芯片创造一个全新市场，其它企业也取得一个良好的开端。
现有设计已经占手机市场约3分之1，Gwennap预计AI加速器将在未来2~3年内渗透到手机市场的其它部分。除了智能型手机之外，汽车对于AI芯片来说是一个愈来愈大的市场。为了跟上步伐，ARM宣布一项名为Project Trillium的计划，但Gwennap认为ARM需要一些特定的硬件加速器来优化电源效率，虽然ARM正在开发这种加速器，并计划在2018年夏天发布，但进度太慢为其它企业提供机会。
到目前为止，Videantis的多核心v-MP6000表现比竞争对手Ceva的NeuPro具有原始性能优势。其它厂商包括Synopsys的EV64，以及AImotive的AIware也使用许多客制化硬件区块。在低成本区块中，芯原微电子(VeriSilicon)的VIP8000-O采用具有多达8个深度学习引擎的GPU提供原始性能。国内寒武纪科技的CPU采用小型矩阵引擎提供最低性能的芯片，但讽刺的是仍然在华为智能型手机中取得重大设计成就。
英国芯片公司Imagination凭借PowerVR 2NX加入市场竞争，而NVIDIA希望当一个破坏者，为其Xavier处理器的NVDLA芯片提供免费且开源的IP，并获得ARM的支持。总体而言，Gwennap表示多达40家企业正在设计客户AI芯片，许多企业都瞄准数据中心，NVIDIA的Volta GPU作为包括亚马逊(Amazon)在内的巨擘所选择的训练引擎，目前尚未有挑战者。
Gwennap表示，现在看到的竞争对手是Google的TPU和微软(Microsoft)基于FPGA的Brainwave，正在被广泛部署，但现在没有太多供应商可供选择。AI新创公司Wave Computing将于2018年生产新的AI数据中心架构，似乎领先市场一步。
Wave Computing锁定的目标是二线和三线营运商，而不是大型数据中心。英特尔(Intel)的Nervana神经网络处理器预计到2019年才会生产，深度学习新创公司Graphcore将在2018年底前发布芯片，另一家新创公司Cerebrus保持沉默，比特币ASIC制造商比特大陆则在2017年底宣布用于数据中心的AI芯片计划。
Gwennap认为AI芯片已经形成一股淘金热潮，最终在这场新战斗中获胜的芯片将是性能、功耗和芯片面积的最佳组合。
