中國企業的崛起！全球AI芯片Top24榜單7家中國公司上榜
0
導讀：AI作為下一場人工智能革命，中國全球科技大廠都在其中有布局，企業起全球在全球前15大AI芯片企業排名表中，榜單榜華為位列第12，家中IOP24榜單中中國企業上榜7家。司上
近日，中國市場研究公司Compass Intelligence發布了最新研究報告，企業起全球在全球前15大AI芯片企業排名表中，榜單榜前三名是家中英偉達(Nvidia)、英特爾(Intel)以及IBM，司上華為位列第12名，中國成為TOP15的企業起全球中國“獨苗”。
據了解，榜單榜在此次報告的家中AI芯片組索引中的 A列表包括提供AI芯片組的軟件和硬件組件的公司。
而AI芯片組產品包括中央處理器（CPU），司上圖形處理器（GPU），神經網絡處理器（NNP），專用集成電路（ASIC），現場可編程門陣列（FPGA），精簡指令集計算機（RISC）處理器，加速器等等。一些芯片組針對邊緣處理或設備，一些針對云計算中使用的服務器，另一些針對機器視覺和自動車輛平臺。其中一些產品是AI的計算框架，另一些則是AI培訓平臺。
報告還提到，過去三年，在自己的研究和開發投入之外，還總共在人工智能領域投入高達600億美元，我們看到，目前有超過1700家創業公司對AI芯片感興趣，當然，業界對于AI芯片的需求也在加大。
與此同時，在TOP15排名之外，Compass Intelligence還對多達100多家的芯片公司進行了評估，最終排名之中有24家公司入圍，它們包括英偉達、英特爾、IBM、谷歌、蘋果、AMD、ARM、高通、三星、恩智浦等等，值得注意的是，中國企業華為依然位列第12位，寒武紀和地平線分別為第22和24位。
在Top24的榜單排行中，共有七家中國公司入圍。
華為（海思）位列這份榜單的第12位；
聯發科（MediaTek）排名第14位；
Imagination排名第15位；
瑞芯微（Rockchip）排名第20位；
芯原（Verisilcon）排名第21位；
寒武紀（Cambricon）排名第23位；
地平線（Horizon）排名第24位；
華為的“造芯之路”
2004年10月華為創辦海思公司，它的前身是華為集成電路設計中心，這也正式拉開了華為的手機芯片研發之路。
2009年華為推出了第一款面向公開市場的K3處理器，定位跟展訊、聯發科一起競爭山寨市場，華為自己的手機沒有使用。因為K3產品不夠成熟以及不適的銷售策略，這款芯片并沒有成功。，這也是國內第一款智能手機處理器。
2012年華為海思推出K3V2處理器，這一次用在了自家手機中，而且是定位旗艦的Mate 1、P6等機型。2012年手機處理器已經開啟多核進程， K3V2成為了世界上第二顆四核處理器。
而后，麒麟910是海思的第一款SoC，如果說CPU是手機大腦，那SoC就是集成身體各種機能并給它們分配任務的系統，一個移動SoC除了CPU還包括基帶（Baseband）、圖形處理器（GPU）、數字信號處理器（DSP）、圖像信號處理器（ISP）等重要模塊。
從K3V2以來，部分華為手機特別是旗艦機一直使用自己的海思芯片，更重要的是，華為旗艦的綁定倒逼海思，必須迅速進步并且穩定供貨。
我們可以看到，2014年華為的研發投入比A股400家企業的總和還多。2017年華為研發費用高達897億人民幣，大大超過蘋果和高通。過去十年，華為投入的研發費用超過3940億元，居于世界科技公司前列。這樣的成績也就不足為奇了。
經過十幾年的發展，2017年9月，華為在德國柏林國際電子消費品展覽會（IFA）上正式推出其最新 AI 芯片 “麒麟970”（Kirin 970）。麒麟970采用行業高標準的 TSMC 10nm 工藝，在指甲大小的芯片上，集成了55億個晶體管，功耗降低了20%，并實現了 1.2Gbps 峰值下載速率。麒麟 970集成 NPU 專用硬件處理單元（寒武紀IP），創新設計了 HiAI 移動計算架構，其 AI 性能密度大幅優于 CPU 和 GPU。相較于四個 Cortex-A73核心，處理相同 AI 任務，新的異構計算架構擁有約50倍能效和 25 倍性能優勢。
而且，華為第二代AI芯片海思麒麟 980也將在本季度正式量產，采用臺積電 7nm 制程工藝。這款處理器將配置第二代 NPU，在前代的基礎上，支持更多的場景應用，NPU 的性能提升 2 倍以上。
中國“造芯運動”
5月3日，寒武紀在上海發布了新一代終端 IP 產品，采用7nm工藝的終端芯片Cambricon 1M、首款云端智能芯片MLU100以及搭載了MLU100的云端智能處理計算卡。
第三代機器學習終端處理器1M其性能比此前發布的寒武紀1A高10倍。配置方面，寒武紀1M使用臺積電7nm工藝生產，其8位運算效能比達5 Tops/watt（每瓦 5萬億次運算）。寒武紀提供了2Tops、4Tops、8Tops三種尺寸的處理器內核，以滿足不同場景下不同量級智能處理的需求。
而MLU100采用寒武紀最新的MLUv01架構和臺積電16nm工藝，可工作在平衡模式（主頻 1Ghz）和高性能模式（主頻1.3GHz）兩種不同模式下，等效理論峰值速度則分別可以達到128萬億次定點運算和166.4萬億次定點運算，而其功耗為80w和110w。
寒武紀介紹，MLU100云端芯片同樣具備高通用性，可支持各類深度學習和常用機器學習算法，他們還提出“端云協作”的理念，也就是說，MLU100云端芯片可以和寒武紀1A/1H/1M系列終端處理器進行適配，協同完成復雜的智能處理任務。
而在此前，阿里巴巴、地平線、云知聲、Rokid等中國高科技公司都宣布加入“造芯運動”，就阿里巴巴而言，他們正研發神經網絡芯片Ali-NPU，這款芯片性能將是目前市面上主流 CPU、GPU 架構 AI 芯片的 10 倍，而制造成本和功耗僅為一半，性價比超過 40 倍，一天之后，阿里巴巴再度宣布全資收購中天微，而后者是中國大陸唯一的自主嵌入式?CPU IP Core 公司。
早在去年年底，地平線就發布嵌入式人工智能芯片——面向智能駕駛的征程（Journey）1.0處理器和面向智能攝像頭的旭日（Sunrise）1.0處理器。余凱認為：“地平線看到的未來是人工智能處理器，實際上也是我們國家的科技競爭實力的制高點，如果未來中國的人工智能產業要騰飛，要起飛，必須具有航空發動機，這個航空發動機是什么？它一定是人工智能處理器”。
加入這場大戰的創業公司還有很多，云知聲和Rokid都宣布了完成芯片研發的消息，云知聲即將發布AI芯片，它是基于Unisound的AI指令集和DSP指令集，結合語音應用場景，以麥克風陣列信號處理、語音識別及語音合成為一體的全新的芯片架構。
據介紹，這款AI芯片通過運算單元之間的可編程互聯矩陣保證運算效率的同時，采用多級-多組-多端口的Memory架構保證片內數據帶寬的提升及降低芯片功耗。在架構靈活性方面，通過Scratch-Pad將主控CPU與AI加速器內部RAM相連，提供高效的CPU與AI加速器之間的數據通道，以便CPU對AI加速器運算結果進行二次處理。另外，連接各個運算單元的可編程互聯矩陣架構，提供了擴展運算指令的功能，從而進一步提升硬件架構的靈活性及可擴展性。芯片架構方面的其余探索，包括多級多模式喚醒、從能量檢測到人類聲音檢測到喚醒詞檢測、針對語音設備及使用場景的定制化Power Domain等技術，將芯片功耗降至最低。
國內媒體分析了國產芯片廠商面臨的四座大山：
1、對長期研發投入的積累和高忍耐度。體現在微架構設計、底層操作系統的設計能力缺失、通用CPU無自己的微架構（大部分國產PC/服務器操作系統仍然以Linux為基礎，在這些方面，國外ARM等廠商實際上是經歷了20年以上的研發積累之后才爆發），或快速引進和搶奪頂尖芯片設計人才。
2、實現重資金投入和高產出的正向循環。
3、短期內性能和穩定性上超越國外對手。
4、硬件開發者生態的培育。Intel和MS在國內高校多年發展課程體系、認證體系、生態培育體系，國內企業鮮有如此跨級戰略操作。
近日，中國市場研究公司Compass Intelligence發布了最新研究報告，企業起全球在全球前15大AI芯片企業排名表中，榜單榜前三名是家中英偉達(Nvidia)、英特爾(Intel)以及IBM，司上華為位列第12名，中國成為TOP15的企業起全球中國“獨苗”。
據了解，榜單榜在此次報告的家中AI芯片組索引中的 A列表包括提供AI芯片組的軟件和硬件組件的公司。
而AI芯片組產品包括中央處理器（CPU），司上圖形處理器（GPU），神經網絡處理器（NNP），專用集成電路（ASIC），現場可編程門陣列（FPGA），精簡指令集計算機（RISC）處理器，加速器等等。一些芯片組針對邊緣處理或設備，一些針對云計算中使用的服務器，另一些針對機器視覺和自動車輛平臺。其中一些產品是AI的計算框架，另一些則是AI培訓平臺。
報告還提到，過去三年，在自己的研究和開發投入之外，還總共在人工智能領域投入高達600億美元，我們看到，目前有超過1700家創業公司對AI芯片感興趣，當然，業界對于AI芯片的需求也在加大。
與此同時，在TOP15排名之外，Compass Intelligence還對多達100多家的芯片公司進行了評估，最終排名之中有24家公司入圍，它們包括英偉達、英特爾、IBM、谷歌、蘋果、AMD、ARM、高通、三星、恩智浦等等，值得注意的是，中國企業華為依然位列第12位，寒武紀和地平線分別為第22和24位。
在Top24的榜單排行中，共有七家中國公司入圍。
華為（海思）位列這份榜單的第12位；
聯發科（MediaTek）排名第14位；
Imagination排名第15位；
瑞芯微（Rockchip）排名第20位；
芯原（Verisilcon）排名第21位；
寒武紀（Cambricon）排名第23位；
地平線（Horizon）排名第24位；
華為的“造芯之路”
2004年10月華為創辦海思公司，它的前身是華為集成電路設計中心，這也正式拉開了華為的手機芯片研發之路。
2009年華為推出了第一款面向公開市場的K3處理器，定位跟展訊、聯發科一起競爭山寨市場，華為自己的手機沒有使用。因為K3產品不夠成熟以及不適的銷售策略，這款芯片并沒有成功。，這也是國內第一款智能手機處理器。
2012年華為海思推出K3V2處理器，這一次用在了自家手機中，而且是定位旗艦的Mate 1、P6等機型。2012年手機處理器已經開啟多核進程， K3V2成為了世界上第二顆四核處理器。
而后，麒麟910是海思的第一款SoC，如果說CPU是手機大腦，那SoC就是集成身體各種機能并給它們分配任務的系統，一個移動SoC除了CPU還包括基帶（Baseband）、圖形處理器（GPU）、數字信號處理器（DSP）、圖像信號處理器（ISP）等重要模塊。
從K3V2以來，部分華為手機特別是旗艦機一直使用自己的海思芯片，更重要的是，華為旗艦的綁定倒逼海思，必須迅速進步并且穩定供貨。
我們可以看到，2014年華為的研發投入比A股400家企業的總和還多。2017年華為研發費用高達897億人民幣，大大超過蘋果和高通。過去十年，華為投入的研發費用超過3940億元，居于世界科技公司前列。這樣的成績也就不足為奇了。
經過十幾年的發展，2017年9月，華為在德國柏林國際電子消費品展覽會（IFA）上正式推出其最新 AI 芯片 “麒麟970”（Kirin 970）。麒麟970采用行業高標準的 TSMC 10nm 工藝，在指甲大小的芯片上，集成了55億個晶體管，功耗降低了20%，并實現了 1.2Gbps 峰值下載速率。麒麟 970集成 NPU 專用硬件處理單元（寒武紀IP），創新設計了 HiAI 移動計算架構，其 AI 性能密度大幅優于 CPU 和 GPU。相較于四個 Cortex-A73核心，處理相同 AI 任務，新的異構計算架構擁有約50倍能效和 25 倍性能優勢。
而且，華為第二代AI芯片海思麒麟 980也將在本季度正式量產，采用臺積電 7nm 制程工藝。這款處理器將配置第二代 NPU，在前代的基礎上，支持更多的場景應用，NPU 的性能提升 2 倍以上。
中國“造芯運動”
5月3日，寒武紀在上海發布了新一代終端 IP 產品，采用7nm工藝的終端芯片Cambricon 1M、首款云端智能芯片MLU100以及搭載了MLU100的云端智能處理計算卡。
第三代機器學習終端處理器1M其性能比此前發布的寒武紀1A高10倍。配置方面，寒武紀1M使用臺積電7nm工藝生產，其8位運算效能比達5 Tops/watt（每瓦 5萬億次運算）。寒武紀提供了2Tops、4Tops、8Tops三種尺寸的處理器內核，以滿足不同場景下不同量級智能處理的需求。
而MLU100采用寒武紀最新的MLUv01架構和臺積電16nm工藝，可工作在平衡模式（主頻 1Ghz）和高性能模式（主頻1.3GHz）兩種不同模式下，等效理論峰值速度則分別可以達到128萬億次定點運算和166.4萬億次定點運算，而其功耗為80w和110w。
寒武紀介紹，MLU100云端芯片同樣具備高通用性，可支持各類深度學習和常用機器學習算法，他們還提出“端云協作”的理念，也就是說，MLU100云端芯片可以和寒武紀1A/1H/1M系列終端處理器進行適配，協同完成復雜的智能處理任務。
而在此前，阿里巴巴、地平線、云知聲、Rokid等中國高科技公司都宣布加入“造芯運動”，就阿里巴巴而言，他們正研發神經網絡芯片Ali-NPU，這款芯片性能將是目前市面上主流 CPU、GPU 架構 AI 芯片的 10 倍，而制造成本和功耗僅為一半，性價比超過 40 倍，一天之后，阿里巴巴再度宣布全資收購中天微，而后者是中國大陸唯一的自主嵌入式?CPU IP Core 公司。
早在去年年底，地平線就發布嵌入式人工智能芯片——面向智能駕駛的征程（Journey）1.0處理器和面向智能攝像頭的旭日（Sunrise）1.0處理器。余凱認為：“地平線看到的未來是人工智能處理器，實際上也是我們國家的科技競爭實力的制高點，如果未來中國的人工智能產業要騰飛，要起飛，必須具有航空發動機，這個航空發動機是什么？它一定是人工智能處理器”。
加入這場大戰的創業公司還有很多，云知聲和Rokid都宣布了完成芯片研發的消息，云知聲即將發布AI芯片，它是基于Unisound的AI指令集和DSP指令集，結合語音應用場景，以麥克風陣列信號處理、語音識別及語音合成為一體的全新的芯片架構。
據介紹，這款AI芯片通過運算單元之間的可編程互聯矩陣保證運算效率的同時，采用多級-多組-多端口的Memory架構保證片內數據帶寬的提升及降低芯片功耗。在架構靈活性方面，通過Scratch-Pad將主控CPU與AI加速器內部RAM相連，提供高效的CPU與AI加速器之間的數據通道，以便CPU對AI加速器運算結果進行二次處理。另外，連接各個運算單元的可編程互聯矩陣架構，提供了擴展運算指令的功能，從而進一步提升硬件架構的靈活性及可擴展性。芯片架構方面的其余探索，包括多級多模式喚醒、從能量檢測到人類聲音檢測到喚醒詞檢測、針對語音設備及使用場景的定制化Power Domain等技術，將芯片功耗降至最低。
國內媒體分析了國產芯片廠商面臨的四座大山：
1、對長期研發投入的積累和高忍耐度。體現在微架構設計、底層操作系統的設計能力缺失、通用CPU無自己的微架構（大部分國產PC/服務器操作系統仍然以Linux為基礎，在這些方面，國外ARM等廠商實際上是經歷了20年以上的研發積累之后才爆發），或快速引進和搶奪頂尖芯片設計人才。
2、實現重資金投入和高產出的正向循環。
3、短期內性能和穩定性上超越國外對手。
4、硬件開發者生態的培育。Intel和MS在國內高校多年發展課程體系、認證體系、生態培育體系，國內企業鮮有如此跨級戰略操作。