AI芯片企业需加强软硬件协同能力

作者/赛迪顾问股份有限公司集成电路产业研究中心高级分析师 李丹

　　目前市场上AI主要的商业应用场景有安防监控、家居/消费电子和自动驾驶汽车。安防监控以及消费电子市场已经较为成熟，且国内企业从产品能力到产业链整合能力均占据优势地位，是目前国内人工智能企业展开竞争的主战场。本土的汽车主机厂和零部件厂商较为弱势，目前在无人驾驶领域的布局以互联网等非传统汽车产业链内企业为主。针对不同的应用场景，国内的主流AI企业已经开始从算法与架构的实现向提供特定应用场景系统解决方案发展并不断向上游的ASIC芯片设计延伸。如地平线、深鉴科技等企业均已开始推出自己的芯片产品。

　　在对服务的安全性、实时性要求不高的应用领域，云端布局的人工智能服务将依然会是市场的主流。而在对服务的安全性、实时性、隐私性等要求较高的应用领域，前端部署已成为市场共识，未来市场空间非常巨大。

异构算法要求更高的软硬协同能力

　　一直以来，GPU、FPGA、ASIC三者就因其鲜明的特点分工在人工智能领域发挥着巨大的作用。GPU适合大规模并行运算，在训练深度神经网络方面具有优势。FPGA具备可编程、高性能、低功耗、架构灵活等特点，方便研究者进行模型优化，一般被用作芯片原型设计和验证，或是用在通信密集型和计算密集型场景中，诸如通信、军工、汽车电子、消费及医疗等行业。ASIC将性能和功耗完美结合，具有体积小、功耗低、可靠性高、保密性强、成本低等几方面的优势。

　　国内人工智能企业在从单独的架构、算法构建到行业应用系统解决方案提供的转变过程中，通过异构的方式解决优化系统各部分的适配性已经成为行业内的共识。这一架构和算法上的趋势，将进一步提升软件在人工智能系统中的地位，对公司的软硬协同能力提出了更高的要求。

AI芯片设计要考虑终端需求

　　由于人工智能领域是新兴事物，整个产业链还不完整，产业分工尚未形成，AI芯片企业必须提供从芯片/硬件、软件SDK到应用的解决方案已基本成为业内共识。

　　这一现状要求每家AI芯片公司都成为一家软件加系统公司，这样才能在市场竞争中取得优势。比如，公司在芯片设计时候就需要考虑未来面对的终端用户的需求，并通过将芯片集成到系统中，使其运行更加简单。此外，应尽可能减少第三方协作以及为用户提供更多的参考设计也是更好地服务下游用户的方式之一。