上周，阿里巴巴达摩院宣布布局“中国芯”，自主研发AI芯片——Ali-NPU神经网络芯片。

随后，阿里又曝出全资收购杭州中天微系统有限公司(简称中天微系统)，后者是一家嵌入式CPU IP的供应商。阿里巴巴CTO张建锋表示，收购中天微是阿里巴巴芯片布局的重要一环，中天微的IP Core是基础芯片能力的核心，进入IP Core领域是中国芯片实现“自主可控”的基础。

放眼全球，在AI芯片这篇领域里跑在前面的玩家已经打得火热：谷歌母公司Alphabet、Facebook和苹果都在近期宣布了新动作。各大巨头已经瞄准了AI芯片这个方向，正在比拼开发速度。

这种趋势最终可能威胁到大买家和大供应商之间的传统关系。尤其是芯片制造商英伟达(Nvidia)。随着其图形处理芯片已经成为通用的基于AI的应用程序的普及品，英伟达可能会发现其数据中心业务受到影响，因为这些自有芯片项目已经成熟。

两家公司都认为自己的芯片可以帮助他们的AI应用程序运行得更好，同时降低成本，因为在数据中心中运行数十万台计算机并不便宜。它还可以减少他们对少数供应商(如Nvidia)的依赖，使得那些擅长执行现代AI应用程序所需功能的图形处理器成为可能。

英伟达仍然势头强劲

阿里巴巴达摩院表示，研发自主AI芯片主要是巩固阿里云，并为许多行业的商业和各种AI应用奠定基础。据Synergy Research Group的数据，在第四季度，阿里巴巴占据了云基础设施服务市场的4%，这意味着它比亚马逊、微软、IBM和谷歌的份额要小。

阿里达摩院已在全球开设办事处，包括位于华盛顿州贝尔维尤附近的微软总部。去年，阿里巴巴在硅谷城市桑尼维尔聘请了高通员工梁汉为“AI芯片架构师”。招聘信息显示，阿里巴巴正在寻找更多的人加入该地区办公室。

这样的做法，与谷歌母公司Alphabet的努力方向颇为相似。

自2015年以来，Alphabet内部工程师一直在使用Google的定制张量处理单元(或TPU)来加速他们自己的机器学习任务。去年，Google发布了第二代TPU，可处理更具挑战性的计算工作，并于2月份开始Google让公众通过其云端使用第二代TPU。

第二代Google AI芯片可以用来代替Nvidia等图形处理单元，它不仅仅是训练AI模型。

至少，与英伟达在数据中心的GPU业务相比，阿里巴巴和谷歌服务器芯片方案仍处于相对初级阶段。

事实上，谷歌与英伟达仍然是合作伙伴，英伟达的GPU与TPU在Google Cloud平台上仍然兼容。而阿里巴巴也表示，在阿里NPU推出后，仍将在云计算平台上运行Nvidia GPU。

在去年7月份的一份报告中，分析师Matthew Ramsay和Vinod Srinivasaraghavan表示，随着英伟达最新的GPU的发布，他们“增加了对英伟达的信心，更成功地捍卫了定价，因为数据中心的销售规模以及内部和商家ASIC产品增加。”

自主AI芯片百家争鸣的时代

本周早些时候，很明显Facebook还在探索芯片开发。这一举措有一天会导致该公司开发AI芯片。然而，这并不令人意外，因为去年英特尔表示，它正在与Facebook合作开发一种新的AI芯片。但英特尔并未参与Google的TPU或阿里巴巴的Ali-NPU。

Facebook的AI芯片可以改善内部研究人员的操作——更快的培训系统可能意味着更快速的实验——并提高系统为使用公司应用程序的数十亿人进行计算的效率。

Facebook的背后动机和目标与阿里巴巴、谷歌的不同之处在于，它主要不是为了给客户提供可带来性能提升的创新型硬件。

与此同时，苹果已经在顶级iPhone X手机内部的芯片中建立了“神经引擎”元素，而且正在谋划推出一款新的芯片处理器“Apple Neural Engine”;微软正在为其HoloLens混合现实耳机的下一个版本开发AI芯片;特斯拉一直在为其车辆开发AI芯片。

但所有这些设备都不同于那些容纳Google和阿里巴巴之类的AI芯片的服务器。数据中心服务器将拥有更多的潜能、直接的网络连接和更多的数据存储。

长期看来，所有智能设备都将配置新型的人工智能芯片。有需求，芯片制造商就会争先恐后努力满足这一需求。