下一波大趋势和大红利从互联网+让位于人工智能+，已成业界共识。在AI的数据、算法和芯片之三剑客中，考虑到AI算法开源的发展趋势，数据与芯片将占据越来越重要的地位，而作为AI发展支柱的芯片更是AI业的竞争“核心”。在围绕AI芯片一系列跑马圈地的“运动”中，已不是“单点作战”的竞争，而是涉及路线、架构、应用、生态等全方位的维度。

路线之争

可以说，芯片将决定新AI计算时代的基础架构和未来生态。因此，谷歌、微软、IBM、Facebook等美国巨头都投巨资加速AI芯片的研发，旨在抢占制高点，而国内AI芯片更是呈现出创新活跃、百花齐放的格局。

对于AI芯片厂商而言，首要任务是选好定位。从应用来看，AI芯片主要分为云AI芯片和端AI芯片。云AI芯片应用于云端服务器及数据中心;端AI芯片应用于智能设备、IoT端设备。从作用来说，训练和推理需各成其就。

在云端训练中，多GPU并行架构是常用的基础架构方案。而在云端识别中，基于功耗与运算速度的考量，异构计算(CPU+GPU+FPGA/ASIC)是目前主流方案。而终端设备着重推断。业内某IP公司负责人表示，云端训练和推理更追求性能，而不会过多考虑功耗、内存等因素。而在终端的训练方面，既要求有大量的数据，又要求有大量的运算，很难满足。对于AI芯片公司来说，未来的机会肯定是终端的推理。

厂商对未来的预判不尽相同，有的要在云端做大芯片;有的面向终端，开发特定场景的芯片;有的则两路并发。那究竟选择何种路线?对GPU、FPGA、ASIC的“押注”谁将胜出?而无论是基于GPU、FPGA等通用芯片的半定制方案还是专用ASIC芯片，最终比拼的仍是性价比。

架构之争

在AI芯片这一赛道上，既有谷歌、英特尔、英伟达等顶尖巨头大手笔的投入，也有无数的中小创业企业在全力以赴，而路线之争的背后其实是传统与新型架构的争夺。

ICCAD理事长、清华大学魏少军教授称，架构创新是一个不可回避的问题。目前各家使用的AI方案架构互不兼容，没有支持的标准AI计算接口，是否会出现像当年CPU一样的通用处理器来一统AI芯片天下?如果存在的话，架构是怎么样的?如果不存在，那目前以满足特定应用的AI芯片一定只能以IP核的方式存在，最终被各种各样的SoC所集成，如果真是这样，那今天从事AI芯片开发的公司将何去何从?

AI芯片应该具备的基本要素在于：可编程性、架构的动态可变性、高计算效率、低成本、应用开发简便等，目前的CPU+GPU、CPU+FPGA、CPU+ASIC等均不是理想架构。魏少军教授认为，通用AI处理器的驱动力来自以下两个方面：开发AI芯片硬件构架的代价非常高，不是所有厂家都能承受的;IP的可扩展性、架构的支持广度、标准AI计算接口，对AI芯片的普及非常重要，而开发相关算法也不是一朝一夕就可以完成的。

寒武纪作为AI芯片赛道上的主要玩家之一，认为AI必然会出现一种重量级的应用，硬件就必然要标准化、通用化。而地平线创始人余凯则认为AI的应用在各个场景里千差万别，更可能的情况是，在每一个细分领域会出现一个主导架构。未来的架构之争还将持续。

阵营之争

在AI这一巨大风口之下，老将新兵均蜂拥入场，以分享这一新兴生态圈红利，同时也将变数再次放大。

除新兴的地平线、寒武纪、深鉴、比特大陆等这些厂商之外，我们看到，一方面，诸多老牌芯片企业正在积极拥抱AI，成为AI芯片产业中的重要力量，诸如中星微、北京君正、中天微、杭州国芯等传统SoC处理器芯片或者多媒体芯片企业就是其中的代表。另一方面，切入AI芯片领域的算法和系统公司逐渐增多，比如商汤、海康、大华、依图、华为等，他们积极地通过自主研发与并购投资的方式加大对AI芯片的投入。

相比那些活跃的初创AI芯片新生力量，老牌企业具有更加完备的前后端设计、产品、验证和测试团队，具备打造一颗完整SoC芯片产品的工程化经验。老牌芯片企业的入场竞争，和新生力量在人才、产品层面的角力，是未来AI产业值得关注的一大看点。而系统公司离场景最近，对场景真实需求的深刻了解，强大的软硬件一体化产品能力、市场营销渠道能力以及充足的资本储备等，将使得它们在处理和众多AI芯片初创企业的关系上始终处在一个更加主导的地位，更增加了产业格局的不确定性。

AI芯片的技术壁垒并不低，但只要行业集中度高，赢家就会选择通吃。比如做手机的厂商，出货量到了一个阀值，都有动力自己做芯片，如苹果、三星、华为还有小米等都选择了自己开发手机芯片。这对于高通、联发科、展讯等手机芯片供应商来说也是一大冲击。而这在AI领域也将上演同样的故事。

应用之争

商业应用是AI的关键因素之一，AI只有解决了实际的问题才具有价值。AI芯片巨大的研发成本、流片成本、分销成本都需要应用来“稀释”。

但依据专家观点，AI的关键性应用需要追求 99.9……% 后的多个 9，做不到就没法商业化。比如自动驾驶，“关键性应用”的普遍特点就是这样，项目通常很贵，研发周期巨长，需要技术大牛坐镇以及持续的融资能力。而大部分是非关键性应用，比如人脸识别，通常比拼综合实力，包括对行业的洞察理解力、产品和工程化能力、成本控制、供应链能力、营销能力、迭代能力等等。

此外，不同行业有不同的“聚焦”。在汽车行业，安全性、实时性是最重要的问题。而在安防领域，AI+视频监控最看重的是把被动监控变为主动分析与预警，对识别率、算力及成本有很高的要求。在消费电子领域，手机因为搭载麒麟970芯片的华为mate10手机与同样嵌入AI芯片的iPhoneX带领手机进入智能时代。另外，亚马逊的Echo引爆了智能家居市场，对AI的诉求要解决功耗、安全隐私等问题。

要选择哪个垂直领域，取决一些关键因素：市场空间够不够大?行业集中度如何?技术是改良还是革命?竞争对手的壁垒谁更高?显然，在消费电子、安防、智能汽车等AI场景应用领域，仍然有诸多硬仗要打。

生态之争

在AI的竞争维度上，生态绝对是关键一环。

在AI平台化的趋势下，未来AI将呈现若干主导平台加广泛场景应用的竞争格局，生态构建者将成为其中最重要的一类模式。目前，科技巨头都已在AI产业链的基础技术层和应用层着手布局，比如Google推出了TensorFlow分布式学习框架，国内百度建立并开放了PaddlePaddle全开源深度学习平台，还推出了DuerOS和Apollo两大AI操作系统。

对腾讯、阿里、百度这些巨头来讲，为维持自己的王者地位，必然也必须要构建出AI的生态系统。而在AI生态层面，值得关注的动向是：一是随着生态的进化，很多领域都会有训练好的模型可以用来参考，未来算法的壁垒会越来越低，如果一个公司的核心竞争力只是算法，那将非常危险;二是AI芯片厂商不能仅考虑自己独特的体系结构和软件开发套件，在当前的情形下，要不就打造成包括硬件及软件生态的全AI服务流程能力，要不就需要融入一个合适的生态圈，否则长远的竞争力将难以保证。

伴随AI的演变，算力的提升促进了算法的发展，算法的发展又对AI芯片提出了需求。“你在跑，本来的优势者也在跑。”这句话适用于英伟达和英特尔的巨头之争，也适用于AI芯片公司。在全新的AI芯片领域，未来的版图还有诸多想象空间，就看如何着墨了。