麒麟970或为华为AI芯片 人工智能芯片大玩家都有谁？ 日08:57 来源：芯传说
|&&&&联发科HelioX30随着魅族Pro7/7Plus的发布而一同亮相后，今年10nm就只剩苹果A11和华为麒麟970尚未揭开面纱了。按照以往华为发布旗舰手机的节奏，麒麟970将会在今年秋季登场。而在上周华为半年业绩发布会上，华为消费者业务CEO余承东透露，预计将在今年秋季推出人工智能（AI）芯片。使得外界纷纷猜测该芯片和麒麟970间的潜在联系，例如AI芯片就是麒麟970。
&&&&华为开发AI芯片再一次证明了人工智能实乃大势所趋，在AI巨大引擎之下，不管是造芯片的制造商，还是用芯片的服务商都计划研发或已在实际研发AI芯片，其中不乏英特尔、高通这样已称霸PC、手机领域的巨头。下面一起来看看都有哪些知名的AI芯片玩家吧。
&&&&英伟达
&&&&英伟达之于人工智能芯片，大概已经处于领先地位了吧。一次偶然机遇，英伟达发现自家的GPU图形处理器技术，居然可以神奇地为当前人工智能领域的研究热点――深度学习所利用。自此英伟达一发不可收拾，基于深度学习发布了多款芯片。5月份，英伟达CEO黄仁勋发布了一款号称花费30亿美元打造的AI芯片：TeslaV100。得益于此，英伟达股价在过去一年的时间里狂涨了300%！英伟达的营收连续暴涨。而其仍继续在领跑，数据显示，现在英伟达已经参与了超过4万家公司和50万名开发者对神经网络应用的研究。
&&&&英特尔
&&&&英特尔作为曾经的芯片巨头，现在正在努力向人工智能领域转型。英特尔近年来通过几笔大手笔的收购来加强在人工智能芯片领域的实力，比如以167亿美元收购Altera，以153亿美元收购的Mobileye等等。在去年，推出了自家的AI处理器Nervana，其最终形态大概今年年底可以面世，据说其性能，相比GPU，可以提升10倍性能。
&&&&在5月份的谷歌I/O2017开发者大会上，谷歌宣布“我们已经从移动优先转移到人工智能优先”，同时谷歌正式推出第二代专注于人工智能的TPU(张量)处理器。TPU是谷歌自主研发的一种专为AI运算服务的高性能处理器，它将成为谷歌威胁英特尔、英伟达这些行业主要芯片供应商的市场地位。谷歌也将成为一个重要的市场搅局者。
&&&&近日，微软在夏威夷的火鲁奴奴宣布将打造人工智能芯片并用于全新的HololensAR设备。这是微软首次自主研发用于移动设备的芯片。凭借人工智能芯片，微软也在对芯片产业链进行全面的战略布局，其实微软这几年，都在不断地进行着芯片研发。去年，微软同时使用上万个芯片，在0.1秒的时间内，将英语维基百科500万篇文章的30亿个单词翻译成西班牙语，展示了微软芯片处理器的实力。
&&&&苹果正在研发一款专用于人工智能的芯片这事是圈内公开的秘密，他们内部将其称为“苹果神经引擎”(AppleNeuralEngine)。据说这块芯片将能够改进苹果设备在处理需要人工智能的任务时的表现，比如面部识别和语音识别等。永远不要小瞧苹果。
&&&&高通一直在和YannLeCun在FacebookAI研究机构的团队保持合作，共同开发用于实时推理的新型芯片。近日消息称，高通即将发布人工智能专用移动芯片，抢先一步。
&&&&除以上这些国外巨头，国内也有不少实力非凡的AI芯片玩家，以下4家最具代表性：
&&&&地平线机器人
&&&&由余凯创立于2015年的初创企业HorizonRobotics（地平线机器人）此前成功完成了种子轮融资。投资人中包含了众多的顶级投资机构―晨兴、高瓴、红杉、金沙江、线性资本、创新工场和真格基金等，还获得了著名硅谷风险投资家YuriMilner的投资。他们正在着手于建立一个一站式人工智能解决方案，定义“万物智能”，让生活更便捷、更有趣、更安全。
&&&&中科寒武纪
&&&&寒武纪科技由创始人陈天石教授带领中科院团队成立于2016年，致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。公司研制了国际首个深度学习专用处理器芯片，显著提升了人工智能领域的运算效能。不同于Google采用的通用处理器，“寒武纪”芯片专门面向深度学习技术。模拟实验表明，“寒武纪”相对于传统执行x86指令集的芯片，有两个数量级(几百倍)的性能提升。目前，寒武纪系列已包含三种原型处理器结构：
&&&&寒武纪1号（英文名DianNao，面向神经网络的原型处理器结构）；
&&&&寒武纪2号（英文名DaDianNao，面向大规模神经网络）；
&&&&寒武纪3号（英文名PuDianNao，面向多种机器学习算法）。
&&&&而华为和中科院计算所一直保持着非常密切的关系，成立了“中科院计算所-华为联合实验室”，业内传言华为早已成为中科院计算所的“大金主”。更有知乎和百度贴吧上的业内网友直接透露，麒麟970已经使用了寒武纪的技术。
&&&&中星微
&&&&日，中星微推出中国首款嵌入式神经网络处理器（NPU）芯片，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，并取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。该芯片于今年3月6日实现量产。
&&&&该NPU采用了“数据驱动”并行计算的架构，单颗NPU（28nm）能耗仅为400mW，极大地提升了计算能力与功耗的比例，可以广泛应用于高清视频监控、智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。
&&&&联合硬件厂商推出DuerOS智慧芯片，可以视作百度在人工智能与硬件设备一体化方面的新探索。DuerOS智慧芯片拥有低成本芯片和模组，可以以芯片嵌入的形式放到任何硬件中，能够更加快速而广泛地应用到更多场景。
&&&&AI时代促进芯片的研发，各个巨头分别在自己擅长的领域来巩固自己的地位，CPU、GPU、现场可编程门阵列芯片等呈现百花齐放的态势，在人工智能巨大的引擎下半导体行业迎来新的变革，半导体行业作为最基础、最重要的部分，将会促进人工智能高速发展，相辅相成的命运共同体。责任编辑：马兰
交易供应链
苹果高通专利大战&高通2017年第三季度业绩与去年同期相比出现明显下降，有人将此归因于它和苹果之间的法律纠纷[]
2017年中国新能源汽车技术研讨会地点：上海新国际博览中心E3馆论坛活动区时间：8月23日下午13:00
大家都爱看
? ? ? ? ? ? ? ? ? ?
>>>>>>>>>>>>>>>>>>本文来自华尔街见闻旗下“全天候科技”，悦读更多请登录 或关注微信号“全天候科技（ID:iawtmt）” 、“新金融见闻（ID:AWFintech）”。
人工智能已经成为时下最热门的风口，各行各业的公司都在试图通过该技术提升工作效率和竞争优势。
在芯片领域，英伟达作为领先的硬件生产商，影响力不可忽视。此前，美银美林集团在一份报告中表示，英伟达将会成为人工智能芯片的主导供应商，该公司正在创造人工智能计算行业的标准。
除了英伟达之外，过去两年出现了一批人工智能芯片创业企业，他们都跃跃欲试地想要成为下一个英伟达，不过，但真正的竞争可能来自AMD、谷歌这样的老牌企业，以及一批中国AI芯片公司。
当下的中国，人工智能已经上升到国家战略。根据2017年7月国务院印发的《新一代人工智能发展规划》，2020年，中国人工智能的战略目标是，技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。
那么，赶上世界东风的中国AI芯片公司如今发展如何？他们能在多大程度上与英伟达形成竞争？全天候科技做了汇总。
英伟达：AI芯片市场领导者
英伟达无疑是AI芯片市场中无可争议的领导者。2017年，英伟达可谓是风光无限。从游戏、数据中心到人工智能，市场对英伟达芯片的需求一路上升。
由于深度学习对计算速度的要求是“暴力”的，英伟达GPU芯片可以让大量处理器并行运算，速度比CPU快十倍甚至几十倍，因而成为绝大部分人工智能研究者和开发者的必备”核弹“。
《财经天下周刊》的消息称，国内搞AI创业的人几乎全在用英伟达GPU和平台，一个小型AI创业团队在英伟达芯片上花费几十万元很正常。
硅谷明星投资人Andreessen Horowitz也透露：“我们投资了一大串各个领域做深度学习的创业公司，每一个都跑在英伟达的平台上。”
受此影响，英伟达的股价也一路飙升，从2015年的20美元涨到如今的逾220美元，涨幅超1000%，市值已突破1300亿美元。
除了在芯片行业居于前列，英伟达在游戏显卡、自动驾驶领域也很活跃。
在近期举行的2018年CES展会上，英伟达发布了最新65英寸高端游戏显示器，宏碁、华硕和惠普将利用其技术规格与标准作为4K HDR显示器进行生产。这种超大型的显示器搭载G-Sync，很适合高端游戏PC产品。
在自动驾驶方面，英伟达创始人黄仁勋于美国西部时间1月7日晚在拉斯维加斯召开新闻发布会，宣布与大众汽车以及Uber的重大合作项目。黄仁勋还透露，英伟达目前在自动驾驶领域已经拥有超过320家合作企业和机构。
英伟达在人工智能领域的强大实力可见一斑。
AI芯片追赶者：Intel、AMD、谷歌
英伟达也并非是GPU领域的唯一巨头，Intel、AMD和谷歌也有着不可忽视的优势。
在半导体市场，Intel多年来一直占据“龙头”地位。然而，人工智能的崛起使得这家全球最大的个人计算机零件和CPU制造商正遭受着严峻的挑战。在此压力下，Intel选择通过“强强联合”的方式来回击。
2017年12月，相争50多年的Intel和AMD宣布将联手推出一款结合英特尔处理器和AMD图形单元的笔记本电脑芯片，一时间业内哗然。
芯谋研究总监王笑龙认为：“如果Nvidia在个人电脑GPU上营收减少，那么Nvidia在新市场的开发就会被牵制，所以Intel选择和AMD合作。”
数据研究机构Gartner的研究主管Alan Priestley也认为，Intel和AMD的合作将会对Nvida产生一些影响，“目前Intel和AMD联合推出的这款芯片的应用领域也正是Nvidia GPU的应用领域。很明显，Intel处理器已经渗入到这个领域内，并且通过新款芯片，AMD也会在这一领域内获得立足点。”
除此之外，第二梯队的谷歌也在试图引发新的颠覆。
2016年，谷歌宣布将独立开发一种名为TPU的全新处理系统。该系统是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，让经过精细调优的机器学习模型就能在芯片上运行得更快。与CPU、GPU相比，TPU效率提高了15-30倍，效能提升了30-80倍。
崛起中的国产AI芯片厂商
随着“中国制造2025”、“网络强国”等重大战略的实施，中国芯片企业也在迅速发展，其实力不可小觑。
寒武纪科技
寒武纪是全球第一个成功流片并拥有成熟产品的AI芯片公司，拥有终端AI处理器IP和云端高性能AI芯片两条产品线。2016年发布的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，该产品还入选第三届世界互联网大会（乌镇）评选的十五项“世界互联网领先科技成果”。
寒武纪的团队则源自中国科学院计算技术研究所，后者是中国第一个专门从事计算机科学技术综合性研究的国立学术机构，联想、曙光等一批高技术企业就诞生自该所，目前它也是寒武纪科技的重要股东和产学研长期合作伙伴。
2017年8月，寒武纪科技完成1亿美元A轮融资，由国投创业，阿里巴巴创投、联想创投、国科投资、中科图灵、元禾原点、涌铧投资联合投资。本轮融资后，该公司跻身“独角兽”行列。
2017年的数据显示，华为已经成为中国第一大、全球第三大智能手机制造商。但华为在研发手机的同时，也在研发人工智能处理器。
2017年9月，在柏林IFA展上，华为正式对外发布了最新的麒麟970芯片，这也是华为首款人工智能（AI）芯片。该芯片首次采用台积电10nm工艺，与高通最新的骁龙835芯片是一个工艺，但集成55亿个晶体管远比高通的31亿颗、苹果A10的33亿颗多，带来的是功耗降低20%。
据了解，麒麟970在继承过去数代成果的基础上，首次集成NPU（Neural Network Processing Unit）专用硬件处理单元，创新设计了HiAI移动计算架构，其AI性能密度大幅优于CPU和GPU。
同年10月，搭载麒麟970的华为Mate 10开卖，成为目前市面上第一款搭载AI芯片的智能手机。
深鉴科技公司由四位毕业于清华大学和斯坦福大学的科技人员于2016年创立，是一家专注深度学习处理器解决方案的人工智能科技公司，致力于深度学习处理器与编译器原创技术的研发，从而让所有算法开发者都能便捷使用。
2017年10月，深鉴科技公布了其芯片计划。官方信息表示，由深鉴自主研发的芯片“听涛”、“观海”将在2018年第三季度推出，其中，“听涛”系列芯片采用台积电28纳米制程，核心使用深鉴自己的亚里士多德架构，峰值性能1.1瓦 4.1 TOPS，预计将于上半年完成产品装载。
此外，深鉴科技也公布了深度神经网络开发套件——“DNNDK”，这是一个深度学习软件开发工具包，旨在简化和加速深度学习应用程序的开发。该产品不仅极大降低DPU平台深度学习应用开发门槛和部署难度，还能够大大缩短算法部署到硬件的周期，实现AI行业产品研发过程极致提速。深鉴科技CEO姚颂说，DNNDK是国内首个深度学习开发套件，可以对标英伟达TensorRT。
由于其在AI领域的突出优势，2017年10月深鉴科技宣布完成最新一轮4000万美金融资，由蚂蚁金服、三星电子领投，招商局创投、华创资本跟投。此前，该公司分别于2016年5月和2017年5月完成了天使轮、A轮融资。
地平线机器人
2015年，前百度研究院副院长余凯创立地平线机器人，并开启了研究高难度的、基于深度神经网络算法的处理器芯片的道路。
时隔两年半，地平线机器人于日宣布推出旗下的两款嵌入式人工智能视觉芯片，分别面向智能驾驶和智能摄像头。
其中，面向智能驾驶的嵌入式人工智能视觉芯片被命名为“征程（Journey）1.0 处理器”，该芯片支持高性能的 L2 ADAS 系统；能够同时对行人、机动车、车道线、交通标示牌、红绿灯等 8 类目标进行准备的实时检测与识别。
而面向摄像头的视觉芯片被命名为“旭日（Sunrize）1.0 处理器”，它集合了地平线的深度学习算法，可广泛应用于智能安防、智慧城市等场景。
这两款处理器采用关注模型（Attention Engine）+认知模型（Cognition Engine）的数据处理流模式，可将芯片的计算速度提升10倍以上。
余凯还透露，地平线将会在 2018 年推出下一代面向自动驾驶的征程处理器。
2017年10月，地平线机器人完成了近亿美元A+轮融资，本轮融资由英特尔投资领投，嘉实投资联合投资，其他投资方包括现任股东晨兴资本、高瓴资本、双湖投资和线性资本。
据公开信息，比特大陆成立于2013年，目前在全球拥有超过1000名员工，分布在北京、台湾、北美等地区。该公司目前芯片出货量达数十亿，在全球建立了百亿次计算的数据中心。
2017年11月，比特大陆公布了该公司人工智能品牌SOPHON（“算丰”），并带来了全球首款张量加速计算芯片BM1680,以及板卡SC1/SC1+、智能视频分析服务器SS1等产品。
据悉，BM1680是一款面向深度学习应用的张量计算加速处理的专用定制芯片，适用于CNN、RNN、DNN等深度神经网络的推理预测和训练。
按照规划，比特大陆将于2018年发布第2代算丰AI芯片BM1682，计算能力将大幅提升，后续还将陆续发布第三代、第四代。汤炜伟表示，按照规划每隔9个月左右就会推出新的算丰AI芯片，而再过一两代，比特大陆有信心在深度学习推理上超过GPU的实际性能。
2017年9月，比特大陆被曝将从IDG资本、红杉资本等风投公司募得5000万美元，以提升其在主流投资者中的地位。对此，全天候科技也得到了IDG资本的确认。
Thinkforce
据Thinkforce官网信息，2017年，这家公司由芯片设计、算法软件、系统开发领域的资深专家创立，该公司立志于设计融合一流AI算法和先进制成工艺，并以此构建人工智能硬件平台，提供一站式行业应用解决方案。
2017年12月，Thinkforce宣布完成由依图科技、云锋基金、红杉资本、高瓴资本的4.5亿元A轮融资。
同时，Thinkforce还公布了其计划推出的AI芯片特点：基于业界先进的半导体制程工艺，采用自主研发的微内核ManyCore架构，能完成AI云虚拟化调度在芯片级的实现。此架构将AI云的弹性计算和调度提升一个量级，类似CPU的虚拟化给云计算的弹性调度带来成倍的成本节约。同时，该技术结合自主研发的固件和TFDL软件SDK能够实现对于各类神经网络模型的计算加速，相对于英伟达主流计算卡能实现5倍以上的功耗和成本节省。
在资本和技术的双重刺激下，中国的AI芯片业的未来将不可估量。
文/ 华尔街见闻
<span class="related-post__meta__item__text" data-v-7.11.15 文/ 兴业研究
<span class="related-post__meta__item__text" data-v-7.12.18 文/ 兴业研究
<span class="related-post__meta__item__text" data-v-7.12.18 文/ 谢亚轩
<span class="related-post__meta__item__text" data-v-7.12.18 文/ 董德志
<span class="related-post__meta__item__text" data-v-7.12.18
总篇数 <span class="text" data-v- 篇
总篇数 700 粉丝 1699摘要：今天不谈区块链，太俗！我们来挖一下各大巨头的人工智能战局图。目前来看，巨头进入AI领域的切入点不同。以百度和谷歌为例，两者技术实力较强，都是以建立AI生态和平台为蓝图；阿里和亚马逊则是将AI技术用于电
今天不谈区块链，太俗！我们来挖一下各大巨头的人工智能战局图。 目前来看，巨头进入AI领域的切入点不同。以百度和谷歌为例，两者技术实力较强，都是以建立AI生态和平台为蓝图；阿里和亚马逊则是将AI技术用于电商改造之后，借助双方云服务的优势向各方渗透；而苹果和小米是将技术融入硬件，再将各个硬件串联，从应用场景去切入…… 不过中美公司之间布局AI的差异还不止于此，美国的巨头除了谷歌这种全能型选手外，还是更专注于自身领域的AI技术研发和应用。而中国巨头在投入到自身领域之外，也通过投资和收购在其他领域去广撒网。 切入的形式不同，不过各方的目标却都是在AI时代占据制高点。那在短兵交接的前夜，各方军备竞赛战果几何？
一、从技术层入手，搭建AI云平台 众所周知，人工智能可分为基础层、技术层和应用层，基础层为算力支撑，技术层为算法平台，应用层是AI向各传统行业渗透应用。 其中技术层运转着承上启下的作用，也是目前人工智能领域最激烈的战场之一。随着科技巨头相继开源AI算法平台，AI开发技术门槛极大幅度降低，AI逐步走向大众化。 1、谷歌作为人工智能领域的领头羊之一，谷歌早在2011年就已经成立了AI部门，目前已经有100多个业务线用上了机器学习技术，包括Google搜索、Google Now、Gmail等，并向其开源Android手机系统中注入大量机器学习功能 （如用卷积神经网络开发Android手机语音识别系统、语音机器人Google Assistant）。谷歌目前产品和服务依靠主要AI 技术驱动，如谷歌使用深度学习技术改善搜索引擎、识别Android手机指令、鉴别其Google+社交网络的图像。在技术层算法云平台方面，谷歌云平台起步稍晚，相比亚马逊的AWS功能也更加有限。不过在云平台AI应用上谷歌依然投入了很大的经历。2016年初谷歌云首席科学家李飞飞发布了ML Engine、Vision AI、Video Intelligence API等基于云服务的机器学习工具，2018年初谷歌云发布了Cloud AutoML。Cloud AutoML使用learning2learn、迁移学习等先进技术，帮助ML专业技能有限的企业构建自己的高品质定制化模型。还值得一提的是谷歌开源的深度学习框架Tensorflow。2015年谷歌开源第二代深度学习系统 Tensorflow。Tensorflow可编写并编译执行机器学习算法代码，并将机器学习算法变成符号表达的各类图表，缩短重新写代码时间。TensorFlow 可模仿人类大脑工作的方式并识别出模式，被用于语音识别或照片识别等多领域。另外，通过TensorFlow编写的运算几乎不用更改就能在多种异质系统上运行。在开放源代码后，包括学生、研究员、爱好者、极客、工程师、开发者、发明家、创业者在内的任何人都能使用 Tensorflow。谷歌认为机器学习是未来新产品和新技术的一个关键部分，然而目前却缺少一个标准化的工具。通过分享 Tensorflow希望能够创造一个开放的标准，来促进交流研究想法和将机器学习算法产品化。优势：谷歌技术强，布局广，移动互联网时代平台化的成功也造就了其在AI时代平台化的布局。一向开源和开放化的价值观也让其他加入该平台的厂商有更多的信赖感。劣势：由于某些政策原因，部分地区依然是谷歌难以割舍的市场。2、亚马逊亚马逊除了是全球最大的电商平台之外，也是全球最大的公有云服务商。人工智能技术的发展基础之一是大数据，人工智能的提升，需要通过海量数据进行的不断训练、学习。在亚马逊的云端上，无疑有着海量的数据资源，可以为人工智能的训练和学习提供有力的支撑。2016年年底，在拉斯维加斯举行的亚马逊开发者大会上，亚马逊公布了一个新的人工智能平台，并带来了三款基于机器学习的工具。这三款工具分别被命名为 Amazon Rekognition、Amazon Polly 和 Amazon Lex，它们分别承担着图像识别、语音识别和聊天交互等三个方面的角色。亚马逊将人工智能平台和服务整合进入了其云服务AWS中，此类服务提供云原生的机器学习和深度学习技术来应对不同用例和需求。其中在人工智能层面主要提供：AI 服务、AI 平台以及AI 基础设施。优势：全球最大的电商平台之一的地位造就了Echo的成功，全球最大的公有云服务商的地位早就了AWS云服务的成功。劣势：亚马逊善于做单个硬件产品，在Echo之前也成功推出过kindle电子书和Fire平板，但却都没有走上平台化的道路。Echo自发售已经3年多，目前Alexa平台的推广也稍显缓慢。 3、阿里2017年底在云栖大会上，阿里云总裁胡晓明阐述了阿里巴巴在人工智能方面的布局，提出「AI for Industries」（产业AI）的理念，认为人工智能的发展要去泡沫化，下一站将是「产业AI」。阿里的打法是从应用场景入手，在有了需求的基础上构建AI解决方案。所以这两年来，阿里云相继推出了ET城市大脑、ET医疗大脑、ET工业大脑、ET环境大脑、ET航空大脑，将AI能力与大数据和云计算结合起来。以航空应用领域为例，ET航空大脑应用到首都机场后，可在50秒内刷新首都机场1700架次航班的停机位安排，廊桥停机位利用率提高10%，避免不必要的摆渡车乘坐提升旅客体验。除此以外，阿里云还将陆续推出ET教育大脑、旅游大脑、农业大脑、交通大脑、能源大脑等等，在各个产业落地AI技术。优势：阿里旗下产品用户广，数据量大，为其AI数据积累打下了基础。事实上AI技术早已植入阿里各个产品内，例如在「双十一」期间，商品推荐、客服、海报宣传、运营维护等方面均有AI技术的加持。另外阿里云服务着制造、金融、政务、交通、医疗、电信、能源等众多领域的领军企业，也为其在各行业推广ET大脑铺平了道路。劣势：虽然建立起了数据科学与技术研究院（iDST）和达摩院两家AI研究机构，但不得不说相比其他巨头阿里投入AI这条路上还是慢了些。4、腾讯腾讯在AI领域的研究主要分散到了三个机构，分别为腾讯AI Lab、优图实验室和微信AI实验室。其中优图专注于计算机视觉技术，而AI Lab和微信AI主攻机器学习、自然语言处理、语音识别和计算机视觉。腾讯在技术平台的路线上与百度相似，目前推出的腾讯AI开放平台也是将自己的AI技能开放出来，供应给开发者。不过，目前这个「开放平台」的用户案例，依然是以腾讯内部产品为主。与其他平台不同之处在于，腾讯AI开放平台除了提供AI服务之外，还与其AI加速器结合到了一起。腾讯为入驻团队提供人工智能领域的技术、导师、资金、市场等资源。优势：旗下产品受众广，数据量丰富。市值在中国互联网公司中位列第一，投资布局广泛。劣势：AI技术起步晚，目前自身技术更多还是服务内部团队。5、百度相比谷歌直接开源系统，百度则是将自己在人工智能的研究成功打包成为各个模组从而提供给开发者和创业者。日，李彦宏在百度世界大会展示百度人工智能成果——「百度大脑」以及百度智能云。智能云提供计算的基础设施和数据的获取、分析、标注能力，而百度大脑整合了机器学习、深度学习算法，再将AI对语音、图像、视频、AR/VR的感知能力和自然语言处理、知识图谱、用户画像等认知能力。简而言之，百度智能云负责数据采集，百度大脑负责算法和学习，两者结合就形成了百度AI开放平台。百度AI开放平台面向企业/机构/创业者/开发者推出的以 API 或 SDK 的形式，将人工智能的图像、语音、自然语言处理、用户画像等核心能力对外共享。优势：百度的技术实力在国内处在领先水平，也是《财富》杂志评选出「人工智能时代四巨头」中唯一入选的中国公司。「All in AI」的战略之后百度方向更加明晰。劣势：由于在移动互联网时代错失许多机遇，虽然百度技术领先，但市值却是BAT中最低的，在投资布局方面步伐可能相比AT慢些。小结：中外科技巨头在AI开放平台的布局打法均不相同，目前巨头都是将自己的研究成果以云服务的形式打包提供给需求者。不过亚马逊的服务相比其他更加全面，包括了AI 基础设施的服务；腾讯的AI开放服务则是与AI加速器结合，旨在孵化布局更多的AI项目；阿里是从应用场景入手，将AI技术与实际实际场景结合去布局生态。而谷歌在底层的战略更加全面，从推出AI云服务到Tensorflow框架，再到TPU，以更多元化的形式去构建AI生态。
二、应用层的对决主要分布在两个战场，对话式AI（智能家居）、自动驾驶 1、对话式AI对话式AI是人机交互的革新，也是AI时代的服务入口，更是构建用户智能家居生态的核心。目前各大巨头分别以对话AI平台+AI智能硬件的方法，双管齐下抢占市场。（1）谷歌 语音平台：Google Assistant 代表产品：Google Home智能家居领域将是谷歌认为在未来AI应用的一个重要市场。为此推出了智能音箱Google Home以及电视设备Chromecast。在2014年时还 以 32 亿美元的价格收购了智能家居公司Nest。构建谷歌智能家居的核心是其2016年5月推出语音智能助手Google Assistant。Google Assistant的优势在于可以跨越PC、手机、智能家居等不同平台，做到无缝链接，是谷歌AI用来链接用户的入口。为了在技术上完善Google Assistant，2016年9月时Google还收购了为开发者提供Siri式会话机器人开发工具的API.AI团队。Google Assistant同样采用开放的模式，共享给不同品牌方使用。虽然谷歌自己也推出相应的人工智能硬件，不过更多的目的在于引导。以往Android平台的成功也让其他厂商更加有信赖感。目前谷歌在智能家居领域正加速以Nest、Google Assistant为基础智能家居生态系统建设，通过一系列并购、开放平台的建立、软件硬件一体化来打造这个生态系统。不过遗憾的是，目前Google Assistant并没有中文服务，Google Home也暂时不在大陆地区销售。（2）百度 语音平台DuerOS
代表产品：渡鸦raven H百度在对话式AI方面同样采取了开放道路，主推DuerOS。DuerOS是百度度秘事业部研发的对话式人工智能系统，百度希望把语音作为入口，打造未来智能家居和万物互联的关键节点。任何厂商需要用到语音交互和语音识别，都可以轻松使用，所有场景、应用都可以围绕语音展开，用语音操控。据悉在DuerOS发布半年时间里，已新增130余家合作伙伴，落地硬件解决方案超过20个，每月新增5款以上搭载DuerOS的设备，覆盖家居、车载、移动各个场景，机顶盒、电视、冰箱、音箱、机器人、车载、手机、耳机等各类设备。但和谷歌以及其他巨头相比，百度自身在硬件方面的能力一直有所欠缺。为此在2016年时百度收购了智能音箱公司渡鸦科技，随后在年底推出渡鸦raven H智能音箱。对比：百度和谷歌的野心都是去推广语音平台，自身产品更多的在于引导作用。谷歌的优势在于有着更强的硬件实力和对于硬件厂商的话语权。不过百度的优势在于更懂国内市场以及中文语音、语义。在谷歌尚未进入中国市场之前，百度更有充分的时间去布局。（3）亚马逊 语音平台：Alexa
代表产品：Echo对话式AI助手的火热离不了亚马逊的添砖加瓦，事实上AI硬件产品商业化的第一次成功就是亚马逊完成的。2012年起亚马逊工程师开始投入到了对话式语音助手的研发中，随后逐渐演变成了Alexa。2014年，亚马逊推出了以Alexa为核心的智能音箱Echo。该产品一经推向市场，便引起了消费者的广泛青睐。借助电商平台的优势，据统计亚马逊Echo已经占据了美国人工智能语音设备70%的市场。在推出Echo的同时，亚马逊也在着力打造人工智能领域的生态圈。因此在2015 年 6 月，亚马逊宣布开放旗下的人工智能语音助手 Alexa，第三方开发者可以在 Alexa 平台上开发基于语音的 Skill（技能），而这些技能则可以通过亚马逊的 Echo 智能音箱被消费者应用于家庭生活中。不过同样遗憾的是，亚马逊Echo并未在国内发售。 （4）阿里 语音平台：AliGenie
代表产品：天猫精灵在2017年底的云栖大会上，阿里巴巴人工智能实验室发布了AliGenie语音开放平台。事实上早在2017年的7月阿里人工智能实验室发布的天猫精灵X1，搭载的便是AliGenie人机交流系统。阿里的套路和亚马逊有些类似，以低价补贴的方式迅速铺货，抢占国内第一波市场。在2017年双十一期间，天猫精灵通过降价促销当天便卖出了100万台。当然，单纯的卖音箱并非是阿里的目的。天猫精灵抢占市场的背后还是在于推广AliGenie开放平台、搭建生态系统。另外，AliGenie还推出了垂直行业智能语音解决方案，想在家居、移动硬件之外，为对话式AI开辟出新场景。对比：亚马逊和阿里都是借助电商平台的优势以爆款产品来抢占市场，单点突破之后如何布局生态目前双方道路尚未明晰。不过亚马逊Alexa的时间技术积累相比阿里而言更具优势。（5）苹果 语音平台：Siri
代表产品：HomePod苹果的Siri是最早的语音对话助手之一，但其硬件产品HomePod推出的时间相比其他厂商却晚了许多。苹果的优势在于硬件产品上的协调统一，无论在Mac、iPad、iPhone、HomePod上，Siri都能带来一站式的体验。作为最成熟的语音助手之一，Siri的智能化经过数次迭代后进一步得到提升，支持上下文的预测功能，类似此前发布的谷歌助手，用户甚至可以用Siri作为Apple TV的遥控器。并且在HomePod面世后，苹果也将进一步打造支持智能家居平台HomeKit，而且HomePod还可以作为智能家居的「大脑」来管理所有的设备。目前在苹果商城中，也已经陆续上架多款相关配件。（6）小米 语音平台：水滴
代表产品：小米音箱虽然小米的小爱同学在国内常常被人与天猫精灵进行对比，但事实上小米在对话式AI的布局上与苹果走着相似的路线。智能语音一直是小米攻克的重点，其核心是「小米智能引擎」，智能引擎能够促进用户与机器之间更加自然和智能的交互。目前，小米大脑提供的智能语音能力已经输送给手机、电视、音箱、手表等多种智能设备，覆盖了内容、工具、互动等近50个细分领域。同样小米围绕着自身硬件打造的智能家居生态让小米的语音助手有了更多用武之地。小米还推出水滴平台供开发者为小米智能硬件打造更多技能。对比：小米和苹果都是先以硬件落地，然后慢慢构建起AI生态。双方的优势都在于可以实现AI技术在硬件中的顺畅统一。不过苹果由于一贯的封闭政策，在生态系统内有着更强的把控能力，小米则是由于在智能家居品类布局更早，在品类和配件数量上更有优势。 2、无人驾驶百度的无人驾驶在国内一直独占鳌头，从李厂长上五环被查扣到春晚登上港珠澳大桥，无人驾驶的概念在国内几乎一直与百度挂钩。事实上，百度在2013年已经进入汽车人工智能领域。从2015年开始大规模投入无人车技术研发，截止2016年7月，百度已有439项技术专利，并且已在加州开源1万公里的数据。在2017年10月 ，百度与金龙客车签署战略合作协议，将于2018年实现商用级无人驾驶微循环车的小规模量产及试运营。谷歌无人驾驶汽车项目始于2009年，2011年为其收购510 Systems、Anthony’s Robots等公司。日，谷歌宣布将自动驾驶汽车项目分拆为一家单独的公司Waymo。目前无人驾驶行驶里程达180万英里，且成功发布了全球第一款完全能够自动驾驶的原型车「豆荚车」，并宣称到2020年谷歌自动车将正式上市。在无人车领域的对决中，双方也都以技术研发、投资布局、与传统车企的合作等几个方面稳步进行中，看似实力相近，杀得难分难舍。不过在最近加州发布无人车年度报告中显示谷歌Waymo在2017年继续遥遥领先。在截至2017年11月的一年期间，Waymo在加州自动驾驶里程为352,545英里，脱离仅63次。而百度美研在去年仅有4辆无人车上路测试，自动驾驶里程为1,971英里，发生脱离的次数为48次。不过相比谷歌，百度的野心似乎更大。日，百度推出无人驾驶平台Apollo，旨在向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，意欲打造无人驾驶平台的安卓。目前已经围绕Apollo与博世、大陆、一汽、长安、奇瑞、北汽、金龙等90多家企业达成了合作。从目前的形式来看，谷歌技术上比百度更具优势。但百度在搭建无人驾驶平台的道路上又比谷歌走得更远。另外，政策也是在这场无人车对决天平中的重要砝码。根据美国和中国目前的交通规则限制，无人驾驶技术目前更多还是以驾驶辅助(ADAS）的形式出现。未来哪方规则放宽，哪方就更能占据有利因素。
三、基础层——中美间专利数量接近，技术和产业化仍有差距 1、英伟达2017年英伟达股价飙涨，从108美元一路飙升至240多美元，翻了一倍有多。而英伟达股价一飞冲天的背后，正是人工智能技术不断兴盛崛起、发展壮大的缩影。早在几年前，GPU巨头英伟达已经将业务重点转向AI 领域，在云端和硬件端分别推出不同产品。如今在云方面，英伟达以Volta系列为首的GPU产品专为云服务机房打造，并且推出了cuDNN，TensorRT等软件服务完善AI生态；目前英伟达的GPU支持如TensorFlow、Caffe等所有主流的深度学习框架。在端方面，英伟达则推出了16nm的AI芯片XAVIER、自动驾驶平台DRIVE PX，并且开源了DLA深度学习加速器项目。另外英伟达也和亚马逊AWS建立了合作，为其云服务提供算力支撑。另外在无人驾驶上，英伟达也有所尝试。在最近一个季度，英伟达公布了创纪录的29.1亿美元的营收，比上年同期增长了34%。该公司的数据中心部门（其中包含AI的销售）同比增长105%，达到6.06亿美元，目前占英伟达总收入的21%。2、英特尔 在人工智能领域，英特尔的战略比较独特，其使用的案例多种多样。2016年年中，公司发布了第二代Xeon Phi 产品系列，该系列产品以高性能计算（HPC）能力著称，它可以让人工智能扩展到更加大型的服务器网络和云端。在硬件不断进步的同时，公司也下重金投资FPGA，这主要归功于其推理速度和灵活的可编程性。另外英特尔还收购了人工智能公司Nervana以及Altera。实际上，英特尔对FPGA的创新弥补了英伟达对GPU的关注，当处理大型数据库（微软等许多大公司用来测试大数据分析的边界），FPGA能够提供更加快速的推理速度。而在物联网方面，英特尔也宣布了一个计划，旨在将学习技术融入可穿戴微芯片中（显然是通过 Xeon Quark）。物联网和人工智能的结合有助于为公司和个人日常使用案例的数据搜集机制提供机器学习解决方案。3、寒武纪「寒武纪」有中科院背景，面向深度学习等人工智能关键技术进行专用芯片的研发，可用于云服务器和智能终端上的图像识别、语音识别、人脸识别等应用。寒武纪深度学习处理器采用的指令集DianNaoYu由中国科学院计算技术研究所陈云霁、陈天石课题组提出。模拟实验表明，采用DianNaoYu指令集的寒武纪深度学习处理器相对于x86指令集的CPU有两个数量级的性能提升。2016年推出的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备。2017年寒武纪还发布了三款全新的智能处理器IP产品，面向低功耗场景视觉应用的寒武纪1H8、拥有更广泛通用性和更高性能的寒武纪1H16，以及面向智能驾驶领域的寒武纪1M。另外在去年华为发布的全球首款手机AI芯片麒麟970中，其中部分技术便是寒武纪提供。 小结：在人工智能基础层芯片方面，根据乌镇全球人工智能申请专利数量，美国、中国位列前二，且数量级接近。而根据国际知名专利检索公司QUESTEL发布的《芯片行业专利分析及专利组合质量评估》报告指出：中国近10年芯片专利增长惊人，已成为芯片专利申请第一大国。中国企业在芯片专利数量上已逐步赶上国外老牌企业。 虽然数量上有了较大增长，但从技术还是产业化方面来看，跟美国都存在较大差距。目前在很多高精尖的领域中，如高速光通信接口、大规模FPGA、高速高精度ADC/DAC等主要依赖美国供应商。国外企业无论从市场还是专利数量来说，仍然在全球占据了大部分席位。
本文仅代表作者观点，不代表百度立场。本文系作者授权百度百家发表，未经许可，不得转载。
分享到微信朋友圈
打开微信，点击 “ 发现 ”
使用 “ 扫一扫 ” 即可将网页分享至朋友圈。
扫一扫在手机阅读、分享本文
百家号作者平台APP
扫码下载安卓客户端
便捷管理文章信息
随时查看文章收益