目前，寒武纪已经拿下华为麒麟970芯片合作订单——将其人工智能芯片的设计专利植入麒麟970芯片，为华为的新型旗舰手机加速。而根据业内人士的估计，该款芯片的出货量将达到3000万片。
另一派创业公司的目标则是瞄准了形形色色应用场景的专用型芯片，包括面向智能驾驶领域推出AI芯片的地平线，主打安防场景机器视觉应用的深鉴科技，以及在自家语音领域研制芯片的云知声等。
它们认为，未来不会是一颗芯片打天下，必须按照需求设计相应的芯片，通过软硬件的深度结合，提高算力效率。而随着AI应用的深入，诸如边缘计算和终端计算力需求的出现，让人们在选择计算平台时有了更多考虑。
不过无论哪种方向的创业公司，他们看起来都不太畏惧以英伟达为代表的芯片传统巨头带来的威胁。目前的AI芯片主要针对神经网络和深度学习算法定制，所以芯片的硬件设计上比传统的CPU和GPU要简单，并非高不可攀。
而软件重要性的提升则是另一个原因。由于AI人才存在断层，客户对于AI芯片的要求往往不是芯片本身，而是包括了芯片在内的全套解决方案。幸运的是，在国内AI芯片创业团队中，大多数负责人都是人工智能研究型学者或偏算法型人才。
所以客观来说，中国创业公司弯道超车的概率很大。
英伟达股价下跌带来启示：他们不买AI的账了
话题回到英伟达，在昨天公布了QuadroGV100 GPU和DGX-2超级计算机，以及最新在AI计算和自动驾驶上的进展之后，英伟达股价直降7.5%。而国外科技媒体的评论中最多的观点则是，没看到全新20系列高性能显卡，对英伟达很失望。
人们已经不买英伟达的账了？显然不是，失望大代表着期望大，人们依然相信英伟达的能力，他们只是不买AI概念的账了。
一直以来，AI芯片的定义都很模糊。广义上来讲，性能是评判的唯一标准，只要支持主流算法，尤其是以深度学习为代表的算法的芯片就可以称作AI芯片，GPU就是其中的典型代表，一些性能不错的CPU和DSP（数字信号处理芯片）也可算入其中。
但如果严格来说，AI芯片要围绕深度学习或者人工智能算法，对这颗芯片内部的架构和计算、存储单元进行专门设计。
崛起的GPU可以看做是一个中间产物，尽管不是为了人工智能而特意设计，但它的并行计算结构在一定程度上贴合了深度学习算法的计算要求。因此，当全球高校和大公司实验室进行深度学习算法的研究时，GPU成为了他们的首选并进一步延伸到了产业当中。
不过产业和实验室有着一道巨大的鸿沟，成本。深鉴科技创始人姚颂曾算过一笔账，谷歌如果有1000万台服务器，每年一台的运行费用是1万美元，哪怕运营节省10%，100亿美元就能省出来。而为深度学习，或者更加贴近应用层的计算机视觉和语音技术专门设计的芯片，显然在计算功耗比上要更具优势。
归根结底，企业的出路还在于创新。
当“人工智能”还是创新的代名词时，拥有GPU的英伟达也拥有着耀眼的成绩；而当人工智能光环褪去，逐步落地产业，英伟达的故事很难就这么平淡地继续讲下去。
同理也适用于国内AI芯片公司，目前AI芯片领域还存在大量的创新空间。由于还不存在适应所以应用的“通用”人工智能算法，因此AI芯片也就没有确定的架构，新架构的出现必然将是一次巨大的商业机会；而在各个细分领域，当AI技术进入了应用落地阶段，对成本和功耗的要求，也是推动各类垂直应用AI芯片的迭代的重要因素。
目前的AI芯片领域的竞争更像是一场没有标定终点的赛跑，没有人知道未来会发生什么，唯一能做的就是跑得更快，让后面人看不见你。
