落地应用前景
云端和边缘端
作为AI算力的主要应用场景,AI芯片在云端发展需要解决算力性价比与通用性问题。算力性价比决定了人工智能应用的部署成本,而算力通用性及软件生态决定着不同算法的迁移及开发成本。
在边缘和终端这一侧,AI芯片所面临的挑战是它们会被部署在各种各样的应用环境中。即便在同一个垂直场景里,也需要考虑不同模块之间的任务负载均衡问题。
赛灵思的单羿认为,FPGA因为有灵活可编程的优势,可以根据场景的持续需求调整这些模块之间的资源占用比例,从而达到全系统最优的效果。
ADAS/自动驾驶应用场景落地
地平线瞄准自动驾驶应用场景,在ADAS/自动驾驶应用场景下,AI芯片的核心价值就是实时处理行驶道路上的人、车、物等复杂环境的感知和决策。
目前,自动驾驶芯片在架构设计、研发投入与车规级应用等方面仍处于较为前期的探索过程中,特别是国产汽车芯片的市场份额还有待提升,因此,突破本土自动驾驶芯片技术的发展壁垒,将成为促进未来中国智能汽车产业发展的关键环节。
安防
安防是目前最为明确的AI芯片应用场景,主要任务是视频结构化。摄像头终端加入AI芯片,可以实现实时响应、降低带宽压力。也可以将推理功能集成在边缘的服务器级产品中。
AI芯片要有视频处理和解码能力,主要考虑的是可处理的视频路数以及单路视频结构化的成本。
写在最后
在AI芯片狂热的背后,越来越多的关注点转移到落地,中国的AI狂欢并不会持续太久。在“老大吃肉,老二喝汤”的半导体行业,AI芯片也具有这样的属性,每个产品线最后会跑出两三家公司。不过这是未来的格局,现在的AI芯片市场,很符合一句话:让子弹先飞一会。