机器学习一般就分为这两步：先输入大量数据，训练出网络模型；再利用此模型，推断新数据的结果（比如语音识别说了什么，面部识别此人是谁）。其中训练过程设计海量数据和深度神经网络结构，目前主流选择是适合并行运算的英伟达GPU，但这并不是最优解，谷歌为此设计出了自己的TPU芯片，阿里也有此意向；而推断环节的可用芯片更是五花八门。

从CPU到GPU，再到偏通用的FPGA芯片和针对功能定制的ASIC芯片，其针对特定AI功能的倾向逐渐加深。这意味着从通用芯片年代积累下来的技术少，壁垒低，未来可探索空间高，机会更多。

更何况，这些都只是基于冯·诺依曼架构的芯片，运算器和存储器分离，只能单纯的提升运算速度，却很难压缩数据访问消耗的时间。因此，类脑芯片的构想也逐渐出现在了学术界和产业界。

因此可以说，AI芯片几乎是一个另类的领域。不说是一片空白，但它至少很新，给了AI芯片从业者们“回到过去”重新竞争的机会。其中更有国家队的身影和为科技创新注入新活力的科创板问世，互联网已经诞生了无数的巨头独角兽，下一颗未来之星难保不会是芯片企业。

当然，赛道热领域多并不意味着谁都可以随意蹭热度。国内四大AI独角兽之一依图内部人士的看法是：算法即芯片的时代，相近的算法和应用的需求同样会导致产生相近的芯片设计。由此，也会产生竞争。

比如以人脸识别技术领先著称的依图，和以自动驾驶技术领先的特斯拉，本质上都是要有视觉识别能力，这就导致算法对AI芯片提出了相似的设计需求。“不该说今年是AI芯片爆发的一年，而是AI芯片交卷的一年，AI芯片良莠不齐的乱象即将面临考核。”上述依图内部人士表示。

五、结语

细数半导体行业，PC时代诞生了英特尔，移动互联网造就了高通和苹果，5G和人工智能时代这个全新的机会，谁又能成为霸主呢？

不管是追精度、还是设计新架构、亦或是给晶体管裹铁皮，甚至是直接追求化学物半导体（泛指各种不以硅为基础的半导体材料），芯片到底该怎么追，很难讲，但可以肯定的是，能不能成为AI时代里的Intel，跟能不能打败现在的Intel基本没有关系。

这已经是一种幸运了，中兴事件给我们敲响的警钟，余音绕梁， 5G时代AI时代我们没有理由不奋起直追。

想要中国芯，这是最好的年代。

腾讯对其发行的或与合作公司共同发行的包括但不限于产品和服务的内容及腾讯网站上的材料拥有知识产权，受法律保护。