图片起原 @视觉中国
文｜赵赛坡
某种意义上说，曩昔 50 年半导体行业的成长成为人类较量革命的燃料起原。
从概念上看，半导体又被懂得为芯片，是一种高度小型化的电子产物，它能够非常快速地完成大量数学运算，行使这种较量能够在实际物理世界里完成方针。
简而言之，芯片是为我们的电子设备的大脑。它们匡助较量机和其他机械评估替代品，为德律、较量机、汽车、飞机、互联网供应较量能力。
半导体是在硅晶片上制造的非常复杂的物体。 这些晶圆的制造非常昂贵，前期投资需要数十亿美元。人类社会曩昔 60 多年的伟大手艺事业之一，就是络续缩小芯片尺寸并络续提拔较量机能，也就是我们常说的「摩尔定律」。
在这个行业，可以生产制造半导体的公司屈指可数，并且因为手艺复杂，导致建造半导体工场的成本直线上升，这也让半导体行业形成奇特的贸易模型，在整个链条上只有两类公司：一类是芯片设计公司，如英特尔，另一类则是芯片设计公司和芯片代工公司，或许晶圆代工公司，下图是 2018 年上半年全球十大代工场。
不管摩尔定律是否失效，半导体行业依然在成长中，在通往 7 纳米制程的道路上，今朝只有台积电、英特尔和三星，当然，英特尔今朝也遭遇相当多的难题，这也意味着，从 PC 到互联网，再到智妙手机，跟着对较量机能要求的络续提拔，整个半导体行业的集中化趋势，已经根基成定局。
从财富的角度去看，现在的半导体行业越来越像汽车行业，并购整合正在加快，尽管 2018 年博通收购高通、高通收购恩智浦都宣告失败，但财富成长的趋势弗成避免，只有充沛的垄断才能形成更大的议价权，将来三到五年，新的并购整合还将持续。
一
这两年来，一股半导体行业的「反潮水」起头显现：自研芯片。
智妙手机范畴，苹果在 2008 年默默收购了芯片制造商 P.A. Semi 公司，并在两年后推出自研的第一代芯片 A4 处理器，这款处理器很快成为 iPhone、iPad 的标配产物，随后，苹果又在 Apple Watch、Apple TV 等产物里到场自立研发的处理器。此外，凭据有名苹果剖析师郭明錤透露的新闻，2020 年之后，苹果将在 Mac 系列电脑里集成本身的芯片。
而 Google，则一向在推进数据中心的芯片研发。截止到 2018 年 11 月，Google 已经推出了三代 Tensor Process Unit（以下简称为 TPU），这些产物对准的是日益强烈的机械进修需求，从而也增加了 Google 在云端办事上的特定能力。
上述现象与半导体行业刚起步时非常相似，其时，所有的公司都在内部研发、制造芯片，跟着企业研发成本的上升，有的企业起头将芯片设计、生产分隔，或许直接外包给第三方公司，如许的分工协作也大大降低了成本。
但如今，越来越多的公司成为到场到「反潮水」的大军里，苹果、Google 除外，亚马逊、微软以及华为、阿里巴巴，都在暗自进行芯片的研发。
二
而人工智能，也正在给半导体行业带来新的厘革时机。
从最根基的角度去懂得人工智能，或许正确说机械进修，它更像是一种高级的软件形态，这个软件上能够进行大量专业数学较量。以深度神经收集来说，它是一种非常复杂的「投票」算法，经由对各个变量的权重进行复杂的较量，来实现决议。
机械进修或深度进修的过程，就是一次次的较量过程，若何才能提拔较量速度呢？当然是让较量并行化，这种需求也和图像较量非常相似，尽管道理纷歧定沟通，但事实也切实证实了，将图像较量的处理器 GPU 放在机械进修之中，结果非常好，由此也培养了曩昔四年英伟达的「事业」。
但行业内除了英伟达之外，没有人甘愿看到只有 GPU 适合机械进修，从传统芯片企业英特尔到互联网巨头 Google、Facebook、亚马逊，都有着本身的考量。
而若是从 AI 芯片的功能层面来看，人工智能芯片首要有两个方面的需求：练习和推理。这两个需求互相关联，组成了人工智能芯片的完整流程。
先说练习，当海量被标注的数据被收集到数据中心，工程师们就要起头「练习」数据，简而言之，就是在海量的数据中寻找可用的模型。
而推理，则是将模型回响出究竟呈现出来，我们经常说所谓「机械决议」，也就是说，当用户输入一个不太明确的指令后，机械可以给出一个看似合理的谜底。
上面的两段话有点复杂，不妨来看两个案例，若是你在手机上用过 Google Photo，你会发现这个产物不光会让你照片备份起来，还会供应一系列有趣的功能，如下图所示，你能够看到「往年今日」的介绍、以及能够直接用天然说话搜刮图片。
要实现 Google Photo 的上述功能，你需要将数据，也就是照片先上传到 Google 办事器，经由一段时间之后才能看到上图的介绍，这是因为，Google 的数据练习都是在云端，而推理的究竟则需要收集的支撑才能呈现出来，换句话说，你需要联网才能使用。
苹果的做轨则完全分歧。基于苹果自立研发的芯片以及神经收集处理引擎，今朝 iPhone、iPad 都能够实现内陆的 AI 较量，同样是照片数据的练习和推理，苹果将所有的过程都放在内陆设备，如下图所示，你会看到也是雷同的照片介绍、天然说话搜刮等功能。
事实上，我们很难直接判断哪种体式跟好，只能说，每一种体式都有着必然的使用局限，好比在主动驾驶汽车上，人工智能芯片的处理过程必需放在内陆，只有如许，才能避免与云端交流数据的延时，也能避免车祸的发生。
从上述角度出发，AI 芯片范畴有三类大市场：数据中心练习、数据中心推理、设备 / 边缘推理。
若是说曩昔的芯片行业像极了汽车行业，导致没有后来者、创业者的机会，那么在 AI 芯片开创的三个范畴里，却供应了充沛多的想象空间，也让资源市场看到了或者性，下图还仅仅是截止到 2017 年的数据。
三
若是从 AI 芯片的三个大市场的角度去看将来的机会。
首先，数据中心 AI 芯片市场的竞争会非常激烈，一方面，CPU 不会随意退出市场，另一方面，数据中心所有者都是全球云较量巨头，包罗亚马逊、Google、微软、阿里巴巴，他们对于 AI 芯片的需求当然非常强烈，但正如上文所言，他们正在自立研发本身的芯片，固然这不代表这些公司不会采购第三方芯片，却也显现出这个市场的特别性。
其次，设备推理市场固然规模伟大，但却有着非常细分的范畴，好比设备形态分歧，导致应用场景、能耗的区别非常大，手机的推理能力与汽车显然是分歧的，这也导致这个市场最终会非常零乱，当然，巨头、创业公司都有机会在这个范畴获得一席之地。
当然，与传统半导体行业雷同，AI 芯片最终的走向依然会是寡头化，。
