新希望：2020年营收1098.25亿元，同比增长33.85%
06-18
人工智能芯片热潮再起。
近日，全球最大云服务商亚马逊AWS发布消息：首款高性能机器学习加速芯片Inferentia在Invent上发布。
腾讯领衔的AI芯片公司随源科技也于近期发布了旗下首款云端AI训练芯片随思DTU和加速卡云随T10。
2016年，人工智能技术加速向实际应用渗透，成为业界公认的人工智能落地年。
关键在于AI芯片，算力的支撑成为人工智能发展的“引擎”。
这也使得人工智能芯片市场有望快速增长。
AI芯片研发蓬勃发展。
全球最大的云服务提供商亚马逊AWS发布了旗下首款高性能机器学习加速芯片Inferentia。
作为全球最大的云服务提供商，亚马逊AWS此举颇为引人注目。
根据亚马逊公布的指标，Inferentia芯片可以提供TOPS计算能力，支持INT-8和FP-16/bfloat-16计算类型。
亚马逊还宣布了几种配备 Inferentia 芯片的服务器配置。
最高性能版本可配备16颗Inferentia芯片，从而提供高达TOPS的峰值计算能力。
事实上，关于亚马逊自研AI芯片的消息早已传出。
2017年，美国科技媒体The Information报道称，亚马逊已经开始设计定制人工智能芯片，该芯片将用于其未来开发的智能语音设备Echo上，帮助Alexa语音助手实现更快的响应速度，从而提高整体性能。
用户体验。
。
2017年，亚马逊斥资3.5亿美元收购以色列芯片制造商Annapurna Labs。
Annapurna Labs设计和开发的芯片用于数据存储设备、WiFi路由器、智能家居设备和流媒体设备。
燧原科技的产品也备受关注。
燧原科技是腾讯投资的第一家国内AI芯片公司。
成立不到一年半的时间，累计完成融资逾6.6亿元。
目前，燧原已与腾讯在通用AI应用场景项目上展开密切合作，未来将拓展至更多AI应用场景。
燧原科技CEO赵立东介绍，此次发布的燧原DTU采用了GlobalFoundries的12nm FinFET工艺。
主芯片每平方毫米搭载1亿个晶体管，实现2.5D先进三维封装。
计算能力可达20TFLOPS，最大功耗为W。
该产品将于今年第一季度上市。
同时，燧原科技发布了首个计算编程平台“语算”，可支持开源学习平台TensorFlow的开发。
新应用推动AI芯片增长。
一家大公司、一家初创公司、一家国际公司和一家国内公司。
亚马逊AWS、燧原科技相继发布AI芯片，可见目前AI芯片的火爆程度。
事实上，近年来，各方力量一直在研发AI芯片。
参与者包括传统芯片设计商、IT制造商、科技公司、互联网及初创公司等，产品涵盖CPU、GPU、FPGA、ASIC等。
安富利亚洲供应商及产品管理高级总监钟巧海指出人工智能技术正在迅速落地并渗透到实际应用中。
这是AI芯片快速发展的原因之一。
据FortuneBusinessInsights预测，2020年全球人工智能市场规模将达7000万美元，预计到2020年将增长至7亿美元。
Gartner预测，每年AI芯片市场规模约为42.7亿美元，预计2020年将增长至7亿美元。
到今年将增长至1亿美元。
人工智能的应用首先在云服务器市场展开，这也是当前AI芯片发展的重点。
但随着市场不断扩大，人工智能将向边缘、终端领域拓展。
未来，边缘计算将成为AI芯片发展最快的新领域。
对此，清华大学电子工程系教授王宇表示：“在发展过程中，AI芯片首先在云服务器市场引起关注和应用。
国际公司如谷歌的TPU、亚马逊的Inferentia、英特尔的SpringCrest，还有国内的公司比如寒武纪的MLU、百度的昆仑、华为的升腾、比特大陆的算峰等都是为了云计算而开发的。
”不过，随着边缘计算的发展，用于边缘计算的AI芯片也开始受到越来越多的关注。
备受关注。
“新的边缘支持、数据密集型应用程序和工作负载将由人工智能提供支持。
人工智能将用于分析和解释来自这些应用程序的数据，以帮助人们（在某些情况下，其他机器）实时做出关键决策。
”王宇说道。
钟桥海还表示，人工智能在物联网领域正在快速发展。
在人工智能和物联网方面，安富利开发了许多相关成功案例，例如智能制造系统、智能农业系统、智慧城市系统等。
“人工智能在云端的市场份额仍难以区分”但是，很多用户希望在自己原有的物联网系统中加入人工智能功能，另外，越来越多的企业希望自己有自己的云，自己的云可以做训练，自己的云可以做数据分析。
，这些事情他们可能不想通过公有云来做，因此可以预见，未来边缘侧的人工智能市场会越来越大。
”尽管随着架构灵活性成为焦点，前景一片光明，但AI芯片的应用也面临挑战。
钟桥海认为，人工智能的实施将面临三个挑战：第一，人工智能需要大量的训练、数据分析、识别以及大量的计算。
因此，人工智能解决方案应针对不同应用的网络和性能参数，要求不同的速度、延迟、能耗和准确性。
其次，神经网络技术需要大量的数据来训练模型。
在大量的运算中，有数十亿次乘法累加运算和数十兆字节的参数，因此需要大量的运算符、自定义数学和内存层次结构。
第三，人工智能算法更新相对较快，固定的架构存在很多风险。
一旦旧的人工智能架构出现故障，当新的架构出现时，原来固化的架构将在很大程度上立即失效。
因此，架构的灵活性成为业界需要关注的问题。
王宇提出，AI芯片设计目前面临的支点类型太多，比如TF、Pytorch、Caffe、Mxnet等，同时现有的芯片平台也有很多，比如CPU、GPU、FPGA、ASIC等这给AI芯片的设计和开发带来了巨大的挑战。
如果企业能够设计开发出中间层平台产品，向上可以支持不同类型的设计框架，向下可以支持各种芯片平台，最终服务于各类人工智能公司，那么将大大降低AI芯片设计的成本。
降低复杂性并提高工作效率。
这其中蕴藏着巨大的商机。
王宇还呼吁加强产学研结合，以技术为基本出发点，营造有利于创新发展的环境。
通过这一系列努力，我国可以充分抓住5G商用带动的新一轮边缘计算市场机遇。
封面图片来源：拍新网 更多信息请关注全球半导体观察者官网（www.dramx.com）或搜索微信公众号（全球半导体观察者）。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-21
06-18
06-18
06-18
06-17
最新文章
欧盟宣布《芯片法案》，具体内容在这里！
TrendForce：第三季度内存价格小幅上涨3-8%，移动内存或贵却卖不动
英特尔、美光CEO：解决核心短缺危机不能单靠企业和政府援助
韩企Q1收购全球30%芯片制造设备
外媒：安博凯直接投资基金有意收购封测大厂Amkor
三星发布2nm计划，晶圆代工竞争迈向新节点
南通：打造国内最大的封装测试产业化基地
韩媒：三星正在研究用于芯片生产的聚焦环新材料