在人工智能领域，算法的实现依赖于计算机强大的运行速度，因此芯片就显得尤为重要。目前AI芯片这个市场，已经吸引了很多玩家，无论是传统的半导体业者，还是所谓的初创企业，都开始投奔这个下一个金矿。本文为大家盘点人工智能领域的芯片厂商和他们的产品，来看看有哪些典型代表。

    英伟达

凭借具备识别、标记功能的图像处理器，在人工智能还未全面兴起之前，英伟达就先一步掌控了这一时机。在2016年，英伟达更是一连发布了多款针对深度学习的芯片，像4月份发布的一款可执行深度学习神经网络任务的Tesla P100 GPU，又比如9月份发布的基于Pascal架构的深度学习芯片Tesla P4和Tesla P40，其中，Pascal架构能助推深度学习加速65倍。

除了研发芯片，英伟达还发布了多个用于不同领域的硬件和平台，进一步扩大了自己的人工智能布局。在CES 2017上，英伟达发布的自动驾驶芯片XAVIER AICAR SUPERCOMPUTER、智能家居硬件Spot以及搭载了人工智能系统ProAI（由ZF、英伟达联合研发）的车载电脑等。据悉，ProAI系统可以通过深度学习处理来自汽车传感器和摄像头的数据，能够清晰的识别周围环境，在高清地图上精确定位，为车辆规划出一条安全的前行道路，进一步适用于高速公路自动化驾驶。

ARM

迄今为止，全球85%的智能移动设备中都采取了ARM架构，其中，超过95%的智能手机运用了ARM的处理器，在智能硬件和物联网高速发展的如今，ARM有着绝对的地位。

此外，根据其2015年Q4财报，ARM所授权的芯片主要都用在了移动计算、智能汽车、安全系统和物联网。在智能汽车领域，包括NVIDIA、高通在内都是基于ARM设计开发了面向驾驶辅助系统的超级计算机。早前，对于收购ARM一事，软银CEO孙正义就曾明确表示ARM芯片将推动人工智能走向奇点。而在收购之后，软银也对ARM早已开始的人工智能项目“Blue Sky Program”表示了极大的支持。

Intel & Nervana

在2016年11月，Intel公司发布了一个叫做Nervana的AI处理器，他们宣称会在明年年中测试这个原型。如果一切进展顺利，Nervana芯片的最终形态会在2017年底面世。这个芯片是基于Intel早前购买的一个叫做Nervana的公司。按照Intel的人所说，这家公司是地球上第一家专门为AI打造芯片的公司。

Nervana一直在努力将机器学习功能全力引入到芯片之中，是人工智能ASIC芯片供应商。得到Intel的支持后，Nervana正计划推出其针对深度学习算法的定制芯片Nervana Engine。据Nervana相关人员表示，相比GPU，Nervana Engine在训练方面可以提升10倍性能

IBM

百年巨人IBM，在很早以前就发布过wtson，现在他的人工智能机器早就投入了很多的研制和研发中去。而在去年，他也按捺不住，投入到类人脑芯片的研发，那就是TrueNorth，邮票大小、重量只有几克，但却集成了54亿个硅晶体管，内置了4096个内核，100万个“神经元”、2.56亿个“突触”，能力相当于一台超级计算机，功耗却只有65毫瓦。

TrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。这种芯片把数字处理器当作神经元，把内存作为突触，跟传统冯诺依曼结构不一样，它的内存、CPU和通信部件是完全集成在一起。因此信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与CPU之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲（动作电位），这些神经元就会同时做动作。

谷歌

谷歌的人工智能相关芯片就是TPU。也就是Tensor Processing Unit。

TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行的更快，进而更快的让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。

微软

微软蛰伏六年，打造出了一个迎接AI世代的芯片。那就是Project Catapult。这个FPGA 目前已支持微软Bing，未来它们将会驱动基于深度神经网络——以人类大脑结构为基础建模的人工智能——的新搜索算法，在执行这个人工智能的几个命令时，速度比普通芯片快上几个数量级。有了它，你的计算机屏幕只会空屏 23 毫秒而不是 4 秒。

KnuEdge

KnuEdge实际上并不是一个初创公司，它由NASA的前任负责人创立，已经在一个隐形模式下运营了10年。KnuEdge最近从隐形的模式中走出，并让全世界知道他们从一个匿名的投资人获取1亿美元的投资用来开发一个新的“神经元芯片”。

KUNPATH提供基于LambaFabric的芯片技术，LambaFabric将会通过与现在市场上的GPUs、CPUs和FPGAs完全不同的架构进行神经网络的计算。LambdaFabric本质上是为在高要求的运算环境下向上拓展至512000台设备而设计，机架至机架延迟时间只有400毫微秒，低功耗的256核处理器。

krtkl

创立于2015年的krtkl致力于创造“一个微小的无线电脑用来创造一些完全不同的东西”。这款开拓板是基于XilinxZynq SoC，集成了ARM处置器和可编程FPGA。用户甚至可以经过手机上的专用APP对其举行编程，供230个用户可用的I/O接口，应用灵巧兼容很多扩展板卡，其特征如下：选择Zynq 7010SoCchip，集成双核ARM Cortex-A9@667Mhz处置器和430K LUT的FPGA资源（可晋级为Zynq 7020@866Mhz1.3M LUT）。

这款开拓板的一大亮点是不仅支援传统的MicroUSB程序烧写，终端调试等效能，还支援手机终端操控，应用官方供的Apps，经过Wi-Fi连接开拓板，用户可以下载程序，管脚把持，管脚复用以及体系把持能效能。