AI產品：Cambricon-1A

寒武紀科技成立於2016年，總部在北京，創始人是中科院計算所的陳天石、陳雲霽兄弟，近期剛剛完成了一億美元A輪融資，阿里巴巴創投、聯想創投、國科投資、中科圖靈、元禾原點、涌鏵投資聯合投資，成爲全球AI芯片領域第一個獨角獸初創公司。

寒武紀是全球第一個成功流片並擁有成熟產品的AI芯片公司，擁有終端AI處理器IP和雲端高性能AI芯片兩條產品線。2016年發佈的寒武紀1A處理器(Cambricon-1A)是世界首款商用深度學習專用處理器，面向智能手機、安防監控、無人機、可穿戴設備以及智能駕駛等各類終端設備，在運行主流智能算法時性能功耗比全面超越傳統處理器。

AI產品：BPU

AI產品：DPU

AI產品：CI1006

AI產品：Unione/IVM-M/Unitoy

AI產品：XPU

AI產品：麒麟 970 神經網絡處理器NPU

AI產品：IPU

公司成立於2014年，總部在深圳，由國家“千人計劃”特聘專家陳寧和田第鴻博士聯合創立，今年3月完成了A輪融資，投資方鬆禾資本、深投控、紅秀盈信、山水從容投資、投控東海、真格基金等。

雲天勵飛提供視覺智能芯片和解決方案，專注於人工智能領域，以新型處理器、機器學習與大數據技術爲核心。公司自主研發的處理器芯片IPU，採用了全新的面向視覺計算的處理器芯片架構，該技術將機器學習效能提升了兩個數量級。公司在在深圳搭建的區域級天眼系統，實現了全球首創的“百萬人羣、秒級定位”，還被採納爲2016年杭州G20峯會和烏鎮互聯網大會的安全系統提供服務。

AI產品：NPU

中星微在2016年6月20日率先推出中國首款嵌入式神經網絡處理器（NPU）芯片，這是全球首顆具備深度學習人工智能的嵌入式視頻採集壓縮編碼系統級芯片，取名“星光智能一號”。這款基於深度學習的芯片運用在人臉識別上，最高能達到98%的準確率，超過人眼的識別率。該NPU採用了“數據驅動”並行計算的架構，單顆NPU（28nm）能耗僅爲400mW，極大地提升了計算能力與功耗的比例。

研發“星光智能一號”耗時三年時間。中星微集團聚集了北京、廣東、天津、山西、江蘇、青島、硅谷的研發力量，採用了先進的過億門級集成電路設計技術及超亞微米芯片製造工藝，在TSMC成功實現投片量產。

目前“星光智能一號”出貨量主要集中在安防攝像領域，其中包含授權給其他安防攝像廠商部分。未來將主要向車載攝像頭、無人機航拍、機器人和工業攝像機方面進行推廣和應用。

AI產品：gxNPU

杭州國芯是一家本土的芯片公司，成立於2001年，已經有17年的歷史。最初杭州國芯主要做數字電視芯片、機頂盒芯片，產品已遍銷全球。

AI產品：Deepsouth

西井科技成立於2015年5月，是一家開發“類腦人工智能芯片+算法”的科技公司，其芯片用電路模擬神經，成品有100億規模的仿真神經元。西井用FPGA模擬神經元以實現SNN的工作方式，其產品命名爲Deepsouth，正是和IBM的truenorth成競品。由於架構特殊，這些芯片計算能力強，可用於基因測序、模擬大腦放電等醫療領域。

西井科技還有一款5000萬個神經元的商用芯片。除了自我學習外，它的傳統計算能力也極強，能將基因測序從兩週縮短到數個小時。由於體積小、功耗是同類芯片幾十分之一，其它便攜式醫療設備也可使用這款芯片。

Think Force——上海熠知電子科技有限公司成立於2017年，由來自芯片設計、算法軟件、系統開發領域的資深專家創立。公司主要設計融合一流AI算法和先進製成工藝的智能芯片，並以此構建人工智能硬件平臺，提供一站式行業應用解決方案。

據介紹，ThinkForce計劃推出的AI芯片基於業界先進的半導體制程工藝，採用自主研發的微內核ManyCore架構，能完成AI雲虛擬化調度在芯片級的實現，此架構將AI雲的彈性計算和調度提升一個量級，類似CPU的虛擬化給雲計算的彈性調度帶來成倍的成本節約。同時，該技術結合自主研發的固件和TFDL軟件SDK能夠實現對於各類神經網絡模型的計算加速，相對於Nvidia主流計算卡能實現5倍以上的功耗和成本節省。

AI產品：TPU

比特大陸成立於2013年，是一家專注於高速、低功耗定製芯片設計研發的科技公司，擁有低功耗高性能的16nm工藝集成電路的量產經驗，成功設計量產了多款ASIC定製芯片和集成系統。

在2017世界人工智能大會上重磅發佈了面向人工智能應用的專用定製芯片Sophon BM1680，深度學習加速卡SC1和SC1+以及智能視頻分析服務器SS1，正式進軍人工智能行業。

杭州中天微系統有限公司成立於2001年，總部位於杭州高新區。是一家致力於32位高性能低功耗嵌入式CPU研發，以芯片架構授權爲核心業務的IC設計公司，也是直接與阿里巴巴合作，並獲得阿里巴巴入股投資的一家國產CPU業者。是當前我國唯一基於自主指令架構研發嵌入式CPU並實現大規模量產的CPU供應商。

2015年，阿里便與杭州中天微系統有限公司進行深度合作，面向物聯網各細分領域開發雲芯片（Yun on Chip）架構。在雲端一體的框架下研製新一代CPU、SoC平臺、軟件支撐環境和操作系統，支持從芯片到雲端的全鏈路安全、低成本接入。並積極致力於打造產業生態鏈，開發面向全行業的雲芯片產品。

英偉達無疑是AI芯片市場中無可爭議的領導者。2017年，英偉達可謂是風光無限。從遊戲、數據中心到人工智能，市場對英偉達芯片的需求一路上升。

由於深度學習對計算速度的要求是“暴力”的，英偉達GPU芯片可以讓大量處理器並行運算，速度比CPU快十倍甚至幾十倍，因而成爲絕大部分人工智能研究者和開發者的必備”核彈“。

國內搞AI創業的人幾乎全在用英偉達GPU和平臺，一個小型AI創業團隊在英偉達芯片上花費幾十萬元很正常。

作爲PC時代的絕對霸主，Intel已經錯過了移動互聯網時代，在已經到來的AI時代，也失掉了先機，但它並沒有放棄，而是積極佈局，準備逆襲。在雲端，收購Altera之後推出了基於FPGA的專用深度學習加速卡，可以在雲端使用；另外，收購Nervana，目標也是在雲端。在移動端，則是收購了Movidius。下面先對Nervana進行介紹，對Movidius的介紹放在後面移動端。

2017年12月，相爭50多年的Intel和AMD宣佈將聯手推出一款結合英特爾處理器和AMD圖形單元的筆記本電腦芯片，一時間業內譁然。

芯謀研究總監王笑龍認爲：“如果Nvidia在個人電腦GPU上營收減少，那麼Nvidia在新市場的開發就會被牽制，所以Intel選擇和AMD合作。”

數據研究機構Gartner的研究主管Alan Priestley也認爲，Intel和AMD的合作將會對Nvida產生一些影響，“目前Intel和AMD聯合推出的這款芯片的應用領域也正是Nvidia GPU的應用領域。很明顯，Intel處理器已經滲入到這個領域內，並且通過新款芯片，AMD也會在這一領域內獲得立足點。”

Google在2016年宣佈獨立開發一種名爲TPU的全新的處理系統。TPU是專門爲機器學習應用而設計的專用芯片。通過降低芯片的計算精度，減少實現每個計算操作所需的晶體管數量，從而能讓芯片的每秒運行的操作個數更高，這樣經過精細調優的機器學習模型就能在芯片上運行得更快，進而更快地讓用戶得到更智能的結果。

在2016年3月打敗了李世石和2017年5月打敗了柯傑的的阿爾法狗，就是採用了谷歌的TPU系列芯片。

在智能手機芯片佔據絕對優勢的高通公司，也在人工智能方面積極佈局。據高通提供的資料顯示，其在人工智能方面已投資了Clarifai公司和中國“專注於物聯網人工智能服務”的雲知聲。

而早在2015年CES上，高通推出了一款搭載驍龍SoC的飛行機器人——Snapdragon Cargo。高通認爲在工業、農業的監測以及航拍對拍照、攝像以及視頻新需求上，公司恰好可以發揮其在計算機視覺領域的能力。此外，高通的額驍龍820芯片也被應用於VR頭盔中。事實上，高通已經在研發能在本地完成深度學習的移動設備芯片。

Nervana創立於2014年，位於聖地亞哥的初創公司Nervana Systems已經從20家不同的投資機構那裏獲得了2440萬美元資金，而其中一家是十分受人尊敬的德豐傑風險投資公司（Draper Fisher Jurvetson，DFJ）。

The Nervana Engine（將於2017年問世）是一個爲深度學習專門定做和優化的ASIC芯片。這個方案的實現得益於一項叫做High Bandwidth Memory的新型內存技術，同時擁有高容量和高速度，提供32GB的片上儲存和8TB每秒的內存訪問速度。該公司目前提供一個人工智能服務“in the cloud”，他們聲稱這是世界上最快的且目前已被金融服務機構、醫療保健提供者和政府機構所使用的服務，他們的新型芯片將會保證Nervana雲平臺在未來的幾年內仍保持最快的速度。

2016年9月，Intel發表聲明收購了Movidius。Movidius專注於研發高性能視覺處理芯片。其最新一代的Myriad2視覺處理器主要由SPARC處理器作爲主控制器，加上專門的DSP處理器和硬件加速電路來處理專門的視覺和圖像信號。這是一款以DSP架構爲基礎的視覺處理器，在視覺相關的應用領域有極高的能耗比，可以將視覺計算普及到幾乎所有的嵌入式系統中。

該芯片已被大量應用在Google 3D項目Tango手機、大疆無人機、FLIR智能紅外攝像機、海康深眸系列攝像機、華睿智能工業相機等產品中。

IBM很早以前就發佈過watson，早就投入了很多的實際應用中去。除此之外，還啓動了對類人腦芯片的研發，那就是TrueNorth。

TrueNorth是IBM參與DARPA的研究項目SyNapse的最新成果。SyNapse全稱是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自適應可塑可伸縮電子神經系統，而SyNapse正好是突觸的意思），其終極目標是開發出打破馮•諾依曼體系的硬件。

ARM剛推出全新芯片架構DynamIQ，通過這項技術，AI的性能有望在未來三到五年內提升50倍。

ARM的新CPU架構將會通過爲不同部分配置軟件的方式將多個處理核心集聚在一起，這其中包括一個專門爲AI算法設計的處理器。芯片廠商將可以爲新處理器配置最多8個核心。同時爲了能讓主流AI在自己的處理器上更好地運行，ARM還將放出一系列軟件庫。

CEVA是專注於DSP的IP供應商，擁有爲數衆多的產品線。其中，圖像和計算機視覺 DSP 產品 CEVA-XM4 是第一個支持深度學習的可編程 DSP，而其發佈的新一代型號 CEVA-XM6，具有更優的性能、更強大的計算能力，以及更低的耗能。

CEVA 指出，智能手機、汽車、安全和商業應用，如無人機、自動化將是主要目標。

Eyeriss事實上是MIT的一個項目，還不是一個公司，但是因爲獲得了大量的媒體報道，故把它單獨拿出來進行介紹。從長遠來看，如果進展順利，很可能孵化出一個新的公司。

Eyeriss是一個高效能的深度卷積神經網絡（CNN）加速器硬件，該芯片內建168 個核心，專門用來部署神經網路（neural network），效能爲一般行動GPU 的10 倍。其技術關鍵在於最小化GPU 核心和記憶體之間交換數據的頻率（此運作過程通常會消耗大量的時間與能量）：一般GPU 內的核心通常共享單一記憶體，但Eyeriss 的每個核心擁有屬於自己的記憶體。

目前，Eyeriss主要定位在人臉識別和語音識別，可應用在智能手機、穿戴式設備、機器人、自動駕駛車與其他物聯網應用裝置上。

在iPhone 8和iPhone X的發佈會上，蘋果明確表示其中所使用的A11處理器集成了一個專用於機器學習的硬件——“神經網絡引擎（Neural Engine）”，每秒運算次數最高可達6000億次。這塊芯片將能夠改進蘋果設備在處理需要人工智能的任務時的表現，比如面部識別和語音識別等。

2017年，華爲海思推出了麒麟970芯片，據知情人士透露，爲了對標華爲，三星已經研發了許多種類的人工智能芯片。三星計劃在未來三年內自家智能手機中都採用人工智能芯片，並且他們還將爲人工智能設備建立新的組件業務。三星還投資了Graphcore、深鑑科技等人工智能芯片企業。

ManyCore架構特斯拉CEO馬斯克在今年的神經信息處理系統大會上，承認特斯拉自動駕駛硬件工程副總裁 Jim Keller正在領導着一個超五十人的團隊在開發自己的AI芯片。

Jim Keller 是2016年帶了一批架構師和高管跳槽到特斯拉的，他在 AMD和蘋果期間，設計出了K7 、K8架構和A4、A5 處理器，被稱得上是天才架構師。

微軟蟄伏六年，打造出了一個迎接AI世代的芯片。那就是Project Catapult。這個FPGA 目前已支持微軟Bing，未來它們將會驅動基於深度神經網絡——以人類大腦結構爲基礎建模的人工智能——的新搜索算法，在執行這個人工智能的幾個命令時，速度比普通芯片快上幾個數量級。

2017年7月，微軟表示正在研發用於識別語音和圖像的 AI 芯片，未來將被包含在下一代 HoloLens 的全息處理單元（HPU）當中。

KnuEdge實際上並不是一個初創公司，它由NASA的前任負責人創立，已經在一個隱形模式下運營了10年。KnuEdge最近從隱形的模式中走出，並讓全世界知道他們從一個匿名的投資人獲取1億美元的投資用來開發一個新的“神經元芯片”。

KUNPATH提供基於LambaFabric的芯片技術，LambaFabric將會通過與現在市場上的GPUs、CPUs和FPGAs完全不同的架構進行神經網絡的計算。LambdaFabric本質上是爲在高要求的運算環境下向上拓展至512000臺設備而設計，機架至機架延遲時間只有400毫微秒，低功耗的256核處理器。

創立於2015年的krtkl致力於創造“一個微小的無線電腦用來創造一些完全不同的東西”。這款開拓板是基於XilinxZynq SoC，集成了ARM處置器和可編程FPGA。用戶甚至可以經過手機上的專用APP對其舉行編程，供230個用戶可用的I/O接口，應用靈巧兼容很多擴展板卡。

Barefoot Networks去年11月宣佈獲得2300萬美元C輪融資，由阿里巴巴和騰訊領投。在去年6月，Barefoot 還獲得了由谷歌和丹華資本等投資的5700萬美元融資。

Barefoot Networks開發了世界上第一個可編程芯片，這種名爲Tofino的芯片比現在市場上任何其他芯片快兩倍，以每秒6.5兆的速度處理網絡數據包。