1、 2018 人工智能芯片 研究报告 AMiner 研究报告第十四期 清华大学计算机系中国工程科技知识中心 2018 年 10 月 知识智能联合研究中心清华大学(计算机系)中国工程科技知识中心 知识智能联合研究中心（K&I） 2018 年 11 月 Z Contents 目录 一概述篇 1.1 AI 芯片的分类 . 2 1.2 AI 芯片发展历程 . 4 1.3 我国 AI 芯片发展情况 . 6 2.1 传统的 CPU 及其局限性 . 8 2.2 并行加速计算的 GPU. 9 2.3 半定制化的 FPGA . 10 2.4 全定制化的 ASIC . 12 2.5 类脑芯片 . 13 2.6 AI

2、 芯片技术特点比较 . 14 二技术篇 三产业篇 3 产业篇 . 16 四人物篇 4.1 学者分布及迁徙 . 24 4.2 代表性研究学者 . 25 五应用趋势篇 5 应用领域篇 . 31 六趋势篇 6 趋势篇 . 36 图 1 人工智能与深度学习 . 2 图 2 AI 芯片发展历程 . 5 图 3 传统 CPU 内部结构图（仅 ALU 为主要计算模块） . 8 图 4 CPU 及 GPU 结构对比图（引用自 NVIDIA CUDA 文档） . 9 图 5 GPU 芯片的发展阶段 . 10 图 6 FPGA 在人工智能领域的应用 . 11 图 7 Cambricon-1A（引用自官网） . 1

3、6 图 8 集成了 NPU 的神经网络处理器（引用自官网） . 17 图 9 地平线公布的 BPU 发展战略图（引用自官网） . 17 图 10 亚里士多德架构（引用自官网） . 18 图 11 CI1006 芯片（引用自官网） . 19 图 12 华为麒麟 970 神经网络处理器 NPU . 19 图 13 人工智能芯片领域研究学者全球分布 . 24 图 14 人工智能芯片领域研究学者全球分布 . 24 图 15 人工智能芯片各国人才逆顺差 . 25 图 16 AI 芯片应用领域 . 31 图 17 华为 Mate10 成像效果对比图 . 31 图 18 苹果的 Face ID . 32 图

4、 19 分解卷积可降低消耗. 36 图 20 逐层动态定点方法 . 37 图 21 五级流水线结构 . 37 表 1 人工智能专用芯片（包括类脑芯片）研发情况一览 . 12 图表目录 摘要 2010 年以来，由于大数据产业的发展，数据量呈现爆炸性增长态势，而传统的计算架构又无法支撑深度学习的大规模并行计算需求，于是研究界对 AI 芯片进行了新一轮的技术研发与应用研究。AI 芯片是人工智能时代的技术核心之一，决定了平台的基础架构和发展生态。本报告在此背景下，对人工智能芯片的发展现状进行了简单梳理，包括以下内容： 人工智能芯片人工智能芯片概念。概念。首先对人工智能芯片相关概念、技术路线以及各自特点

5、进行介绍，接着对国外、国内 AI 芯片的发展历程及现状进行梳理。 AI芯片的技术特点及局限性芯片的技术特点及局限性。对 AI 芯片的几个技术流派进行介绍。 AI芯片厂商芯片厂商介绍。介绍。对 AI 芯片领域的国内外代表性厂商进行介绍。 AI芯片领域专家介绍。芯片领域专家介绍。通过 AMiner 大数据平台对 AMiner 的人工智能芯片人才库进行数据挖掘，统计分析领域内学者分布及迁徙。同时，介绍了目前 AI 芯片领域的国内外代表性研究学者。 AI芯片芯片应用应用领域领域介绍。介绍。AI芯片已经渗透到日常生活的方方面面，本报告主要对智能手机、ADAS、CV、VR、语音交互设备、机器人等方向的应用

6、进行介绍。 AI芯片的发展芯片的发展趋势介绍趋势介绍。人工智能的发展历经波折，如今得益于大数据的供给、深度学习算法的革新以及硬件技术的提升，AI 芯片以不可阻挡的势态飞速发展。AI 芯片的算力提高、功耗降低及更合理的算法实现必然是将来的发展趋势。 报告（电子版）实时更新，获取请前往：https:/ 1 concept 概述篇 1 2 1 概述概述篇篇 人工智能（Artificial Intelligence，AI）芯片的定义：从广义上讲只要能够运行人工智能算法的芯片都叫作 AI 芯片。但是通常意义上的 AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学