AI芯片之于人工智能的意義，則可以理解為發動機之于汽車。人工智能這一理論已經提出了多年，但是由于實現它需要的計算量實在太大，這輛“跑車”一直沒有配備上合適的“發動機”，只能放在倉庫積灰。直到AI算法和大數據時代的到來、以及AI芯片的出現。

第三波AI浪潮的發展主要由深度學習技術的突破引領，而英偉達（Nvidia）憑借其通用的GPU單元，專門的TensorRT加速器，強勁的矩陣運算性能加上對其他算法的兼顧，英偉達不僅能用GPU滿足AI構建的訓練需求，還能用TeslaRT用來部署，很好實現AI構建，所以英偉達也率先成了這一波AI熱潮的最大受益者。

給機器人“造腦”，英偉達發布全新AI芯片Jetson Xavier

近日，英偉達正式發布了一款全新AI芯片—JetsonXavier，Jetson Xavier作NVIDIA Isaac平臺的核心，是全球首款專為機器人設計的計算機。該公司CEO黃仁勛在周一的新聞發布會上表示：“這臺小電腦，將成為未來機器人的大腦”。

JetsonXavier包含了六顆處理器，包括1個Volta Tensor Core GPU、1個8核ARM64 CPU、2個NVDLA深度學習加速器、1個圖像處理器、1個視覺處理器和1個視頻處理器，每秒可執行30萬億次操作。為了打造它，Nvidia足足耗費了五年的時間——三年設計、兩年筑造，共有超過8000人參與了設計與開發，可以說這是Nvidia單獨做過的最長的一個處理器項目。它的處理能力與配備了10萬美元GPU的工作站大致相同，但功率僅為30瓦。

簡而言之，就是Nvidia成功地將1000瓦性能的10萬美元級工作站，縮小到了30瓦的‘掌中寶’的程度。

NVIDIA為Jetson Xavier的模擬、訓練、驗證和部署提供了一個工具箱。該機器人軟件包含Isaac SDK、Isaac IMX、Isaac Sim三方面內容：

Isaac SDK：一套API和工具，可借助全面加速的庫，開發機器人算法軟件及運行時框架。

Isaac IMX：Isaac智能機器加速應用，是NVIDIA開發的機器人算法軟件的集合。

當前Nvidia的技術，已經被一些企業用于自主倉庫機器人、機器采摘和農業機器人。不過黃仁勛表示，JetsonXavier要比之前的AI芯片要強大20倍。

Isaac Sim：高度逼真的虛擬仿真環境，可供開發者訓練自主機器，并使用Jetson Xavier進行硬件在環測試。

提早轉型，英偉達開啟人工智能之路

作為一家圖像處理芯片公司，Nvidia約在7年前就已經開始轉型布局人工智能。當時人工智能概念還未興起，AI仍是一片藍海。經過持續多年的研發，公司在近年來陸續推出人工智能芯片、系統、軟件和服務，打造世界頂級人工智能公司。

2009年 英偉達Tegra進入奧迪汽車

德國大眾為旗下的奧迪汽車引入新式導航系統，并首次采用NVIDIATegra片上系統處理器。相比于2009年初的多媒體交互系統(MMI)，新的Tegra核心導航系統自然要更加高級，不但功能上更強大，效果也應該更酷一些。

在后來的GTC 2014大會上，奧迪自動駕駛汽車再次展示了基于Tegra K1開發套件的車載智能系統，可提供自動駕駛、導航、碰撞感應、智能鏈接等功能。

2013年11月 IBM和英偉達聯合開發超級計算機

IBM與芯片廠商英偉達Nvidia達成戰略合作，共同設計開發新型超級計算機系統和服務器。英偉達開發的圖形處理單元芯片(GPU)，很好適用于浮點計算，表現勝于英特爾的傳統CPU Xeon和AMD的Opteron。排名第二位的“泰坦”也搭載了GPU。

根據IBM和英偉達合作內容，雙方在芯片方面就行合作，通過技術共享，讓英偉達的Tesla GPU更好與前者的Power 8芯片協同工作。

早期的Tesla車型曾使用過Tegra 2，但處理能力遠遠不夠，所以后來升級到了Tegra 3。特斯拉Model S電動車的車載娛樂系統也是基于Tegra 3設計。Nvidia基于在圖形處理方面長期積累與CUDA架構，和特斯拉建立密切的合作。而特斯拉為Nvidia在高度智能化的汽車上的布局上起到助推作用。

2014年早期特斯拉ModelS搭載英偉達Tegra 3

Nvidia不僅在硬件上有布局，同時已經滲透到了軟件層面。Nvidia將一輛Jeep進行深度改裝，但改的不是發動機、輪轂或包圍，而是中控系統。改裝后的Jeep采用3D打印制造出的中控臺，搭配一個17英寸的電容屏。屏幕劃分為3個區域，上中下分貝顯示地圖、娛樂信息以及HVAC（比如空調控制）。配合Tegra K1，Nvidia直接切入到了車輛的CAN總線中，實現了對整個車輛的控制。

2014年初，世界上采用NVIDIA處理器的汽車已經超過450萬輛，涉及20多個品牌、100多款車型，其中包括奧迪、寶馬、大眾等車企巨頭，也包括特斯拉這種車界新貴。2015年，Tegra芯片在汽車領域發展加快，在道路上跑的汽車有超過800萬輛搭載Tegra芯片。2015年第三季度Nvidia在汽車領域的業務銷量增長了51%。

2015年12月 Facebook開源BigSur

Facebook研發代號為“BigSur”的新一代硬件的設計目標是訓練神經網絡。除人工智能外，這一技術還經常被稱作機器或深度學習。Facebook與Nvidia進行合作，是第一家采用英偉達TeslaM40GPU加速器的廠商。M40GPU面向深度神經網絡，是BigSur平臺和OpenRack兼容硬件的關鍵。

采用M40的BigSur平臺的速度是該Facebook上一代產品的2倍，使得訓練規模相當于原來2倍的神經網絡的速度提高1倍。BigSur是第一款針對機器學習、人工智能研究開發的開放源代碼計算系統，Facebook將把設計材料提交給開放計算項目。

2016年 新款特斯拉model S采用Tegrak1

2016年新款狀態顯示器分辨率升級，從過去的1280x480 升級到1920x720，因此副處理器也從Tegra 2升級為Tegra 3，主處理器從Tegra 3升級到了Tegra k1 從而更好地支持自動輔助駕駛功能。

Tesla P40、Tesla P4高性能計算卡

2016年9月，NVIDIA發布新一代高性能計算卡Tesla P40、Tesla P4，它們倆將取代上代麥克斯韋架構的Tesla M40/M4，進化到最新的帕斯卡架構，擁有16nm工藝。這兩款計算卡主要負責圖像、文字和語音識別，專為人工智能、深度學習、神經網絡推演而生。

Tesla P4及P40特別針對推論設計，使用經訓練的深度神經網絡識別語音、影像及文字以回應使用者和裝置要求。Pascal架構GPU具備以8位(INT8)運算為主的專門推論指令，提供比CPU快45倍的反應速度，與不到一年前推出的GPU解決方案相比則提升了4倍。

深度學習超級計算機NVIDIADGX-1

深度學習最苛刻的部分是訓練。NVIDIA專為深度學習設計的PASCAL架構，助推深度學習加速高達65倍，并且能夠支持每個主要的深度學習框架。在此架構基礎上，NVIDIA創造了專為GPU深度學習所設計的超級計算機DGX1。

NVIDIA的DGX-1基于Tesla P100加速卡(研發費用高達20億美元）是世界上首款專為深度學習而打造的系統，具備全面集成的硬件和軟件，可以輕松快速地完成部署。NVIDIADGX-1革命性的性能可大幅加快訓練速度，成為世界上首款體積小性能強（單機箱）的深度學習超級計算機。

協同駕駛AI Co-Pilot

XAVIER已經被英偉達安裝在一輛基于林肯MKC所打造的自動駕駛測試車BB8上，另外，英偉達還將在自動駕駛領域同奧迪展開合作，其全自動駕駛汽車預計將在2020年上路。

AI Co-Pilot（人工智能協同駕駛）系統該系統具有人臉識別、頭部追蹤、視線追蹤等功能，能在行車中輔助駕駛者，提高駕駛安全性與便利性。AI Co-Pilot還能在復雜的噪聲環境中通過讀唇獲知駕駛者的需求，準確率已達93.4%。

英偉達的優勢真的是無人能擋嗎？

英偉達上周發布的第一季財報再次超出業界預期，財報顯示這一季度總收入增長了66%，其中數據中心業務營收增長71%達到7.01億美元。英偉達的數據中心業務包含HPC（高性能計算）、數據中心GPU以及AI加速器即使相比過去幾年2-3倍的增長率要少很多，但極具潛力的AI芯片市場空間依舊吸引了眾多巨頭和創業者的參與。

不過英偉達現在具有優勢并不意味著AI市場的蛋糕會被英偉達獨吞，無論是科技巨頭英特爾、谷歌、IBM、AMD還是OURS、地平線、寒武紀等初創企業都紛紛加入了AI芯片領域的競爭。

英特爾這幾年也是卯足了勁入軍AI市場，英特爾的All in AI實力也是不容小覷。除了鞏固資深的優勢產品以外，還進行了一系列的收購以增強自己的能力。英特爾針對已有的優勢產品XeonPhi加速計算卡、收購的Altera FPGA、 Nervana System幾大產品線進行深度學習的優化，從AI構建的訓練和部署都能夠看出這均與英偉達形成競爭，在自動駕駛應用場景中也通過收購Mobileye與英偉達形成強競爭關系。同時還基于FPGA打造自己在AI領域的特色，對人工智能初創芯片企業的持續投資也有助于英特爾在AI芯片領域實現后來居上。

除了英特爾All In AI全面叫板英偉達，眾多初創公司也會成為挑戰英偉達不可忽視的對手。

以2017年由兩位華人在美國硅谷創立的OURS為代表，OURS以低功耗端計算AI芯片為核心技術，目標是解決工業/商業、機器人、汽車自動駕駛、安防等領域的3D機器視覺和多傳感器融合的問題。OURS的核心技術之一就是硅光技術，這一技術很適合于計算機內部和多核之間的大規模通信，其最大的優勢在于擁有相當高的傳輸速率，可使處理器內核之間的數據傳輸速度比目前快 100 倍甚至更高。OURS 采用的是以數據為中心的RISC-V 計算機指令集架構，這也是OURS的另一大核心優勢。

寒武紀近日也發布了一款云端智能芯片Cambricon MLU100，詞云端芯片也延續了寒武紀產品通用性的特點，支持各類深度學習和經典機器學習算法，滿足視覺、語音、自然語言處理、經典數據挖掘等領域復雜場景下（如大數據量、多任務、多模態、低延時、高通量）的云端智能處理需求。

不只是硬件，寒武紀還努力實現軟硬件的協同工作，寒武紀從 2016 年起逐步推出了寒武紀 NeuWare 軟件工具鏈，該平臺終端和云端產品均支持，可以實現對 tensorflow、caffe 和 mxnet 的 API 兼容，同時提供寒武紀專門的高性庫，可以方便地進行智能應用的開發，遷移和調優。

小結

AI芯片全球起步時間幾乎同步，此時，人工智能領域尚未出現“獨步天下”的國際巨頭。但是也要警惕“全民造芯”虛火，目前還沒有出現像CPU（中央處理器）一樣的AI通用算法芯片，AI的殺手級應用還沒出現，未來這個產業還有很長一段路要走。