AI芯片企业开始走差异化，架构创新将如何演进？

shuszhao · 发表于 2019-3-15 21:33:21

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区

您需要登录才可以下载或查看，没有账号？立即注册

×

AI芯片的架构创新将如何演进？AI芯片产业有哪些生态构建和产业落地新趋势？巨头间的生态之争是否会催化芯片产业格局洗牌，初创企业又有哪些突围的机会？
日前，NVIDIA宣布与以色列芯片商Mellanox达成协议，将以69亿美元现金将其收购。NVIDIA创始人兼CEO黄仁勋表示，很高兴能将NVIDIA的加速计算平台与Mellanox加速平台结合，创建下一代数据中心规模的计算解决方案。

这一巨额交易仅仅是2019年AI芯片领域的典型事件之一，在刚刚过去的2018年，国内外产业玩家们共同推动着AI芯片的车轮向前滚动。

7nm芯片还未全面铺开，5nm冲锋的号角已经吹响，在AI强势侵入并颠覆各个传统领域的同时，AI芯片的架构创新持续发酵。AI芯片正在云计算、手机、安防监控、智能家居、自动驾驶五大场景上演新的群雄争霸赛。

惊雷接连炸响，这厢阿里百度打响云端AI芯片头炮，那厢华为云AI芯片已经落地应用于数据中心，再加上亚马逊、Facebook等海外巨头加入造芯战场，我们很快将见证一场全球几大数据中心的最强云端AI芯片的较量。

终端AI芯片战场的格局更为复杂，既有顶级玩家的互搏，也有各类跨界玩家纷纷涌入。软硬协同似乎成为终端AI芯片玩家们的主流选择。跨界玩家们的造芯方案不尽相同，有找芯片老炮合作，有的自己组队硬抗。同样，愈炒愈热的终端AI芯片也将迎来落地潮。

在这2019年的起点，智东西从与产业链从业者们的多次交流中，总结出AI芯片产业的核心脉络走向集中在五大战事，这五大战事将决定AI芯片的技术发展方向和产业玩家新格局。

一、核心技术战：5nm最早明年见，芯片制造亟待国产化
一切不谈制造技术、装备和材料的AI芯片都是纸老虎。随着摩尔定律门槛变高，芯片制造逐渐走到瓶颈期，对包括AI芯片在内的整个半导体行业造成一定的约束。

芯片产业通常分为设计、制造、封测三大流程，中国在设计和封测方面水平尚可，但在制造方面仍被国际先进水平全面压制。

1、制程工艺：7nm走向普及期，5nm冲锋号角已吹响
芯片制程是用来描述晶体管栅极宽度大小，制程越小，同一面积的芯片就能容纳更多晶体管，性能也就更强。根据摩尔定律，集成电路可容纳的元器件数每隔18-24个月便会增加一倍，性能也将提升一倍。

制程工艺的升级在“流量”巨头们的AI芯片中表现的相当明显。以苹果、华为、高通三大手机AI芯片领跑者为例，在过去两年，他们的AI芯片分别推出了两代，采用的制程工艺也从台积电10nm升级到了7nm。

台积电CEO魏哲家曾透露，到2018年底有超过50个产品完成7nm设计定案，其中AI芯片和矿机芯片占据大部分产能。

001ednc20190314.jpg

在云端，中国的华为的昇腾910、寒武纪1M系列，美国的赛灵思AI芯片新品Versal系列、AMD新一代GPU、Wave Computing第二代数据流处理器DPU、Esperanto机器学习芯片等均采用7nm制程工艺。

2019年，一大批7nm芯片产品将分别在云端和边缘展开新的较量，而常年称霸芯片代工领域老大的台积电显然是这一制程的主导者。

在去年8月，而全球第二大代工厂格罗方德和第三大代工厂联电均止步于7nm，格罗方德将无限期地暂停7nm芯片工艺的开发，联电则宣布不再投资12nm一下的先进芯片制程。还在跟台积电正面较劲的玩家只剩下英特尔和三星。

002ednc20190314

随着芯片制程的逐渐逼近物理极限，摩尔定律的维持和延续变得更加困难，工艺成本在滚雪球似的攀升。华为研发人员曾告诉智东西，华为和台积电合作开发3年、耗资3亿美元才造出7nm芯片。

三星电子在去年10月宣布通过了8nm LPP工艺验证，这一制程将应用于计划在今年年初量产的旗舰手机芯片Exynos 9820上。英特尔的10nm更是姗姗来迟，一系列英特尔10nm芯片产品预计将在今年组团落地。

而中国内地被寄予厚望的中芯国际，虽然在今年年初迎来14nm工艺良品率达95%和即将量产的喜讯，但随后不久又被曝延期到今年下半年量产。中芯国际和上述几家公司的差异仍然相对明显。

在这场需要押下巨额人力与财力的豪赌中，财大气粗的台积电再度领先吹响5nm冲锋的号角，开设了新的5nm晶圆18厂，为5nm砸下250亿美元，并计划在今年Q2进行5nm芯片制程的风险试产，2020年投入量产。

据说明年问世的苹果A14芯片和华为麒麟990芯片，都已经预定了台积电5nm制程工艺。

2、设备：5nm设备工具基本就绪，中国光刻机短板明显
制程工艺升级越来越难，芯片制造的设备提供商们也要担一定责任。

芯片制造包括光刻、刻蚀、离子注入等诸多环节，光刻又是其中最复杂、最关键、最耗时、成本最高的工艺步骤，直接决定芯片的制程水平和性能水平。

目前最新高端光刻工艺叫EUV（Extreme Ultraviolet Lithography，极紫外光刻）。稳居全球光刻机设备厂商龙头的荷兰ASML在这一产品上跳票十几年，业内老二尼康和老三佳能纷纷放弃研发，直到2016年，ASML才终于把EUV光刻机造出来。

003ednc20190314.png

ASML在前年出货11台EUV光刻机，在去年出货了18台，这些光刻机被台积电、三星等厂商一抢而空，据说中芯国际也首次向ASML订购了一台价格超过1亿美金的7nm工艺EUV光刻机，预计今年上半年到货。

相比之下，我国最先进的设备为上海微电子光刻机，最高工艺制程为90nm。

去年11月，中国科技界地震，国家重大科研装备研制项目“超分辨光刻装备研制”通过验收，这是我国成功研制出的世界第一台分辨力最高紫外超分辨光刻装备，在365nm波长光源下，单次曝光最高线宽分辨力可达到22nm。

不过遗憾的是，据业内人士透露，这一设备虽然达到国内领先水准，但在国际上依然排不上名次，可以做简单的线、点、光栅部件，但无法胜任复杂的集成电路制造。

还好在刻蚀机领域，我国发展的相对顺利。去年12月，中微半导体的5nm等离子体刻蚀机也宣布通过台积电验证，将用于全球首条5nm制程生产线。

全球几家EDA巨头也分别推出5nm芯片设计工具，比如新思科技在去年10月宣布其数字和定制设计平台通过了台积电的5nm EUV工艺技术认证，Cadence也同多家合作伙伴展开对7nm、5nm以及3nm芯片制程工艺的研究。另外，ARM基于5nm技术的海神Poseidon将在2021年推出。

3、材料：高端光刻胶国产化刻不容缓
同样，芯片制造的材料提供商也有逃不开的“锅”。电子领域微细图形加工关键材料之一“光刻胶”，长期以来一直被国际企业垄断。

随着现代电子电路越发向细小化集成化方向发展，光刻胶针对不同的线宽要求分化为pcb光刻胶、面板光刻胶、半导体光刻胶等几种不同的配方。

半导体用光刻胶需要不断通过缩短曝光波长提高极限分辨率，从而达到集成电路更高密度的集积。

半导体光刻胶是光刻胶产品系列中技术难度最高的，也是国产与国际先进水平差距最大的一类。此类光刻胶的核心技术基本集中在日本和美国企业手中。

004ednc20190314.jpg

▲不同尺寸晶圆制造中主要的光刻胶类型

根据国际半导体协会（SEMI）所发布的近两年全球晶圆厂预测报告显示，2017 年到 2020 年的四年间，大陆成为全球新建投资最大的地区，预计将有 26 座新晶圆厂投产。中国晶圆制造厂正迎来从6 英寸到 8 英寸再向到12英寸的高速发展期，但适用于这三类尺寸硅片的光刻胶自给率严重不足。

对于中国来说，高端光刻胶国产化已经刻不容缓。

二、架构创新战：旧架构翻新玩法，新架构百花齐放
人类从未停止探索的脚步，感受到站在峰顶的愉悦，便会渴望征服更高的山巅，算法的升级促使人们迫切需要性能更强的芯片，架构创新成为必经之路。

从技术架构来看，AI芯片主要分为通用芯片（CPU、GPU）、半定制化芯片（FPGA）、全定制化芯片（ASIC）、类脑芯片以及软件定义硬件芯片五大类。

1、通用芯片算力受限，异构计算应运而生
由于CPU计算单元较少，CPU属于控场能力强但重复劳动能力弱的架构，面对大量数据处理，它需要一个协处理器来分工协作，“CPU+协处理器”的异构计算方式应运而生。

GPU和CPU同属通用处理器，但GPU擅长重复性高的大规模并行计算任务。英伟达和AMD均采用基于GPU的加速方案，尤其是英伟达，因其成熟高效的GPU解决方案，在AI训练芯片市场独领风骚。

GPU的优势在于通用性和高性能，然而它的高功耗问题难以解决。与此同时，FPGA（Field Programmable Gate Array，可编辑门阵列）因其可编程性和优于通用芯片的速度功耗，在去年展露头角。

005ednc20190314.jpeg

全球两大FPGA巨头赛灵思和英特尔均在2018年大秀肌肉。英特尔大力推进“至强处理器+FPGA”的方案，解决从边缘、网络到云端出现的复杂问题。

赛灵思去年更是高调，推出具备出色灵活性的全新AI芯片架构ACAP（Adaptive Compute Acceleration Platform，自适应计算加速平台），而且将中国FPGA明星创企深鉴科技收入麾下。

006ednc20190314.jpg

全球多家云计算巨头均采用了FPGA方案，比如IBM在其POWER系统上运用Xilinx FPGA加速工作负载处理技术，微软在其实时AI云平台Project BrainWave搭载了英特尔的Stratix 10 FPGA。

但FPGA的主要问题在于开发难度大和专业人才少，需要用硬件描述语言进行变成，对于缺乏FPGA基础的软件人员技术门槛高。

2、ASIC专用芯片：高效能表现，灵活性遭质疑
ASIC是专为特定需求定制的专用芯片，相比通用芯片和半定制芯片，其高计算效率和低功耗是最明显的优势，芯片出货量越大整体成本越低。

谷歌自研云端AI芯片TPU、美国AI芯片创企Eta Compute新推出的ECM3531芯片、寒武纪深度学习处理器、地平线BPU 等均属于ASIC芯片。

不过ASIC的缺点也非常明显，由于AI算法尚未成熟，迭代更新的速度很快，ASIC要适应变化巨大的算法是一大难题。

3、创新架构：软件定义芯片与类脑芯片
为了保证高计算效能的同时兼顾灵活性，清华大学微纳电子系主任、微电子所所长魏少军教授带领的清华微电子所团队在10年前就开始开展可重构计算模式的研究。

可重构计算模式又可称为“软件定义芯片”，通过将软件途经不同的管道输送到硬件中来执行任务，使得芯片能够实时地根据软件/产品的需求，动态调整计算和内存需求，从而实现更加灵活的芯片设计。

007ednc20190314.png

▲清华大学微电子所提供的Thinker芯片的显微照片

清华大学微纳电子系副系主任尹首一老师带队设计的低功耗AI芯片Thinker，以及美国Ai芯片创企Wave Computing主打的数据流处理器（dataflow processing unit），都属于这一种软件定义硬件的技术流派。

还有一种新兴的芯片叫类脑芯片，顾名思义，它采用人脑的神经突触传递结构来设计芯片，使芯片能够进行异步、并行、低速和分布式处理信息数据，并具备自主感知、识别和学习的能力。类脑芯片相较同类产品在功耗、成本和计算力上均有优势。

008ednc20190314.jpg

市面上第一款类脑芯片是IBM TrueNorth芯片，属于类脑芯片的产品还有英特尔神经拟态芯片Loihi芯、高通Zeroth芯片、西井科技DeepSouth芯片、浙大“达尔文”类脑芯片以及灵汐科技“天机”芯片等，其中灵汐科技的第三代7nm的“天机”芯片最早将于今年面市。

为了从根本上解决存储墙的问题，关于存储的创新架构也在兴起，知存科技自研的存算一体架构和存储阵列的嵌入式智能语音芯片已经完成流片，预计2019年年中量产。还有探境科技推出的存储优先架构（SFA架构），采用其SFA架构的语音芯片和图像芯片，据悉性能均远超目前的行业标准。

4、RISC开源架构：RISC-V、MIPS狂揽新生态
继ARM称霸移手机市场多年后，精简指令集（RISC）架构名望呈现新的涨势，新的开源指令集架构RISC-V在芯片江湖声名鹊起，江河日下的MIPS架构亦宣布开源计划。这两个开源架构有望在新兴的物联网领域开辟一片天地。

RISC-V由2017年新晋图灵奖得主、加州大学伯克利分校的Dave Patterson教授带领团队设计研发的，和其他传统架构相比，具有低功耗、低成本、灵活可扩展、安全可靠等四大优势，吸引了谷歌、阿里等国内外约200家左右企业和科研机构加盟。

009ednc20190314.png

阿里中天微的第三代指令架构处理器CK902、华米科技的可穿戴AI芯片黄山1号、芯来科技的蜂鸟E203核心IP、睿思芯科的28nmAI芯片Pygmy、美国AI芯片创企Esperanto的7nm机器学习芯片、法国AI芯片创企Greenwaves Technologies的IoT应用处理器GAP8等，均基于RISC-V开源架构研发。

在RISC-V迅速扩张生态的同时，与之师出同门的MIPS也迎来了新的转折点。MIPS在去年年中被美国AI芯片公司Wave Computing收购，随后宣布MIPS将在2019年第一季度开源，这一开源计划有望为MIPS架构注入新的活力，吸引更多优质玩家参与研发与创新。

010ednc20190314.png

Wave Computing中国区总经理熊大鹏博士告诉智东西，MIPS开源计算的详情将在本月月底公布。

三、场景落地战：科技巨头明争，跨界玩家乱斗
“AI芯片将无处不在”的预言正在成为现实。从数据中心到边缘设备，从手机到智能家居，从安防监控到自动驾驶，我们的圣后正在被AI芯片全面入侵。

目前，云计算、手机、安防监控、智能家居、自动驾驶五大商业场景格局或将迎来新的变局。

1、云计算：芯片霸主明争，云计算巨头暗战
所谓云端AI芯片，简而言之就是应用于大规模数据中心和服务器提供的核心芯片，为AI算法和推理提供算力。这也是各大芯片巨头“兵家必争之地”。

NVIDIA是第一个吃到螃蟹的公司，这家1993年成立的芯片公司，凭借GPU芯片优越的并行计算能力，一跃成为AI训练芯片领域难以撼动的霸主，在云计算领域无往而不利。

相比训练芯片一家独大的局面，推理芯片则呈现百舸争流之态势。英特尔、高通、ARM等芯片巨头纷纷进场，通过并购、架构创新等各种方式补足短板和提升实力。

赛灵思去年首露真容的全新ACAP架构的首款7nm Versal系列芯片也将在今年下半年正式大规模推向市场。。

011ednc20190314.jpg

搅局者的力量同样不容小觑，中美几大云计算巨头纷纷亮剑。除了谷歌持续优化TPU芯片和微软推进Project Brainwave外，百度、阿里、亚马逊、华为、Facebook在去年接连宣布自研云端AI芯片，

比如，华为自研云端AI芯片昇腾系列已经开始为华为云提供算力支撑，亚马逊的云端AI推理芯片Inferentia也预计今年面世。

另外，多家中美AI芯片创企加入战局。Groq的机器学习新芯片、寒武纪的MLU 100、龙加智的DIno-TPU、以及比特大陆算丰BM1880等，均可能会对NVIDIA GPU造成猛烈的冲击。

2、手机：三强争霸格局稳定，三星或成新变数
012ednc20190314.jpg

▲三星、苹果、华为、高通手机芯片发布时间

手机AI芯片将在今年进入第三场争霸赛，从过去两年来看，这一市场格局基本稳定，由苹果、华为、高通三大巨头牢牢把控高端市场。

新的变数可能会出现在三星身上。三星的采用自家8nm工艺制造的Exynos 9820芯片，有望在今年年底大规模量产，本周其首个内核照片刚刚曝光，其NPU神经网络单元由两个核心和一个控制部分组成。

001ednc20190311.jpg

▲三星8nm Exynos 9820芯片内核照片

联发科、紫光展锐等芯片供应商也相继加入手机AI芯片战局。联发科去年12月发布内置升级版AI引擎APU 2.0的Helio P90系统单芯片，紫光展锐CTO仇晓肖莘博士也透露展锐增加NPU单元的AI芯片将在2019年问世。

与此同时，ARM、新思科技（Synopsys）、Cadence、寒武纪等在芯片设计能力上具备优势的玩家，则从IP授权的方式切入手机AI芯片。

3、安防监控：老玩家霸场，新玩家蓄力
经过“高清化”、“网络化”的两次换代后，安防领域正处于新的“智能化”升级阶段。作为AI落地的核心场景之一，边缘推理芯片在安防摄像头端的应用迅速崛起，逐渐形成传统芯片厂商、AI芯片新秀、安防解决方案提供商三足鼎立的局面。

华为海思半导体依然是视频监控领域的芯片主宰者，在去年的安博会上，海思工作人员告诉智东西，以后海思的IPC芯片的所有新品都将全部搭载专用AI模块。

传统安防芯片企业如国科微以及被阿里收购的中天微都在进行AI芯片的研发，矿机巨头比特大陆也推出了其首款28nm的边缘AI协处理器BM1880。与此同时，海康、大华、宇视等安防硬件巨头均开展了造芯计划。

主攻这一领域的AI芯片创企们也卯足了火力，像欣博电子基于SVAC2.0编解码标准打造的首款AI安防芯片SC6235，以及云天励飞用于安防人脸识别抓拍的22nm AI芯片DeepEye1000，均已流片成功。

013ednc20190314.jpg

▲肇观电子N171 VPU芯片

另一个比较特别的例子是肇观电子NextVPU，这家公司研发的VPU芯片是一款搭载AI计算引擎的安防摄像头主处理器，而非AI协处理器。其首款28nm N171 VPU芯片已经流片成功，今年上半年量产，首批10万片以上。

4、智能家居：跨界玩家集中营
随着物联网终端的爆发，语音AI芯片成为新的热潮。由于当下AI算法不甚成熟，和芯片硬件进行联合开发，不失为一种以更低功耗和成本获取更充足的算力的有效方法。

去年3月至今，国内语音技术公司纷纷推出终端AI芯片，以通过软硬件耦合的方式，提高竞争壁垒。智东西曾深入走访这一行业主要玩家，揭秘这一语音公司跨界造芯浪潮背后的逻辑。

014ednc20190314.png

▲2018年至今语音公司推出AI芯片主要玩家统计

其中，出门问问、Rokid的语音AI产品均是与杭州国芯合作完成。Rokid的语音AI芯片KAMINO18采用台积电40nm工艺，已经应用到小雅mini儿童音箱与甘布儿童产品中。

云知声和思必驰则选择成立子公司自研AI芯片。云知声在去年已经发布针对智能家居场景的语音AI芯片“雨燕”，还宣布今年将会面向语音、视觉、车载等场景推出3款AI芯片，抢滩IoT场景。

思必驰的AI芯片TAIHANG系列则由思必驰控股的独立公司上海深聪智能打造，核心在于为设备赋予语音能力。

015ednc20190314.jpg

▲杭州国芯GX8010芯片

除了语音技术公司外，多家算法公司也在积极布局。除了2017年底就发布首颗语音AI芯片的杭州国芯外，脱胎于清华大学微纳电子系的清微智能以及AI芯片创企启英泰伦都在做语音芯片。

启英泰伦基于ASIC架构的语音识别芯片CI1006在去年10月宣布已大规模量产，清微智能则在今年上半年将业务集中在语音芯片，预计产量在千万级。

另外在去年年初，亚马逊已集齐有449名员工的研发团队为其智能音箱Echo定制AI芯片，是否会用于下一代Echo设备也未可知。此外，谷歌近日在TensorFlow开发者峰会上推出了两款采用边缘AI芯片Edge TPU芯片的硬件产品。

016ednc20190314.jpg

5、自动驾驶：巨头大乱斗，创企寻新机
对比其他终端应用场景，自动驾驶芯片市场仍处于初期起步阶段，计算复杂程度更高，车规级要求也为芯片设立了更高的准入门槛。

尽管有恩智浦（NXP）、英飞凌、瑞萨电子等传统半导体厂商盘踞汽车电子多年，但就目前而言，自动驾驶市场的发展相对缓慢，还没有形成明显的格局。

乘AI之风飞速成长的NVIDIA，在自动驾驶领域的生态和性能均大放异彩。NVIDIA新一代自动驾驶处理器Drive Xavier凭借足以支持L4-L5级自动驾驶算力需求的彪悍性能，在推理阶段所向披靡。

英特尔进军自动驾驶的方式相当简单粗暴，就是通过高价收购FPGA行业老二Altera、计算机视觉处理芯片公司Movidius以及以色列高级驾驶员辅助系统（ADAS）公司Mobileye，将其核心产品FPGA芯片、视觉处理单元VPU、EyeQ芯片与英特尔的至强处理器相结合，形成整体的自动驾驶硬件解决方案。

017ednc20190314.jpg

另外，高通也在今年年初发布了以AI为中心的第三代“骁龙汽车驾驶舱平台”。

除了巨头之外，其他力量同样不容小觑。比如跨界玩家特斯拉，挖来原AMD首席芯片架构师Jim Keller研发定制的自动驾驶AI芯片，据悉该芯片将在今年4月后特斯拉所有新生产的电动汽车中投入使用。

中国的AI芯片创企如地平线、寒武纪、西井科技等，也均面向自动驾驶领域展开布局。美国创企Wave Computing亦在今年2月宣布，其MIPS处理器技术使80％以上的车辆配备了当今领先汽车制造商的ADAS。

四、资本大战：地方政府热情升温，优者恒优
在一系列热点事件的助攻下，我国集成电路产业在2018年赚足了热度，同时也吸引了更多来自地方政府、资本和国内外企业的支持。

1、地方政府大手笔投资
去年，十多个城市紧锣密鼓地推出集成电路政策，主要都聚焦在几方面：设立产业投资基金、鼓励企业入驻、补贴IP购买与流片、以及针对产业人才的优惠方案。

多家公司的AI芯片项目得到了来自政府的大力扶持。比如，南京向龙加智AI芯片研发项目投了10亿元，向比特大陆AI芯片研发项目投了5亿元。

2、优秀AI芯片创企仍受欢迎
经过一两年的炒热，AI芯片领域的投资热度开始退潮，以华登国际、北极光创投等资深芯片投资机构对不过，仍有几家AI芯片创企成功完成新一轮融资，而且每笔融资金额都相当可观。

最瞩目的当属地平线，在获得6亿美元B轮融资后，地平线以30亿美元的估值超越寒武纪（值25亿美元），坐上国内AI芯片创企一哥的位置。

此外，在最近一年新融资超过1亿元的国内AI芯片创企还有探境科技（A轮：约1.95亿元）、燧原科技（Pre-A轮：3.4亿元）、肇观电子NextVPU（A轮：2亿元），国外AI芯片创企有美国Wave Computing（E轮：8600万美元）、以色列Habana Labs（B轮：7500万美元）等。

五、抢人大战：台湾人才流向大陆，产学政界联合发力
芯片大战长期以来不变的焦点，就是人才的竞争。去年FPGA巨头赛灵思收购深鉴科技时就表示，希望“进一步增强赛灵思全球领先的工程技术研发力量”，并强调“人才和创新是实现赛灵思公司发展的核心”。

由是可见，即便是芯片巨头也对优秀的技术能力和人才虎视眈眈。而根据《中国集成电路产业人才白皮书（2017-2018年版）》，我国集成电路产业人才缺口还很大，集成电路高端设计人才、制造人才等十分稀缺。

1、台湾人才流向大陆
为了吸引人才，中国大陆从政策上尽可能给予芯片行业更好的发展土壤，高薪资、高福利和高职位的诱惑，以及相同的文化和语言，使得越来越多的台湾半导体人才流向大陆。

据台北招聘公司H&L Management Consultants估计，截止到2018年9月，去年已有300多名来自台湾地区的高级工程师已经前往中国大陆芯片制造厂商。在此之前，自2014年中国大陆成立220亿美元芯片产业发展基金以来，已经有近千名台湾半导体人才前往大陆。

2、中国26所高校加入战局
人才是核心竞争力，当前产学政界正在积极推进合作培养高端人才。

一方面，英特尔等多家芯片公司携手多家国内高校，联合推进集成电路人才的培养；另一方面，我国教育部去年下达了微电子专项培养计划，拟在清华、北大、上海交大等26所示范性微电子学院增加硕士和博士的培养数量。

018ednc20190314.png

此外，多个地方政府也开始加大对集成电路人才的补贴力度。

结语：AI芯片2019之战序幕拉开
2018年堪称是AI芯片战国时代。传统半导体巨头和AI芯片新秀持续巩固自身壁垒的同时，开始感受到来自跨界玩家的压力。在云端，云计算巨头、互联网巨头、电信巨头纷纷宣布自研云端AI芯片计划；在终端，AI算法公司和传统行业巨头的参战又搅动起新的风云。

AI芯片2019之战的序幕刚刚拉开，随着来自巨头、创企和跨界玩家间的较量愈演愈烈，新的AI芯片落地潮即将到来，经过一两年喧哗的宣传期后，AI芯片玩家们将要交出答卷。谁是“PPT造芯”，谁是真正颠覆性的创新架构，谁能重塑AI芯片产业的未来，很快将一目了然。