上篇说到CPU、GPU、FPGA、ASIC及类脑芯片都是芯片界举足轻重的角色，但由于AI芯片对计算能力的拒绝，CPU在AI芯片中只起辅助和掌控功能，而类脑芯片则因还过于成熟期，仍未落地。因而，以下在对场景应用于的辩论中，更加多牵涉到GPU、FPGA、ASIC三类芯片。在应用于场景上，AI芯片的应用于主要分成云端和终端，这也是目前芯片领域又一分岔路口。以深度自学的算法来说，云端人工智能硬件负责管理“训练+推测”，终端只负责管理“推测”，因而终端的计算出来量更加小，没传输问题，更加适合于安防、汽车等功耗拒绝较低、安全性拒绝低的场景，终端也被看做未来发展方向。下文将AI硬件应用于场景分成云端和终端，云端指服务器端，还包括各种共计云、私有云、数据中心等；终端指安防、车载、手机等领域。云端场景：英伟达GPU生态领先，赛灵思FPGA追上，谷歌ASIC或是未来据测算，全球云端场景的AI芯片规模合计已约几百亿美元，是目前仅次于的AI应用于场景。基于云平台，各大科技巨头大力布局人工智能。不过再行来科普下，云计算平台是什么。云计算，获取能用的、便利的、按须要的网络采访，转入可配备的计算出来资源共享池（资源还包括网络、服务器、存储、应用软件、服务），还包括IaaS（基础设施即服务），Paas（平台即服务），Saas（软件即服务）三层。目前各大科技巨头争相在自有云平华体会台基础上配备人工智能系统，主要有IBM的waston、亚马逊的AWS、以及国内的阿里云、百度云平台等。其中英伟达的GPU使用更加普遍，英特尔的CPU、阿尔特纳的FPGA等也有用于，而谷歌则用于自研的ASIC芯片TPU。GPU应用于研发周期短，成本比较较低，技术体系成熟期，目前全球各大公司云计算中心如谷歌、微软公司、亚马逊、阿里巴巴等主流公司皆使用GPU展开AI计算出来，GPU是目前云端应用于范围最广的芯片，而英伟达则是仅次于的GPU芯片供应商，占有99%市场份额。2017年5月，英伟达公布了Tesla V100，使用台积电12nm FFN制程并统合210亿颗电晶体，在深度自学的性能上等同于250颗CPU。不过其也面对着老二AMD的不利挑战。野村证券称之为英伟达正在企图制止将15-20%的数据中心处理器份额让出AMD。今年第二季度，AMD专门为数据中心研发的EPYC处理器被还包括惠普企业、思科系统、腾讯云、意大利国家核物理研究所等使用，销售额同比快速增长53%。AMD称之为，预计EPYC将在今年年底超过“中等个位数”的份额。另外，赛灵思、英特尔、百度等厂商也在大力使用FPGA在云端展开加快。目前全球FPGA市场主要被赛灵思（Xilinx）和阿尔特纳（Altera）瓜分，两者合计占据近90%的市场份额。全球七大超大规模云服务公司，有3家使用了赛灵思FPGA。去年8月，百度也和赛灵思合作公布了基于FPGA的云计算加快芯片XPU。而老二阿尔特纳则在2015年被英特尔并购，今年4月，英特尔阿尔特纳的FGPA被月应用于主流的数据中心OEM厂商中，客户还包括戴尔、富士通等。除GPU和FPGA外，AI领域专用架构芯片ASIC则因其更佳的性能和功耗，沦为云端领域新的搅局者，谷歌就是ASIC在数据中心应用于的先行者。谷歌2017年5月发售TPU，与GPU比起耗电量减少60%，芯片面积上升40%，能更佳的符合其可观的AI算力拒绝。今年2月，谷歌以Beta测试的形式对外开放了TPU，5月公布了TPU 3.0，8月又发售为边缘计算出来自定义的Edge TPU。不过TPU目前并不对外发售，但对英特尔、英伟达这些传统数据中心业务的大佬来说，也不足以构成威胁。总体来说，目前，GPU仍然是数据中心的主力，FPGA的角色也渐渐显得更加最重要，而TPU等，则更加有可能因其较好的性能和功耗，沦为未来的主流方向，但其性能还须要更进一步检验。安防：英伟达GPU领先，国内创企FPGA落地，Movidiu的ASIC芯片广泛应用由于天然具备大量必须处置的视频等非结构化数据，安防目前已沦为AI落地最慢的场景之一。用AI赋能安防，能很大提升跟踪效率，增进事后防止向事前防止切换。

目前“AI+安防”方案有两种，还包括中后末端和前端解决方案。中后末端方案利用普通摄像机收集视频信息后传输到中后末端，再行展开智能分析，前端则将AI芯片构建至摄像头中，构建视频收集智能化。比起来说，中后末端可利用早已部署的摄像头展开智能分析，在多路数据处理、算法升级以及部署成本上都占有优势，但长年来看，前端智能更加能符合安防快速反应、安全性低的市场需求，或是未来主流。安防巨头也都开始布局AI领域，在经历了安防行业高清化和网络化之后，存留下来的海康、大华等巨头们，并想被人工智能这第三次技术革命丢下。而在应用于AI芯片方面，海康、大华都自由选择了英伟达的GPU，其AI算法和产品都基于英伟达的Jetson TX1 GPU芯片构建。2016年，海康威视发售从前端到后端全系列的AI产品，公布基于英伟达GPU和深度自学技术“浅眸”摄像机、“超脑”NVR等产品。大华股份2016年第三季度正式成立AI研究院，2017年牵头英伟达公布多款“机智”系列前端和后端智能设备。但利用英伟达GPU芯片，成本却是更为便宜。因而，为了降低成本、提升效能，大华、东方网力等也与国内初创公司深鉴（后被赛灵思并购）等合作，发售了基于赛灵思FPGA的DPU产品。在专用ASIC产品经常出现之前，FPGA沦为部分安防场景叛成本的有效地手段。另外，国内安防厂商也更加寄予厚望低成本、低功耗、高算力的ASIC沦为未来主流。2017年8月，英特尔子公司Movidiu发售Myriad X视觉处理器(VPU），被大量应用于大疆无人机、美国菲力尔（flir）智能红外摄像机、海康“浅眸”系列摄像机、华机智能工业照相机等产品中。未来，ASIC芯片大规模量产，成本边际效益递增，使用ASIC方案的AI摄像头构建成本将大幅度降低，这也为安防向前端智能改变获取有可能。不过，目前由于后末端还有大量成量视频必须处置，既有传统摄像头短时间内会全部替换，以及ASIC还过于成熟期等因素，安防前端智能的发展，及ASIC芯片普及都还必须时间。汽车：英伟达GPU、高通CPU+GPU主流，地平线ASIC开拓市场随着自动驾驶的热潮叛来，汽车场景也沦为AI落地的较好场景。不过目前已商用的自动驾驶芯片基本正处于高级驾驶员辅助系统（ADAS）阶段，才可构建L1-L2等级的辅助驾驶员和半自动驾驶员；而适应环境L4-L5超强高度自动驾驶及全自动驾驶的AI芯片，离规模化商用仍有距离。汽车场景的AI芯片，领先的仍然是英伟达。2016年9月，英伟达公布针对自动驾驶技术和汽车产品的芯片Xavier，使用自定义的八核CPU架构，内建Volta GPU架构作为计算机视觉加速器，使用16nm FinFET工艺，运算性能超过20 TOPS，功耗为20W。今年1月，英伟达又公布用作自动驾驶的Jetson Xavier芯片，使用12nm FFN制程，功耗为30W（比较上款芯片功耗下降，官方说明“为提高性能”），及车载计算机Drive PX Pegasus，配备两块Xavier SoC，算力反对L5。目前，英伟达在智能汽车领域的客户还包括20多家汽车制造商，其中最重要的客户是特斯华体会拉。不过看英伟达在自动驾驶领域做到大，英特尔也不甘心。2017年，英特尔并购了Mobileye，开始发力自动驾驶。Mobileye在汽车领域可算数战绩辉煌，其在汽车驾驶员辅助系统领域，份额多达70％。从2007年与沃尔沃开始合作撞击预警功能，与还包括宝马、特斯拉、标准化等汽车巨头合作前进驾驶员辅助技术，2016年与宝马、英特尔三方联合开发自动驾驶汽车。并且，Mobileye在2016年5月公布的EyeQ5（预计将于今年出有工程样品，2020年量产），声称将使用7nm工艺，获取每瓦特2.4 DL TOPS（万亿次/每秒）的效能——这一数字比英伟达公开发表声称的Xavier要低2.4倍。并购Mobileye，也是英特尔在无人驾驶领域与英伟达进行的一次白热化竞争。另外，移动芯片领域的霸主高通也在大力布局自动驾驶领域。2016年10月，高通宣告以每股110美元的价格并购车用芯片大厂恩智浦半导体，这一事件在当时完全愤慨整个半导体行业。虽其后因反垄断审查，而遭遇并购告终，但高通发力汽车的决意并没增加。在GMIC2016上，高通公布了智能汽车芯片骁龙820A，该处理器使用CPU+GPU的异构计算模式。2017年9月，高通公司又发售了一款新的汽车芯片组——C-V2X，这款芯片组提高了自动驾驶所须要通信系统的因应度。目前已获得奥迪、福特以及上汽集团等的接纳与注目，明确上市时间预计为今年下半年。我国芯片企业，也参予到这场自动驾驶领域的芯片争夺战中。2016年3月奇点汽车发布会上，地平线首次展出了其先进设备辅助驾驶员系统（ADAS）原型系统——雨果平台。2017年1月的CES上，地平线又与英特尔公布了基于BPU架构（ASIC架构）的近期的高级辅助驾驶员系统。产业调研表明，地平线也是目前唯一在四大汽车市场—美国、德国、日本和中国，与顶级OEMs和Tier1s创建最重要客户关系的中国初创企业。2017年12月，地平线公布“旭日”和“征程”两款嵌入式AI芯片，分别面向智能驾驶和智能摄像头；今年4月，地平线公布“征程2.0”芯片及MATRIX 1.0自动驾驶计算出来平台。总体来说，ASIC可以更佳的符合车载应用于下重点关心的“最好情况处置”的延时问题。但鉴于其研发周期长，目前车载场景下，厂商仍考虑到GPU作为主流方案，预计随着ADAS自定义化市场需求的减少，未来ASIC将出主流。智能手机：苹果、华为配备ASIC芯片，高通、ARM公布新的AI架构AI+手机，也是当下最火的AI概念之一。目前AI在手机里面主要是辅助处置图形图像的辨识（比如照片的较慢美颜）及语音语义的辨识等场景。但目前此类应用于对AI算法处理速度的拒绝并不低。同时手机对功耗拒绝极低，ASIC低成本、低功耗、较低面积将占有核心优势。而在AI芯片转入手机方面，华为和苹果都先后公布了有自己独立国家AI处理单元的芯片。2017年9月，华为公布了全球首款移动末端AI芯片麒麟970，并将其运用于Mate10。这是业内第一次在手机芯片中，经常出现专门用作展开AI计算出来的处理单元，其构建了国内芯片创企“寒武纪”的NPU。今年8月，华为又公布了麒麟980，首度使用7nm工艺，双核NPU。紧随其后，苹果也在9月公布了iPhone X，及其专用神经网络处置芯片A11“Bionic神经引擎”。该芯片将CPU和GPU极大的计算出来量分离，将面部辨识、语音辨识等AI涉及的任务修理到AI专用模块(ASIC)上处置。在华为和苹果之后，高通也于12月公布骁龙845，使用10nm工艺，反对Adreno 630 GPU，比起835，在AI计算能力上提高三倍，并反对多平台的神经网络系统。未来高通的策略是，获取对外开放AI平台生态系统给合作伙伴。但高通的AI芯片，并没针对AI的独立国家运算单元，依旧是传统的CPU/GPU以及DSP/ISP等特定场景处理器来全职处置AI。而为目前世界多达95%的智能手机和平板电脑获取IP的ARM，在AI方面略为显来太迟。不过今年2华体会月，ARM也公布了两款针对移动终端的AI芯片架构，机器学习处理器和物体检测处理器。机器学习处理器将主要更有平板电脑和智能手机制造商，计划在今年第一季度供货；对象检测处理器，有可能被用作智能安防摄像机、无人机及更加普遍用途，预计年中供货。总结：各架构芯片百花齐放，终极形态向ASIC演化目前，云端领域，英伟达凭借其FPGA稳稳占有仅次于市场份额，老二AMD在迎击，基于FPGA的赛灵思和英特尔阿尔特纳也在扩展，ASIC领域则以谷歌TPU为仅次于威胁者。汽车领域，英伟达仍然是巨头，英特尔Mobileye则是必要对标英伟达，高通在进占，我国企业地平线也用BPU（ASIC）布局这一市场。安防领域，英伟达地位恒定，赛灵思深鉴的FPGA也有应用于，Movidiu的ASIC也关上了部分市场。手机领域，华为和苹果先发基于ASIC的AI芯片，高通和ARM则在其后发售了自己的AI架构。GPU、FPGA、ASIC堪称各架构百花齐发，而ASIC也回头通向主流应用于的路上。