近年来，随着人工智能是快速发展，AI芯片的迅速爆发，给中国芯片产业带来了巨大的市场和商机。但对于传统芯片而言，仍有一段路要走，需要奋起直追。
何为AI芯片，AI芯片被称为加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由CPU负责）。
据市场研究公司Compass Intelligence发布的上半年研究报告显示，在全球前24名的AI芯片企业排名表中，英伟达（Nvidia）、英特尔（Intel）以及IBM（NPU）分别位列前三名，中国公司占据了七个席位，最高名次是排行第12的华为。
困局之中破局是唯一的出路，AI芯片可能就是那个突破口。作为计算芯片的一种，它正在对传统（计算）芯片发出挑战。
AI芯片是趋势使然
根据摩尔定律，当价格不变时，集成电路上可容纳的元器件的数目，约每隔18－24个月便会增加一倍，性能也将提升一倍。如何在相同的面积内放入更多的元器件？这对于制作工艺而言是一个极其大的挑战，而这一工艺的提升速度是缓慢且艰难的。因此，在算力、性能等方面，当前的集成电路相当于到了一个“瓶颈期”。
与此同时，AI逐步发展并落地，面对海量数据的实时采集和处理，“算力”成为了一项至关重要的必备条件。然而当前的AI算法训练、推理等，还是依赖英伟达、高通等厂商提供的传统芯片。但是，不管是高通骁龙系列，亦或是英伟达GPU等传统芯片，其当初被研发出来的目的并不是针对AI算法，这也就意味着，在AI算法加速方面，它们多是“心有力而余不足”的。
如果说在传统芯片领域，我国“反超”的机会不大，且消耗的多项成本过高，那么“AI”芯片的大面积布局，将是此领域关乎国家战略层面的重要机遇。也由此在风起云涌间，传统芯片与AI芯片难免狭路相逢。
AI芯片尚有短板
相比于针对算法而研发的AI芯片，不管是算力还是功耗，包括GPU等在内的传统芯片在内的传统芯片都无法相比。尽管AI芯片来势汹汹，但短板也非常明显。
事实上，目前还没有出现像CPU一样的AI通用算法芯片，一剑封喉的应用还没出现。首先，AI芯片的量产问题是头部短板。不同于已经定性的传统芯片，AI芯片从架构到设计等多个层面都会是一种全新的颠覆。当前，虽有几家初创公司表示他们的产品已经实现了一种量产，但最终多是应用于自身产品和产业链，算不得真正的量产。
其次，AI芯片的工作只是加速AI算法，但在整个主板上，这只是芯片所要计算的一部分。于其他方面，还有更多的计算工作，而它们中间的多数，并不需要AI芯片的介入，比如数据存储等等。
当然，主流架构探讨、算法通用可实现性、刚需应用场景等也是AI芯片需要攻克的问题。
短期之内，如英伟达这样的芯片行业巨头，其GPU因为算力尚且能够满足当前AI算法加速的需要，虽然耗能表现不佳，但是出于产业的需求，仍然是占据了当前市场的主要份额。
结论：时代更替，迎来发展预期
不管是CPU、GPU等传统芯片，还是AI芯片，它们出现的根因皆是因为市场有了新需求，继而才会形成趋势，最终落实为产品。这其中，有着时代的更迭，也有着技术的进步。
这方面，AI芯片本身就是一个典型的案例。因为计算的需要，人们开始研发芯片，从而诞生了CPU、GPU等。之前很长一段时间内，CPU一直做着主要的任务处理和数据计算工作。之后随着AI的出现，CPU的算力遇到了挑战。反之，因为并行运算架构，以往并不起眼的GPU开始焕发光彩。不过，它们终究不是为AI算法而定制的，也因此，迎合产业需求发展的AI芯片出现了。
长远来看，出于对算力、功耗等多方面的考虑，就AI算法加速方面，AI芯片取代传统芯片是一个必然的结果。届时，AI芯片或将与CPU、GPU等一起集成到一个完整的处理器中，诸如寒武纪NPU被集成至麒麟970一般，又或者，AI芯片也将作为独立处理器存在，这一切目前还是未知数。
目前，不管是在技术上还是质量上，我国AI芯片都达到了较高的水准。如今，国家投入大量人力、物力、财力，推动AI芯片不断创新和发展，使其走上世界前列。我们不妨可以大胆试想，一旦AI芯片实现量产，一方面符合智能时代产业发展的需求之外，另一方面将在芯片产业中获得一定的话语权，在当前核心技术缺失的情况下实现“拐弯加速”。
