2017年全球AI芯片公司大盘点
本文采编：Lee
信息来源：网络整理
转载请注明来源芯师爷和出处
2017年，我们被AI公司的融资信息一次次刷屏，从2千万到1亿美金，让我惊诧道，AI的黄金年代真的来了吗？接下来让我们一起回顾一下2016-2017年AI芯片公司融资概况。
部分来源深圳湾
2016年8月，Nervana Systems 以4.08 亿美元被英特尔收购。公司曾计划在 2016 年年底推出一款名为Nervana Engine的芯片，号称加速深度学习比英伟达最强GPU快十倍。
2016年11月，Barefoot Networks宣布获得2300万美元C轮融资，由阿里巴巴和腾讯领投。在去年6月，Barefoot 还获得了由谷歌和丹华资本等投资的5700万美元融资。Barefoot Networks开发了世界上第一个可编程芯片，这种名为Tofino的芯片比现在市场上任何其他芯片快两倍，以每秒6.5兆的速度处理网络数据包。
2017年3月15日，云天励飞宣布获得数千万美元的A轮融资，投资方包括山水从容传媒投资有限公司、松禾资本、深投控、投控东海、红秀盈信等多家投资机构。云天励飞主要专注于视觉智能领域。其主要产品是通过中国第一颗商用化人工智能芯片，实现视觉识别和大数据分析，即公众通常理解的“天眼系统”。
2017年5月17日，深鉴科技完成了数千万美元的 A 轮融资，投资方包括赛灵思（Xilinx）、联发科（MediaTek）、清华控股、方和资本，原有投资方金沙江创投、高榕资本跟投 。CEO姚颂曾表示，深鉴科技并不是一家芯片公司，而是一个基于核心DPU平台的行业解决方案提供者。
2017年6月23日，西井科技获得A轮融资，由复星同浩投资。此轮融资将用于技术研发。西井科技是一家开发“类脑人工智能芯片+算法”的科技公司，其芯片用电路模拟神经，成品有100亿规模的仿真神经元。由于架构特殊，这些芯片计算能力强，可用于基因测序、模拟大脑放电等医疗领域。
2017年7月1日，地平线机器人获得了新一轮融资，投资方包括双湖投资、青云创投和祥峰投资，晨兴、高瓴、金沙江、线性资本和真格基金等种子轮投资机构也继续追加了投资。该轮融资金额不详。这笔投资将用来加大对自动驾驶和智能家居领域的研发投入，加快产品研发和落地速度；推进人工智能芯片和系统的研发。
2017年8月18日，寒武纪科技宣布已经完成1亿美元A轮融资，由国投创业（A轮领投方），阿里巴巴创投、联想创投、国科投资、中科图灵、元禾原点（天使轮领投方）、涌铧投资（天使轮投资方）联合投资。A轮融资将用于推动寒武纪系列处理器在终端和云端的产品化和市场化，促进各类终端设备的智能化，提供高性能低功耗的云端智能处理解决方案。这轮融资后，寒武纪科技已经成为全球AI芯片领域第一家独角兽。
2017年11月，英国芯片制造商Graphcore宣布获得由红杉资本领投的5000万美元C轮融资。graphore表示其开发的IPU ( intelligence processing units)可以将机器智能培训的性能提高10倍到100倍。这家英国公司计划明年大规模出货，其芯片将用于无人驾驶汽车和云计算。
2017年12月，AI芯片初创团队ThinkForce宣布完成由依图科技、云锋基金、红杉资本、高瓴资本的4.5亿元A轮融资。公开资料显示，Think Force——上海熠知电子科技有限公司成立于2017年，由来自芯片设计、算法软件、系统开发领域的资深专家创立。公司主要设计融合一流AI算法和先进制成工艺的智能芯片，并以此构建人工智能硬件平台，提供一站式行业应用解决方案。
......进两年来，这样的融资故事不断发生，借力中外资本的挹注，大陆一批AI芯片创业公司正在快速崛起中。而中外的AI芯片公司远不止如此，接下来我们就来盘点一下，国内外进年来大火的AI芯片公司。
国内AI芯片公司
因为苹果的A11处理器以及华为的麒麟970，“AI芯片”成为了诸多行业的讨论热点，尤其是人工智能行业。那么，国内外究竟有哪些公司在做AI芯片？
寒武纪，是北京中科寒武纪科技有限公司的简称。这家公司有中科院背景，面向深度学习等人工智能关键技术进行专用芯片的研发，可用于云服务器和智能终端上的图像识别、语音识别、人脸识别等应用。
寒武纪深度学习处理器采用的指令集DianNaoYu由中国科学院计算技术研究所陈云霁、陈天石课题组提出。模拟实验表明，采用DianNaoYu指令集的寒武纪深度学习处理器相对于x86指令集的CPU有两个数量级的性能提升。
目前，寒武纪系列已包含三种原型处理器结构：
寒武纪1号（英文名DianNao，面向神经网络的原型处理器结构）；
寒武纪2号（英文名DaDianNao，面向大规模神经网络）；
寒武纪3号（英文名PuDianNao，面向多种机器学习算法）。
2016年推出的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备
中星微在2016年6月20日率先推出中国首款嵌入式神经网络处理器（NPU）芯片，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。该NPU采用了“数据驱动”并行计算的架构，单颗NPU（28nm）能耗仅为400mW，极大地提升了计算能力与功耗的比例。
研发“星光智能一号”耗时三年时间。中星微集团聚集了北京、广东、天津、山西、江苏、青岛、硅谷的研发力量，采用了先进的过亿门级集成电路设计技术及超亚微米芯片制造工艺，在TSMC成功实现投片量产。
目前“星光智能一号”出货量主要集中在安防摄像领域，其中包含授权给其他安防摄像厂商部分。未来将主要向车载摄像头、无人机航拍、机器人和工业摄像机方面进行推广和应用。
Horizon Robotics（地平线机器人）由前百度深度学习研究院负责人余凯创办，致力于打造基于深度神经网络的人工智能“大脑”平台-包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。
其中，软件方面，地平线做了一套基于神经网络的OS，已经研发出分别面向自动驾驶的的“雨果”平台和智能家居的“安徒生”平台，并开始逐步落地。硬件方面，未来地平线机器人还会为这个平台设计一个芯片——NPU（Neural Processing Unit），支撑自家的OS，到那时效能会提升2-3个数量级（100-1000倍）。
地平线的最终产品不止芯片，而是一个核心控制模块，具有感知、识别、理解、控制的功能。把这个控制模块做成产品去跟合作方做集成。换句话说，地平线提供的是一个带有人工智能算法的解决方案。
商业模式上，目前会采取产品、技术加服务的方式，先把产品做出来，得到第一手的用户体验，将来再向更宽广的生态去发展。地平线并没有把自己定义为单纯的技术提供商，不会单纯的卖算法SDK或者单纯出售芯片，而是打造技术平台，来帮助用户把产品做出来。
深鉴科技由清华团队创办，其产品称作“深度学习处理单元”（Deep Processing Unit，DPU），目标是以ASIC级别的功耗，来达到优于GPU的性能，目前第一批产品基于FPGA平台。
从官方提供的数据来看，嵌入式端的产品在性能超过Nvidia TK1 的同时，功耗、售价仅为后者的1/4左右。服务器端的产品，性能接近Nvidia K40 GPU ，但功耗只有35瓦左右，售价300美元以下，不足后者的1/10。
深鉴科技着力于打造基于DPU的端到端的深度学习硬件解决方案，除了承载在硬件模块（订制的PCB板）上的DPU的芯片架构外，还打造了针对该架构的DPU压缩编译工具链SDK。
产品的应用领域分为终端和云端两类。其中嵌入式端的产品将主要应用在无人机、安防监控、机器人、AR等领域，目前已经与一家知名无人机厂商建立了合作。服务器端的产品将主要面向大型互联网公司的语音处理、图像处理等。目前也已经与国内知名互联网公司展开合作，在兼容对方现有机房的情况下，功耗降低80%，语音识别的准确率提升了5%-7%。
杭州中天微系统有限公司成立于2001年，总部位于杭州高新区。是一家致力于32位高性能低功耗嵌入式CPU研发，以芯片架构授权为核心业务的IC设计公司，也是直接与阿里巴巴合作，并获得阿里巴巴入股投资的一家国产CPU业者。是当前我国唯一基于自主指令架构研发嵌入式CPU并实现大规模量产的CPU供应商。
2015年，阿里便与杭州中天微系统有限公司进行深度合作，面向物联网各细分领域开发云芯片（Yun on Chip）架构。在云端一体的框架下研制新一代CPU、SoC平台、软件支撑环境和操作系统，支持从芯片到云端的全链路安全、低成本接入。并积极致力于打造产业生态链，开发面向全行业的云芯片产品。
杭州国芯是一家本土的芯片公司，成立于2001年，已经有17年的历史。最初杭州国芯主要做数字电视芯片、机顶盒芯片，产品已遍销全球。
在2016年初，杭州国芯就成立了AI事业部，2017年10月31日，杭州国芯发布了一款面向物联网市场专用AI芯片GX8010，能够在本地离线、低功耗、可移动的工作。GX8010 芯片中内置了杭州国芯自主研发的 gxNPU 神经网络处理器。GX8010 作为一款语音 AI 芯片，主要面向智能音箱、智能电视、智能玩具 / 幼教领域。
西井科技成立于2015年5月，是一家开发“类脑人工智能芯片+算法”的科技公司，其芯片用电路模拟神经，成品有100亿规模的仿真神经元。西井用FPGA模拟神经元以实现SNN的工作方式，其产品命名为Deepsouth，正是和IBM的truenorth成竞品。由于架构特殊，这些芯片计算能力强，可用于基因测序、模拟大脑放电等医疗领域。
西井科技还有一款5000万个神经元的商用芯片。除了自我学习外，它的传统计算能力也极强，能将基因测序从两周缩短到数个小时。由于体积小、功耗是同类芯片几十分之一，其它便携式医疗设备也可使用这款芯片。
成都启英泰伦科技有限公司成立于2015年11月，是一家专注于人工智能芯片设计及配套智能算法引擎开发的公司。
2016年9月，公司推出了全球首款深度神经网络智能语音识别芯片CI1006。CI1006芯片集成我公司自主知识产权的脑神经网络处理单元BNPU，也采用了ARM最为先进的MCU 内核Cortex-M4F，形成专用的SoC架构，具备高性能、低功耗、高识别率、低成本等优点，在应用方面，该芯片可以支持本地语音检测、唤醒，以及数百条离线命令词条的识别，可应用于智慧家居、智慧照明、智慧汽车、智慧玩具、机器人等领域。
云天励飞2014年成立于深圳，是一家专注于视觉人工智能领域的初创公司。致力于打造基于视觉芯片、深度学习和大数据技术的“视觉智能加速平台”。公司已经组建了一支四十多人的芯片团队自主研发安防厂商急缺的AI芯片，并将于明年生产投片。通过该芯片实现视觉识别和大数据分析，即公众通常理解的“天眼系统”。
Think Force——上海熠知电子科技有限公司成立于2017年，由来自芯片设计、算法软件、系统开发领域的资深专家创立。公司主要设计融合一流AI算法和先进制成工艺的智能芯片，并以此构建人工智能硬件平台，提供一站式行业应用解决方案。
据介绍，ThinkForce计划推出的AI芯片基于业界先进的半导体制程工艺，采用自主研发的微内核ManyCore架构，能完成AI云虚拟化调度在芯片级的实现，此架构将AI云的弹性计算和调度提升一个量级，类似CPU的虚拟化给云计算的弹性调度带来成倍的成本节约。同时，该技术结合自主研发的固件和TFDL软件SDK能够实现对于各类神经网络模型的计算加速，相对于Nvidia主流计算卡能实现5倍以上的功耗和成本节省。
比特大陆成立于2013年，是一家专注于高速、低功耗定制芯片设计研发的科技公司，拥有低功耗高性能的16nm工艺集成电路的量产经验，成功设计量产了多款ASIC定制芯片和集成系统。
在2017世界人工智能大会上重磅发布了面向人工智能应用的专用定制芯片Sophon BM1680，深度学习加速卡SC1和SC1+以及智能视频分析服务器SS1，正式进军人工智能行业。
百度联合硬件厂商推出DuerOS智慧芯片，可以视作百度在人工智能与硬件设备一体化方面的新探索。DuerOS智慧芯片拥有低成本芯片和模组，可以以芯片嵌入的形式放到任何硬件中，能够更加快速而广泛地应用到更多场景。可以看出，百度在利用“算法+芯片”的组合实现人工智能产业化落地。
除百度外，腾讯和阿里也加入战局，近期均推出了FPGA云解决方案，华为也在做云计算的架构和方式研究。
盘点国外AI芯片公司
由于中国在生产高端芯片方面落后于美国的半导体产业，大多数人工智能芯片是由美国公司开发的，中国在人工智能芯片领域要赶超美国还需要相当长时间，所以美国为首的AI芯片公司更是出现井喷之势。
在云端服务器这个领域，Nvidia的GPU已经成为服务器不可或缺的一部分，称其为领跑者毫不为过。有报告显示，世界上目前约有3000多家AI初创公司，大部分都采用了Nvidia提供的硬件平台。
在GPU方面，Nvidia有针对个人和游戏玩家的GeForce系列，针对专业工作站的Quadro系列，以及针对服务器和高性能运算的Tesla系列。随着AI的发展，NVIDIA在AI应用方面不断发力，推出了针对自动驾驶的DRIVE系列，以及专为AI打造的VOLTA架构。
资本市场对Nvidiazai给出了热烈的回应：在过去的两年中，曾经以游戏芯片见长的Nvidia股价从十几年的稳居30美元迅速飙升至200美元。
作为PC时代的绝对霸主，Intel已经错过了移动互联网时代，在已经到来的AI时代，也失掉了先机，但它并没有放弃，而是积极布局，准备逆袭。在云端，收购Altera之后推出了基于FPGA的专用深度学习加速卡，可以在云端使用；另外，收购Nervana，目标也是在云端。在移动端，则是收购了Movidius。下面先对Nervana进行介绍，对Movidius的介绍放在后面移动端。
在智能手机芯片占据绝对优势的高通公司，也在人工智能方面积极布局。据高通提供的资料显示，其在人工智能方面已投资了Clarifai公司和中国“专注于物联网人工智能服务”的云知声。
而早在2015年CES上，高通推出了一款搭载骁龙SoC的飞行机器人——Snapdragon Cargo。高通认为在工业、农业的监测以及航拍对拍照、摄像以及视频新需求上，公司恰好可以发挥其在计算机视觉领域的能力。此外，高通的额骁龙820芯片也被应用于VR头盔中。事实上，高通已经在研发能在本地完成深度学习的移动设备芯片。
Nervana创立于2014年，位于圣地亚哥的初创公司Nervana Systems已经从20家不同的投资机构那里获得了2440万美元资金，而其中一家是十分受人尊敬的德丰杰风险投资公司（Draper Fisher Jurvetson，DFJ）。
The Nervana Engine（将于2017年问世）是一个为深度学习专门定做和优化的ASIC芯片。这个方案的实现得益于一项叫做High Bandwidth Memory的新型内存技术，同时拥有高容量和高速度，提供32GB的片上储存和8TB每秒的内存访问速度。该公司目前提供一个人工智能服务“in the cloud”，他们声称这是世界上最快的且目前已被金融服务机构、医疗保健提供者和政府机构所使用的服务，他们的新型芯片将会保证Nervana云平台在未来的几年内仍保持最快的速度。
2016年9月，Intel发表声明收购了Movidius。Movidius专注于研发高性能视觉处理芯片。其最新一代的Myriad2视觉处理器主要由SPARC处理器作为主控制器，加上专门的DSP处理器和硬件加速电路來处理专门的视觉和图像信号。这是一款以DSP架构为基础的视觉处理器，在视觉相关的应用领域有极高的能耗比，可以将视觉计算普及到几乎所有的嵌入式系统中。
该芯片已被大量应用在Google 3D项目Tango手机、大疆无人机、FLIR智能红外摄像机、海康深眸系列摄像机、华睿智能工业相机等产品中。
IBM很早以前就发布过watson，早就投入了很多的实际应用中去。除此之外，还启动了对类人脑芯片的研发，那就是TrueNorth。
TrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。SyNapse全称是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自适应可塑可伸缩电子神经系统，而SyNapse正好是突触的意思），其终极目标是开发出打破冯•诺依曼体系的硬件。
Google在2016年宣布独立开发一种名为TPU的全新的处理系统。TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行得更快，进而更快地让用户得到更智能的结果。
在2016年3月打败了李世石和2017年5月打败了柯杰的的阿尔法狗，就是采用了谷歌的TPU系列芯片。
ARM刚推出全新芯片架构DynamIQ，通过这项技术，AI的性能有望在未来三到五年内提升50倍。
ARM的新CPU架构将会通过为不同部分配置软件的方式将多个处理核心集聚在一起，这其中包括一个专门为AI算法设计的处理器。芯片厂商将可以为新处理器配置最多8个核心。同时为了能让主流AI在自己的处理器上更好地运行，ARM还将放出一系列软件库。
CEVA是专注于DSP的IP供应商，拥有为数众多的产品线。其中，图像和计算机视觉 DSP 产品 CEVA-XM4 是第一个支持深度学习的可编程 DSP，而其发布的新一代型号 CEVA-XM6，具有更优的性能、更强大的计算能力，以及更低的耗能。
CEVA 指出，智能手机、汽车、安全和商业应用，如无人机、自动化将是主要目标。
Eyeriss事实上是MIT的一个项目，还不是一个公司，但是因为获得了大量的媒体报道，故把它单独拿出来进行介绍。从长远来看，如果进展顺利，很可能孵化出一个新的公司。
Eyeriss是一个高效能的深度卷积神经网络（CNN）加速器硬件，该芯片内建168 个核心，专门用来部署神经网路（neural network），效能为一般行动GPU 的10 倍。其技术关键在于最小化GPU 核心和记忆体之间交换数据的频率（此运作过程通常会消耗大量的时间与能量）：一般GPU 内的核心通常共享单一记忆体，但Eyeriss 的每个核心拥有属于自己的记忆体。
目前，Eyeriss主要定位在人脸识别和语音识别，可应用在智能手机、穿戴式设备、机器人、自动驾驶车与其他物联网应用装置上。
在iPhone 8和iPhone X的发布会上，苹果明确表示其中所使用的A11处理器集成了一个专用于机器学习的硬件——“神经网络引擎（Neural Engine）”，每秒运算次数最高可达6000亿次。这块芯片将能够改进苹果设备在处理需要人工智能的任务时的表现，比如面部识别和语音识别等。
2017年，华为海思推出了麒麟970芯片，据知情人士透露，为了对标华为，三星已经研发了许多种类的人工智能芯片。三星计划在未来三年内自家智能手机中都采用人工智能芯片，并且他们还将为人工智能设备建立新的组件业务。三星还投资了Graphcore、深鉴科技等人工智能芯片企业。
ManyCore架构特斯拉CEO马斯克在今年的神经信息处理系统大会上，承认特斯拉自动驾驶硬件工程副总裁 Jim Keller正在领导着一个超五十人的团队在开发自己的AI芯片。
Jim Keller 是2016年带了一批架构师和高管跳槽到特斯拉的，他在 AMD和苹果期间，设计出了K7 、K8架构和A4、A5 处理器，被称得上是天才架构师。
微软蛰伏六年，打造出了一个迎接AI世代的芯片。那就是Project Catapult。这个FPGA 目前已支持微软Bing，未来它们将会驱动基于深度神经网络——以人类大脑结构为基础建模的人工智能——的新搜索算法，在执行这个人工智能的几个命令时，速度比普通芯片快上几个数量级。
2017年7月，微软表示正在研发用于识别语音和图像的 AI 芯片，未来将被包含在下一代 HoloLens 的全息处理单元（HPU）当中。
KnuEdge实际上并不是一个初创公司，它由NASA的前任负责人创立，已经在一个隐形模式下运营了10年。KnuEdge最近从隐形的模式中走出，并让全世界知道他们从一个匿名的投资人获取1亿美元的投资用来开发一个新的“神经元芯片”。
KUNPATH提供基于LambaFabric的芯片技术，LambaFabric将会通过与现在市场上的GPUs、CPUs和FPGAs完全不同的架构进行神经网络的计算。LambdaFabric本质上是为在高要求的运算环境下向上拓展至512000台设备而设计，机架至机架延迟时间只有400毫微秒，低功耗的256核处理器。
创立于2015年的krtkl致力于创造“一个微小的无线电脑用来创造一些完全不同的东西”。这款开拓板是基于XilinxZynq SoC，集成了ARM处置器和可编程FPGA。用户甚至可以经过手机上的专用APP对其举行编程，供230个用户可用的I/O接口，应用灵巧兼容很多扩展板卡。
Barefoot Networks去年11月宣布获得2300万美元C轮融资，由阿里巴巴和腾讯领投。在去年6月，Barefoot 还获得了由谷歌和丹华资本等投资的5700万美元融资。
Barefoot Networks开发了世界上第一个可编程芯片，这种名为Tofino的芯片比现在市场上任何其他芯片快两倍，以每秒6.5兆的速度处理网络数据包。
耐能人工智能(KneronInc.)成立于2015年11月，是一家总部位于美国圣地亚哥的人工智能初创企业，在深圳和珠海也设有办公室。耐能人工智能(KneronInc.)的产品特色在于同时具备硬件及软件的人工智能解决方案，可以将复杂的深度学习演算法，放在终端设备里，而且无需连上网络。
耐能（Kneron）于2016年推出该公司首款终端设备专用的人工智能芯片，称为神经网络处理器（Neural Processing Unit，NPU），以及自行研发的软件开发工具包「重组式人工智能神经网络」（Reconfigurable Artificial Neural Network），采用算法可以针对不同的需求快速调整功能，以适用不同的人工智能应用。
2017年11月，英国芯片制造商Graphcore宣布获得由红杉资本中国基金与红杉资本美国基金共同领投的5000万美元C轮融资。
graphore是一家总部位于布里斯托尔的公司，它开发了新一代计算机处理器，可用于训练人工智能( AI)算法。该公司声称，其IPU ( intelligence processing units)可以将机器智能培训的性能提高10倍到100倍。这家英国公司计划明年大规模出货，其芯片将用于无人驾驶汽车和云计算。
此外，Facebook以及Twitter和更多低调的初创公司都在研发新的芯片。
写在最后：
在AI产业方面，中国可以说和世界在同一个起跑线上。中国的弱点在芯片，近年来，中国的创业者和投资者逐渐开始关注对芯片，截止至2017年6月，中国处理器/芯片投资事件比重排名第四，占比7.55%。
近期，国内AI芯片公司融资信息屡屡刷屏，相信在不久的将来，中国AI芯片公司可以引领全球人工智能产业，下一个英伟达，会是地平线，还是寒武纪呢？
相关阅读：
今日芯闻：领先世界——京东方全球首条10.5代TFT-LCD线投产
半导体行业最强人脉圈期待您的加入
