首先看国际市场，人工智能芯片制造领域存在三种角色——
- 因为异构计算被人工智能普遍采用而异军突起的企业；
- 在人工智能领域深入布局的传统IT硬件巨头；
- 希望在此领域分得一杯羹的创业公司。
接下来，为您详细解读。
异构计算技术各异，大小公司命运不同
随着人工智能向各个行业扩散，CPU+GPU的技术构架成为人工智能的标准结构，这让CPU制造商们获利颇丰。
Nvidia
异构计算的领域中最大的获利者是英伟达（Nvidia）。其创始人黄仁勋说，从一直专注于GPU的高端、小众市场的边缘角色一跃成为人工智能芯片领域的巨头，英伟达靠的就是运气——以吴恩达为代表的斯坦福大学人工智能领域的专家们，向其提出以GPU进行人工智能的计算。
英伟达作为全球最大的CPU制造商其利润已然不菲，同时它还希望做更深层次的开发，提出下一代计算方式，称之为特斯拉，并推出特斯拉P100的GPU。
Movidius、Nervana、Altera被并购
异构计算除了GPU以外，主要应用FPGA或者ASIC技术。
而ASIC的典型厂家就是在2016年9月被因特尔以3.62亿美金收购的Movidius。其开发的产品叫做VPU(Visual Processing Unit)，专注于视觉图像处理。此项技术已被应用于谷歌、联想、大疆等公司。
ASIC领域中的另一个典型企业是于2016年被因特尔收购的Nervana，它所提供的人工智能异构计算更偏向于云端，而非移动设备。另外一项技术，FPGA的第二大厂家是在2015年6月以167亿美金被因特尔收购的Altera。
我们看到，一方面异构计算的企业都有后续的研发；另一方面很多异构计算企业正在逐渐地被因特尔这样的巨头并购，以期扭转其在人工智能领域的不利地位。
IT巨头两边忙：深挖高筑 + 吃碗看锅
除此以外，很多实力强劲的传统IT硬件巨头，也在深入布局，希望在未来的人工智能大潮中占领高地，屹立不倒。
因特尔
世界上最大的芯片生产商因特尔在2015年的收入是554亿美金，依然风光。坐拥世界上最多的服务器和工作站所使用的CPU的Xeon处理器和被它收购的几个异构计算的小公司，再加上积极开发中的Neuromophic Computing（类大脑神经结构智能芯片），因特尔的未来布局可算高明。
高通
如果说在传统的计算机和服务器部分，因特尔的CPU当仁不让，那么在移动计算部分，高通的骁龙系列处理器（Snapdragon）可谓一骑绝尘。此前，高通已经用骁龙820提供人工智能相关的本地计算以及开发工具包，今年又在CES展上推出10纳米级别的骁龙835，风光无两。
此外，从长远的战略考量上，高通也在深入研究未来人工智能的处理结构，开发了模仿神经系统的NPU（Neural Processing Uni）。并且提供短期内能够让用户基于自己的硬件做人工智能的开发的大量应用，长短结合，与竞争对手因特尔不谋而合。
谷歌
此外，谷歌作为人工智能领域的领跑者，以每年5%的速度购买全球针对服务器开发的CPU产品，以支撑其建立巨大的数据中心。再加上它投资了很多人工智能领域的相关企业，储备了最强大的人工智能的研发力量。
由此看来，谷歌在应用上有足够的实力，也希望在硬件上发力，一个例证就是其推出的利用ASIC技术架构的加速器TPU（Tensor processing unit），在未来可能会大量替代英伟达的GPU。
IBM
而另一类的IT巨头则寄希望于人工智能可能带来的整个计算架构的升级，即基于类似神经网络结构的人工智能芯片，希望占得先机。如IBM投入巨大力量做的类脑计算TrueNorth，能够模仿大约一百万个人类的神经元和两亿五千六百万个突触。虽然和人的神经细胞相差数倍，但是假以时日一定可以突破。惠普也在做类似的工作。
总结来讲，传统的IT巨头们的未来布局分为几类——有实力的同时推进在CPU和类脑计算领域的扩张，能力不够的则去抢占类脑计算这个高点：应用巨头也按捺不住做硬件的心，玩起了跨界。
小厂
除去CPU制造商和传统IT硬件巨头，一些创业企业也希望找到自己的生存空间。
KnuEdge
比较著名的是由原NASA负责人于2006年创立的KnuEdge——不声张开发方向，实力过硬的时候才告诉大家其产品是什么。类似的小公司有很多，都处于这样的“潜伏状态”。
KnuEdge的产品被归类为芯片技术，专攻音频流的处理，可被应用于声音鉴别的领域。这是很典型的，创业企业聚焦于一个小领域，专攻专精，利于生存发展。
Flex Logix
那另一个企业是2014年创立的Flex Logix，主攻FPGA的芯片设计，并且是典型的CEVA——并不生产芯片，而是把DSP技术License卖出获利。这条路无需巨大的资产投入，但也严重制约了其估值。
Krtkl
还有一个成立于2015年的Krtkl公司，依靠众筹拿到188000美元，生产FPGA版本的树莓派——即相对标准化的小开发工具，既可以为爱好者所用，也可以为一些企业搭建原型所用，学校是其最大的客户。
总的来说，美国的初创企业会以类似FPGA、DSP等相对细分的领域做突破口，和其重量级相匹配。
中国智能芯片前瞻，产业整合是关键
然后我们将视野拉回到国内。中国市场缺乏像因特尔、高通这样的巨头们的竞争，相对宽松。但这也意味着中国的企业会缺乏产业整合能力——芯片产业是一个整合度非常高的产业，整合能力差，即使你做出很好的产品，也很难打入产业链。
再换一个角度，从时间点上考虑，中国的企业确实有机会——人工智能的发展初期，很多算法结构尚未固定，将来的市场份额取决于在GPU上面做了个性化处理。
此外，虽然中国政府一直以来都在扶植的芯片产业并没有太大的进展，但是在类脑计算的领域中国依然有弯道超车的机会—— 人工智能是一个进化系统，并非机械式的计算，只要在多次计算里面略微胜出，就有可能最终获胜。
当然，我们应该认清现实——中国依然缺乏产业整合的能力，缺乏芯片的制造能力，前路并非一帆风顺。
