'一文看全：全球99家AI芯片公司全景圖，中國正在崛起'
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
華為
華為推出AI芯片，瞄準高通和英偉達等巨頭
華為發佈了兩款新的人工智能芯片昇騰910(Ascend 910)和昇騰310(Ascend 310)，其中昇騰910在昨天宣佈商用量產。這兩款芯片的目標是用於數據中心和聯網消費設備，此舉使華為與高通和英偉達等主要芯片製造商展開競爭。
FPGA加速雲服務
FPGA 雲服務器提供 CPU 和 FPGA 直接的高達 100Gbps PCIe 互連通道，每節點提供 8 片 Xilinx VU9P FPGA，同時提供 FPGA 之間高達 200Gbps 的 Mesh 光互連專用通道，讓您的應用加速需求不再受到硬件限制。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
華為
華為推出AI芯片，瞄準高通和英偉達等巨頭
華為發佈了兩款新的人工智能芯片昇騰910(Ascend 910)和昇騰310(Ascend 310)，其中昇騰910在昨天宣佈商用量產。這兩款芯片的目標是用於數據中心和聯網消費設備，此舉使華為與高通和英偉達等主要芯片製造商展開競爭。
FPGA加速雲服務
FPGA 雲服務器提供 CPU 和 FPGA 直接的高達 100Gbps PCIe 互連通道，每節點提供 8 片 Xilinx VU9P FPGA，同時提供 FPGA 之間高達 200Gbps 的 Mesh 光互連專用通道，讓您的應用加速需求不再受到硬件限制。
富士通
富士通正在創建的DLU是從零開始的，它既不是基於Sparc也不是基於ARM指令集，事實上，它有自己的指令集和專門用於深度學習的新數據格式，這些都是從零開始創建的。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
華為
華為推出AI芯片，瞄準高通和英偉達等巨頭
華為發佈了兩款新的人工智能芯片昇騰910(Ascend 910)和昇騰310(Ascend 310)，其中昇騰910在昨天宣佈商用量產。這兩款芯片的目標是用於數據中心和聯網消費設備，此舉使華為與高通和英偉達等主要芯片製造商展開競爭。
FPGA加速雲服務
FPGA 雲服務器提供 CPU 和 FPGA 直接的高達 100Gbps PCIe 互連通道，每節點提供 8 片 Xilinx VU9P FPGA，同時提供 FPGA 之間高達 200Gbps 的 Mesh 光互連專用通道，讓您的應用加速需求不再受到硬件限制。
富士通
富士通正在創建的DLU是從零開始的，它既不是基於Sparc也不是基於ARM指令集，事實上，它有自己的指令集和專門用於深度學習的新數據格式，這些都是從零開始創建的。
諾基亞
諾基亞已經為其5G網絡解決方案開發了ReefShark芯片組。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
華為
華為推出AI芯片，瞄準高通和英偉達等巨頭
華為發佈了兩款新的人工智能芯片昇騰910(Ascend 910)和昇騰310(Ascend 310)，其中昇騰910在昨天宣佈商用量產。這兩款芯片的目標是用於數據中心和聯網消費設備，此舉使華為與高通和英偉達等主要芯片製造商展開競爭。
FPGA加速雲服務
FPGA 雲服務器提供 CPU 和 FPGA 直接的高達 100Gbps PCIe 互連通道，每節點提供 8 片 Xilinx VU9P FPGA，同時提供 FPGA 之間高達 200Gbps 的 Mesh 光互連專用通道，讓您的應用加速需求不再受到硬件限制。
富士通
富士通正在創建的DLU是從零開始的，它既不是基於Sparc也不是基於ARM指令集，事實上，它有自己的指令集和專門用於深度學習的新數據格式，這些都是從零開始創建的。
諾基亞
諾基亞已經為其5G網絡解決方案開發了ReefShark芯片組。
Facebook正在組建一個團隊來設計自己的芯片
據招聘信息和知情人士透露，Facebook 正在組建一個團隊來設計自己的芯片，這加劇了科技公司的一種趨勢，即為自己供貨，降低對英特爾和高通等芯片製造商的依賴。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
華為
華為推出AI芯片，瞄準高通和英偉達等巨頭
華為發佈了兩款新的人工智能芯片昇騰910(Ascend 910)和昇騰310(Ascend 310)，其中昇騰910在昨天宣佈商用量產。這兩款芯片的目標是用於數據中心和聯網消費設備，此舉使華為與高通和英偉達等主要芯片製造商展開競爭。
FPGA加速雲服務
FPGA 雲服務器提供 CPU 和 FPGA 直接的高達 100Gbps PCIe 互連通道，每節點提供 8 片 Xilinx VU9P FPGA，同時提供 FPGA 之間高達 200Gbps 的 Mesh 光互連專用通道，讓您的應用加速需求不再受到硬件限制。
富士通
富士通正在創建的DLU是從零開始的，它既不是基於Sparc也不是基於ARM指令集，事實上，它有自己的指令集和專門用於深度學習的新數據格式，這些都是從零開始創建的。
諾基亞
諾基亞已經為其5G網絡解決方案開發了ReefShark芯片組。
Facebook正在組建一個團隊來設計自己的芯片
據招聘信息和知情人士透露，Facebook 正在組建一個團隊來設計自己的芯片，這加劇了科技公司的一種趨勢，即為自己供貨，降低對英特爾和高通等芯片製造商的依賴。
HPE
HPE開發了自己的低功耗“神經網絡”芯片，
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
華為
華為推出AI芯片，瞄準高通和英偉達等巨頭
華為發佈了兩款新的人工智能芯片昇騰910(Ascend 910)和昇騰310(Ascend 310)，其中昇騰910在昨天宣佈商用量產。這兩款芯片的目標是用於數據中心和聯網消費設備，此舉使華為與高通和英偉達等主要芯片製造商展開競爭。
FPGA加速雲服務
FPGA 雲服務器提供 CPU 和 FPGA 直接的高達 100Gbps PCIe 互連通道，每節點提供 8 片 Xilinx VU9P FPGA，同時提供 FPGA 之間高達 200Gbps 的 Mesh 光互連專用通道，讓您的應用加速需求不再受到硬件限制。
富士通
富士通正在創建的DLU是從零開始的，它既不是基於Sparc也不是基於ARM指令集，事實上，它有自己的指令集和專門用於深度學習的新數據格式，這些都是從零開始創建的。
諾基亞
諾基亞已經為其5G網絡解決方案開發了ReefShark芯片組。
Facebook正在組建一個團隊來設計自己的芯片
據招聘信息和知情人士透露，Facebook 正在組建一個團隊來設計自己的芯片，這加劇了科技公司的一種趨勢，即為自己供貨，降低對英特爾和高通等芯片製造商的依賴。
HPE
HPE開發了自己的低功耗“神經網絡”芯片，
特斯拉
特斯拉開發了自己的自動駕駛芯片：尺寸為 260 平方毫米，擁有 60 億晶體管，具有雙核神經網絡陣列，每秒可運行 36 萬億次操作，採用 14 納米工藝製造。與上一代 Autopilot 硬件（由英偉達硬件驅動）相比，每秒幀數處理能力提高了 21 倍，使每輛車的硬件成本降低約 20％。
【導讀】AI芯片廠商知多少？最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，是值得收藏的超全資料。
AI芯片知多少？
最近，芯片專家唐杉博士更新了“AI芯片全景圖”，同時加了版本號和發佈時間，介紹了現有的幾乎全部深度學習處理器，可能是對AI芯片廠商做的最全面的列表了。
AI芯片全景圖(點擊閱讀原文下載原圖)
AI芯片全景圖包含5個大類，共介紹了99家AI芯片公司，包括：
- IC供應商（15家）
- 科技巨頭&HPC供應商（15家）
- IP供應商（7家）
- 中國芯片初創公司（15家）
- 全球芯片初創公司（47家）
接下來，我們帶來這99家芯片公司的詳細介紹：
集成電路供應商
英特爾
在Hot Chips大會，英特爾強調了“AI Everywhere”思想。
在2019年的Hot Chips大會上，英特爾公佈了即將推出的高性能AI加速器的新細節：Intel®Nervana™神經網絡處理器，其中NNP-T用於訓練，NNP-I用於推理。英特爾的工程師展示了混合芯片封裝技術、Intel® Optane™ DC持久內存和optical I/O技術的細節。
Mobileye EyeQ
Mobileye目前正在開發其第五代SoC, 即EyeQ®5，作為一個視覺中央計算機，為將於2020年上路的全自動駕駛(5級)車輛執行傳感器融合。為了滿足功耗和性能目標，EyeQ®SoCs在最先進的超大規模集成電路工藝技術節點上進行了設計——第5代的FinFET達到了7nm。
Movidius
MYRIAD 2是一個多核、始終在線的芯片系統，支持移動、可穿戴和嵌入式應用程序的計算成像和視覺感知。視覺處理單元包含並行性、指令集體系結構和微體系結構特性，在一系列計算成像和計算機視覺應用程序(包括延遲要求低到毫秒級的應用程序)中提供高度可持續的性能效率。
Myriad™X是第一個以神經計算引擎為特徵的VPU，這是一個用於在設備上運行深度神經網絡應用程序的專用硬件加速器。通過智能存儲結構和其他關鍵組件，神經計算引擎能夠在避免數據流瓶頸的情況下，提供行業領先的性能。
FPGA
英特爾FPGA OpenCL和解決方案。
Loihi
英特爾的Loihi測試芯片是該公司首款自主學習芯片。
Loihi測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時要求更低的計算能力。神經形態芯片模型的靈感來自神經元交流和學習的方式，使用的是可以根據時間來調節的spikes和plastic 突觸。這可以幫助計算機自我組織，並根據模式和關聯做出決策。
高通
高通為雲計算帶來了高效的人工智能推理處理
高通最近宣佈，將通過Qualcomm® Cloud AI 100將公司的AI專業知識引入雲計算，以滿足雲計算中AI推理處理的爆炸式需求，它利用了高通公司在先進信號處理和能耗效率方面的傳統優勢。
Snapdragon 855移動平臺
高通的第四代設備上AI引擎驍龍855，其AI是前一代的3倍，每秒執行超過7萬億次操作(TOPS)。
英偉達
GPU
NVIDIA TESLA T4張量核心GPU：為TensorRT Hyperscale推理平臺提供動力。
NVIDIA揭示了下一代Turing GPU架構：光線追蹤，GDDR6等
在英偉達的SIGGRAPH 2018年主題演講上，公司首席執行官黃仁勳正式公佈了備受期待的Turing GPU架構。作為下一代NVIDIA GPU設計，Turing將納入一些新功能，並將在今年推出。
英偉達的DGX-2系統具有強大的人工智能性能
英偉達於今年3月推出了第二代DGX系統。為了製造半精度2 petaflops 的DGX-2，英偉達必須首先設計並製造一種新的NVLink 2.0 Switch芯片，名為NVSwitch。儘管英偉達目前只將NVSwitch作為其DGX-2系統的一個組成部分，但不排除向數據中心設備製造商銷售NVSwitch芯片的可能。
SoC
在邊緣，Nvidia提供了用於自動駕駛的AI Car Computer：Nvidia DRIVE™PX，以及“用於自動駕駛的嵌入式平臺”JETSON TX1/TX2模塊。
NVDLA
NVIDIA在GTC2017宣佈開源XAVIER DLA深度學習加速器：https://github.com/nvdla/
三星
三星為高端移動設備配備了Exynos 9系列9820處理器的設備上AI處理，第四代定製核心和2.0Gbps LTE高級調制解調器支持豐富的移動體驗，包括AR和VR應用
AMD
即將發佈的AMD Radeon Instinct MI25有望實現12.3 TFlops的SP或24.6 TFlops的FP16。如果你的計算符合英偉達的Tensors，那麼AMD就沒有競爭力了。Nvidia的帶寬為900GB/s，幾乎是AMD的484 GB/s的兩倍。
據報道，特斯拉正在與AMD合作開發自己的人工智能處理器，用於其自動駕駛系統。特斯拉與英偉達存在合作關係。英偉達的GPU為特斯拉的自動駕駛系統提供動力。
Xilinx賽靈思
Xilinx推出了世界上最快的數據中心和人工智能加速卡：Alveo，旨在大幅提高跨雲和內部數據中心的行業標準服務器的性能。
Xilinx提供了“從邊緣到雲的機器學習推理解決方案”，並且聲稱他們的FPGA最適合INT8。雖然FPGAs的每瓦性能令人印象深刻，但在價格和性能之間找到平衡是FPGAs的主要挑戰。
IBM
神經形態芯片TrueNorth：TrueNorth是IBM的神經形態CMOS ASIC與DARPA的SyNAPSE項目共同開發的。它是一個芯片設計上的多核處理器網絡，有4096個核，每個核模擬256個可編程硅“神經元”，總共有100多萬個神經元。反過來，每個神經元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數超過2.68億個。就基本的構建模塊而言，它的晶體管數量是54億。由於4096個神經突觸核都能處理內存、計算和通信，TrueNorth繞過了von- neumann架構的瓶頸，而且非常節能，功耗70毫瓦，大約是傳統微處理器功率密度的1/ 10000。
IBM POWER9，人工智能的順風車：POWER9 處理器芯片專為人工智能設計，計算速度比前代 POWER8 產品高出 1.5 倍。
ST
意法半導體正在設計神經網絡技術的第二代產品，該公司在2017年2月的國際固態電路會議(ISSCC)上報告了這一技術。
NXP
S32 AUTOMOTIVE PLATFORM
NXP S32汽車平臺是世界上第一個可擴展的汽車計算架構。它提供了一個統一的硬件平臺和一個跨應用領域的相同軟件環境，以更快地將豐富的車內體驗和自動駕駛功能推向市場。
ADAS Chip
S32V234是一個用於前置和環繞視圖相機、機器學習和傳感器融合應用的視覺處理器。
Marvell
Marvell展示了人工智能SSD控制器體系結構解決方案，通過將英偉達的深度學習加速器(NVDLA)技術整合到其數據中心和客戶端SSD控制器家族中，為廣泛的行業提供AI能力。
MediaTek
聯發科宣佈推出Helio P90，強調AI處理。
海思
智能手機的麒麟系列芯片
麒麟980，是世界上第一個7nm移動智能芯片。麒麟980創造了多項“全球第一”，是全球首款7nm製程手機SoC芯片組，全球首款cortex-A76架構芯片組，全球首款雙NPU設計，全球首款支持LTE cat21的芯片組。麒麟980融合多種技術，引領AI流，為用戶提供令人印象深刻的移動性能，創造更便捷、更智能的生活。
移動相機SoC
海思也開發移動相機SoC，如雙核 CNN@700 MHz 神經網絡加速器。
Rockchip瑞芯微電子
Rockchip發佈了其首款AI處理器RK3399Pro - NPU，性能最高可達2.4 TOPs。
Renesas
Renesas為下一代人工智能芯片開發了新的內存處理技術，使人工智能處理性能達到8.8 TOPS/W。
Ambarella
開發了用於邊緣應用的智能視覺處理器
科技巨頭和高性能計算提供商
谷歌
邊緣硬件Coral 開發板
谷歌已經開始銷售售價150美元的Coral Dev Board，這是一款用於加速人工智能邊緣計算的硬件套件
TPU
谷歌最初的TPU大大領先於GPU，最初的700MHz TPU被描述為8-bit，95 TFlops，或16-bit計算，23 TFlops，而功耗只有40W。這比當時的GPU要快得多，但現在比Nvidia的V100要慢，但不是按每W計算。
Cloud TPUs可以在谷歌雲平臺(GCP)中使用。
去年I/O大會，谷歌發佈了TPU 3.0，詳細分析可以看這篇文章：谷歌 TPU 3.0 到底厲害在哪裡？
Edge TPU
如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在雲環境中訓練的AI模型越來越需要在邊緣運行。Edge TPU是谷歌的專用ASIC，設計用於在邊緣運行AI。
更多參考文章：
谷歌TPU3.0到底厲害在哪裡？
Google TPU 揭密
Google 的神經網絡處理器專利
脈動陣列 - 因 Google TPU 獲得新生
亞馬遜
亞馬遜可能正在為Alexa開發AI芯片，這將使Alexa能夠更快地解析信息並得到答案。
AWS Inferentia，是一款高性能機器學習推理芯片，為AWS定製。AWS Inferentia以極低的成本提供高吞吐量、低延遲的推理性能。每個芯片提供數百TOPS的推理吞吐量，允許複雜的模型做出快速預測。為了獲得更高的性能，可以同時使用多個AWS Inferentia芯片來驅動數千 TOPS的吞吐量上限。
AWS FPGA實例
Amazon EC2 F1是一個帶有現場可編程門陣列(FPGA)的計算實例，你可以通過編程為應用程序創建自定義硬件加速。
微軟
如果想了解微軟對FPGA在雲中的應用前景，基於FPGA的可配置雲也是一個很好的參考。“智慧雲中的FPGA”這篇文章提供了FPGA的概述和FPGA用於雲端推理。
實時AI：微軟宣佈Project Brainwave
在微軟Build開發者大會上，微軟宣佈了一個集成了Azure機器學習的項目Project Brainwave，該公司表示，這將使Azure成為最高效的人工智能雲計算平臺。
微軟正在招募工程師為其雲計算系統設計AI芯片
最近的招聘信息顯示，微軟正在效仿谷歌，為人工智能設計一款處理器。
蘋果
A12仿生芯片是智能手機中最智能、最強大的芯片。
A12仿生，與下一代神經引擎一起，提供了令人難以置信的性能。它使用實時機器學習來改變你體驗照片、遊戲、增強現實等等的方式。
阿里巴巴
阿里巴巴將於明年推出自研的AI芯片
阿里成立了一家半導體公司，並公佈了推出自己的人工智能處理器的計劃。該公司希望加強對其雲計算和物聯網業務的支持。
阿里巴巴正在開發自己的神經網絡芯片Ali-NPU，該芯片將用於圖像視頻分析、機器學習等人工智能應用場景。
阿里雲
FPGA雲服務器(Beta)是阿里雲提供的現場可編程門陣列(FPGA)的計算實例，用戶可以在幾分鐘內輕鬆創建FPGA設計，並基於阿里雲彈性計算框架創建定製的專用硬件加速器。
深度學習（Deep Learning）是一種多層計算模型，可以對複雜輸入進行建模，在圖像分類、語音識別、自然語言處理中取得了成果，FPGA 實例由於其細粒度並行的硬件特性，非常適合小批量數據的深度學習預測過程，以低功耗、低延遲、高性能著稱，以 AlexNet 模型為例，使用 FPGA 計算實例進行圖片類別預測，速度比僅用 CPU 的普通實例快 8~15 倍。
騰訊雲
騰訊雲引入FPGA實例(Beta)，基於Xilinx Kintex UltraScale KU115 FPGA，有三種不同規格。在未來，他們將提供更多配置FPGA的選擇。
百度
百度自研了AI芯片“崑崙”，瞄準雲計算和邊緣用例。該芯片採用三星的14nm製程，內存帶寬為512GBps，每秒可運行260Tops，功率為100瓦。
在百度內部，FPGA 從 2013 年開始就應用在許多典型的深度學習模型中，如 DNN，RNN，CNN，LSTM 等，涵蓋了語音識別，自然語言處理，推薦算法，圖像識別等廣泛的應用領域。百度 FPGA 雲服務器中開放了基於 FPGA 的深度卷積神經網絡加速服務，單卡提供 3Tops 的定點計算能力，支持典型深度卷積網絡算子，如卷積、逆卷積、池化、拼接、切割等，有效加速典型網絡結構如 VggNet、GoogLeNet、ResNet 等。基於 FPGA 的深度學習硬件，深度定製優化了主流深度學習平臺如 caffe 等，用戶可以直接將深度學習業務切換到 FPGA 平臺，而無需考慮底層硬件細節。
華為
華為推出AI芯片，瞄準高通和英偉達等巨頭
華為發佈了兩款新的人工智能芯片昇騰910(Ascend 910)和昇騰310(Ascend 310)，其中昇騰910在昨天宣佈商用量產。這兩款芯片的目標是用於數據中心和聯網消費設備，此舉使華為與高通和英偉達等主要芯片製造商展開競爭。
FPGA加速雲服務
FPGA 雲服務器提供 CPU 和 FPGA 直接的高達 100Gbps PCIe 互連通道，每節點提供 8 片 Xilinx VU9P FPGA，同時提供 FPGA 之間高達 200Gbps 的 Mesh 光互連專用通道，讓您的應用加速需求不再受到硬件限制。
富士通
富士通正在創建的DLU是從零開始的，它既不是基於Sparc也不是基於ARM指令集，事實上，它有自己的指令集和專門用於深度學習的新數據格式，這些都是從零開始創建的。
諾基亞
諾基亞已經為其5G網絡解決方案開發了ReefShark芯片組。
Facebook正在組建一個團隊來設計自己的芯片
據招聘信息和知情人士透露，Facebook 正在組建一個團隊來設計自己的芯片，這加劇了科技公司的一種趨勢，即為自己供貨，降低對英特爾和高通等芯片製造商的依賴。
HPE
HPE開發了自己的低功耗“神經網絡”芯片，
特斯拉
特斯拉開發了自己的自動駕駛芯片：尺寸為 260 平方毫米，擁有 60 億晶體管，具有雙核神經網絡陣列，每秒可運行 36 萬億次操作，採用 14 納米工藝製造。與上一代 Autopilot 硬件（由英偉達硬件驅動）相比，每秒幀數處理能力提高了 21 倍，使每輛車的硬件成本降低約 20％。
LG
LG開發AI芯片用於各種產品，包括掃地機器人，洗衣機和冰箱。
傳統的IP供應商
ARM
DynamIQ是嵌入式IP巨頭ARM對AI時代的迴應。它可能不是一個革命性的設計，但肯定是重要的。
ARM還提供了一個開源計算庫，其中包含為Arm Cortex-A系列CPU處理器和Arm Mali系列GPU實現的全面軟件功能。
ML處理器專為邊緣推理而設計，具有業界領先的4.6 TOP性能，移動設備和智能IP攝像機具有驚人的3 TOP/W效率。
Arm詳細介紹了被稱為“機器學習處理器（MLP）”的架構。MLP IP在架構實施方面起步空白，團隊由從CPU和GPU團隊中脫穎而出的工程師組成。
新思科技（Synopsys）
名列美國標普500指數成分股，長期以來是全球排名第一的IC電子設計自動化（EDA）創新公司，也是排名第一的IC界面IP供應廠商，專門提供“硅晶到軟件（Silicon to Software™）”最佳的解決方案。不論是針對開發先進半導體系統單芯片（SoC）的設計工程師，或正在撰寫應用程序且要求高品質及安全性的軟件開發工程師，新思科技都能提供所需的解決方案，以協助工程師完成創新、高品質併兼具安全性的產品。
Imagination
Imagination Technologies公司現以硅智財（SIP）授權販售及DAB收音機為主要業務，PowerVR為其主力銷售的一項技術。英特爾及蘋果公司分別持有Imagination Technologies 16.02%及9.5%股份。該公司宣佈推出2NX NNA系列的首批產品：更高性能的AX2185和更低成本的AX2145。
基華物流（CEVA）
由兩大物流巨頭TNT物流和EGL宏鷹全球物流於2007年8月合併組成。從2G開始，CEVA的DSP IP就被用在通信基帶處理上，TeakLite系列非常成功。在4G時代，聯芯基於CEVA DSP打造的SDR平臺被小米採用。在CES之前，CEVA宣佈了一款名為NeuPro的新型專用神經網絡加速器IP。
益華電腦（Cadence）
成立於1988年，是EDA(電子設計自動化)軟件與工程服務的重要廠商，主要提供設計集成電路(IC)、系統單芯片(SoC)、以及印刷電路板(PCB)所需的軟件工具與硅智財(IP)，涵蓋類比/數位/混合電路設計、驗證、封裝/PCB設計等各領域。
芯原股份（VeriSilicon）
芯原的前身是美國思略科技公司(Celestry Design Technologies,Inc.)在上海的分公司。目前是集成電路（IC）設計代工公司，為廣泛的電子設備和系統如智能手機，平板電腦，高清電視（HDTV），機頂盒，藍光DVD播放機，家庭網關以及網絡和數據中心等提供定製化解決方案和系統級芯片（SoC）的一站式服務。
videantis
德國videantis有限公司是面向移動、家用和定製多媒體應用的芯片、硅IP及軟件解決方案的領先供應商，推出了支持多種標準的視頻IP解決方案，包括 H.264/AVC、MPEG-4、H.263、DivX、WMV9/VC-1、MPEG-2和視頻增強標準等。Videantis的v-MP6000UDX處理器是一個可擴展的處理器系列，旨在以低功耗的方式運行高性能深度學習，計算機視覺，成像和視頻編碼應用。
中國AI創業公司
寒武紀（Cambricon Technologies Corp Ltd）
寒武紀在5月3日的上海發佈會上推出了兩款新產品，一款基於雲的智能芯片Cambricon MLU100和一款新版本的AI處理器IP產品Cambricon 1M。
地平線（Horizon Robotics ）
受到中國企業和政府推動半導體產業的策略影響，地平線稱在其最新一輪融資中籌集了6億美元，其估值達到30億美元。
比特大陸（Bitmain）
還不確定比特大陸的最新產品Sophon是否會涉足深度學習。但是，通過賦予它這樣一個名字，比特大陸向AI之心已經非常明顯了。Sophon將包括比特大陸的第一塊定製芯片，用於革命性的AI技術。如果一切順利，Sophon很快就可以在世界各地的大型數據中心訓練神經網絡了。
啟英泰倫（Chipintelli）
啟英泰倫的第一款IC CI1006專為自動語音識別應用而設計。
ThinkForce
中國AI芯片製造商ThinkForce獲得6800萬美元A輪融資，紅杉資本，高瓴資本集團，依圖參與。
雲知聲（Unisound）
雲知聲籌集了1億美元投入人工智能芯片開發。
思必馳（AISpeech）
中國的思必馳在Advanced Speech Tech上籌集了7600萬美元，瞄準AI芯片。
若琪（Rokid）
中國人工智能創業公司Rokid將大規模生產用於語音識別的自定義AI芯片。
肇觀電子（NextVPU）
全球領先的計算機視覺處理IC和系統公司NextVPU推出了AI視覺處理IC N171。N171是NextVPU的N1系列計算機視覺芯片的旗艦IC。
嘉楠耘智（Canaan）
嘉楠耘智推出的Kendryte是一系列專注於物聯網的AI芯片。
燧原科技（Enflame Tech）
燧原科技是一家總部位於中國上海的創業公司。燧原科技正在開發深度學習加速器SoC和軟件堆棧，針對雲服務提供商和數據中心的AI訓練平臺解決方案。
億智電子（EEasy Technology）
億智電子是一家AI系統級芯片（SoC）設計公司和整體解決方案提供商。它的產品包括AI加速，圖像和圖形處理，視頻編碼和解碼，混合信號ULSI設計能力。
知存科技（WITINMEM）
知存科技成立於2017年10月，專注於基於NOR閃存中處理內存技術的低成本、低功耗AI芯片和系統解決方案。
清微智能科技（Tsing Micro）
清微智能是一家可重構計算芯片企業，提供以端側為基礎，並向雲側延伸的芯片產品及解決方案，其核心技術團隊來自清華大學微電子所。
黑芝麻智能科技（Black Sesame Technologies）
黑芝麻智能科技將要完成其1億美元的B輪融資，未來用於擴大與OEM的合作，加速大規模生產，自動駕駛儀控制器的參考設計開發，以及軟件車輛集成。
全球芯片初創公司
Cerebras Systems
為了給人工智能提供動力，這家初創公司製造了一個非常非常大的芯片
Cerebras Systems推出了有史以來最大的半導體芯片，其名為Cerebras Wafer Scale Engine，面積 42225 平方毫米(邊長約22釐米)，擁有1.2萬億晶體管，40 萬核心。晶體管是硅芯片的基本組件，1971年，英特爾的第一個4004處理器擁有2300個晶體管，而最近的一個AMD的處理器擁有320億晶體管。
Wave Computing
一家位於美國硅谷、致力於推動人工智能深度學習從邊緣計算到數據中心的計算加速方案的公司。
Graphcore
Graphcore是一家英國AI芯片公司，去年年底籌集了3000萬美元，用於支持其智能處理單元IPU的開發。關於Graphcore的IPU架構，這篇文章做了一些分析：
【XPU 時代】解密哈薩比斯投資的 IPU，他們要分英偉達一杯羹。
PEZY Computing
PEZY Computing是一家日本芯片設計公司，專門為超級計算機設計多核處理器，它的2048核心的PEZY-SC2創造了Green500的記錄。
Tenstorrent
Tenstorrent是一家位於多倫多的小型加拿大初創企業，與大多數企業一樣，該公司聲稱，深度學習的效率有了一個數量級的提高。他們沒有公開更多細節，但他們在 Cognitive 300名單上。
ThinCI
ThinCI籌集了6500萬美元，用於開發用於汽車和聯網車輛的AI處理器。ThinCI不僅在開發芯片，還在開發軟件和開發工具包，使其硬件平臺能夠擴展到廣泛的用途。
Koniku
成立於2014年的加州初創公司Koniku目前已經獲得165萬美元的資金，成為“世界上第一家神經計算公司”。?Koniku實際上是將生物神經元集成到芯片上，並且已經取得了一些進展。
Adapteva
Adapteva獲得了510萬美元的資金，論文“Epiphany-V：一個64位RISC片上系統1024核處理器”描述了Adapteva公司採用16nm FinFet技術設計的1024核處理器芯片。
Knowm
Knowm實際上是一家ORG，但他們似乎在追求營利。到目前為止，這家新成立的公司已經獲得了數目不詳的種子資金，用於開發一個新的計算框架AHaH Computing(Anti-Hebbian and Hebbian)，這項技術旨在將智能機器學習應用程序的大小和功耗降低9個數量級。
Mythic
Mythic正在開發一種AI芯片，它“將桌面GPU計算能力和深度神經網絡植入一個鈕釦大小的芯片——功率低50倍，數據處理能力也遠超競爭對手”
Kalray
Kalray推出了Kalray Neural Network 3.0 (KaNN)，一個AI應用開發平臺。KaNN允許開發人員將基於AI的算法從著名的機器學習框架(包括Caffe、Torch和TensorFlow)無縫地移植到Kalray的大規模並行處理器陣列(MPPA)智能處理器上。
BrainChip
BrainChip 是第一家提供脈衝神經處理器(Spiking Neural processor)的公司，目前的設備被稱為BrainChip加速器，是一種用於快速學習的芯片。
AImotive
AImotive和合作夥伴VeriSilicon正在設計一款22 nm FD-SOI測試芯片，Aimotive的另一個有趣的項目是神經網絡交換格式(NNEF)。
DeepScale
DeepScale為感知人工智能(perception AI )籌集了300萬美元，以確保自動駕駛汽車的安全性。
Leepmind
Leepmind正在對原有的芯片架構進行研究，以在低功耗的電路上實現神經網絡。
Krtkl
“Snickerdoodle開發板”眾籌了224,876美元，正在開發手掌大小的芯片，使用來自Xilinix的Zynq SoC。
NovuMind
NovuMind結合大數據、高性能和異構計算將物聯網(IoT)改變成智能物聯網(I²oT)。
REM
REM(Reduced Energy Microsystems)正在開發更低功耗的異步芯片，以適應CNN的推斷。據TechCrunch報道，REM是Y Combinator的第一家ASIC公司。
TeraDeep
TeraDeep正在利用其深度學習FPGA的加速功能打造一款AI芯片。
Deep Vision
Deep Vision 正在為深度學習設計低功耗芯片。
Groq
Groq由曾設計TPU的谷歌前員工創建，聲稱其第一款芯片每秒可運行400萬億次運算，每瓦的效率最高可達8TOP/s。
KAIST DNPU
KAIST公司開發了人臉識別系統“K-Eye”
Kneron
Kneron獲得超過1000萬美元的A輪融資，用於加速Edge AI的開發。
Gyrfalcon Technology
Gyrfalcon Technology 自2017年9月推出其生產版本的AI加速器芯片以來，一直在為各種形式的AI推廣基於矩陣的專用芯片。
Esperanto
雖然Esperanto將授權他們一直在設計的核心，但他們確實計劃生產自己的產品。第一個產品是機器學習計算系統，每瓦特可達最高萬億次浮點運算。
SambaNova Systems
SambaNova Systems是一家專注於構建機器學習和大數據分析平臺的計算初創企業。
GreenWaves
GreenWaves開發基於開源IP的物聯網應用處理器，其第一個產品是GAP8。
Lightelligence
開發光學計算機，以改進人工智能用途。
Lightmatter
Lightmatter希望改變所有計算的方式，開發的光子芯片本質上是以光速進行計算。
Think Silicon
Think Silicon是開發超低功耗圖形IP技術的領導者，開發了世界上第一個用於人工智能卷積神經網絡的低功耗“推理加速器”視覺處理單元。
InnoGrit
InnoGrit推出了一套用於固態硬盤(SSD)的控制器。
Kortiq
Kortiq開發了“基於FPGA的神經網絡引擎IP核，可擴展的解決方案，低成本的邊緣機器學習推理嵌入式視覺”。
Hailo
Hailo發佈了一款為人工智能工作負載定製的邊緣芯片Hailo-8
Tachyum
Tachyum推出一款代號為“Prodigy”的處理器，主要專注於超大規模的數據中心市場。
AlphaICs
AlphaICs設計了一個針對深度學習、強化學習和其他機器學習任務進行優化的指令集體系結構(ISA)。這家初創公司的目標是生產一系列16到256核的芯片，覆蓋2w到200w。
Syntiant
Syntiant是加州一家半導體公司，由博通的前高級工程師領導。
Habana
Habana是一家領先的AI芯片廠商，最近推出了Habana Gaudi™AI訓練處理器。
aiCTX
aiCTX是一家瑞士初創企業，將為其低功耗的神經形態計算和處理器設計開發商業應用程序，並實現其所謂的“神經形態智能”。
Flex Logix
成立四年的初創公司Flex Logix揭開了其用於機器學習的新型芯片設計的面紗，宣稱其性能遠遠高於英偉達。
Preferred Networks
Preferred Networks將在2020年春季推出一款定製的深度學習處理器MN-Core，用於一個新的大規模集群MN-3。
Cornami
Cornami最近披露了其運行神經網絡的芯片設計新方法的一些細節，該芯片將最終實現上世紀70年代首次出現的一項技術的最佳實踐。
Anaflash
Anaflash提供了新的邊緣計算解決方案，它開發了一種測試芯片，用於演示在邏輯兼容的嵌入式閃存中進行的模擬神經計算。
Optalysys
Optalysys開發了光學協同處理技術，與傳統計算機相比，該技術能夠以大大降低能耗的方式提供新的處理能力。
Eta Cpmpute
Eta Cpmpute為Edge AI設計脈衝神經網絡芯片，該芯片可以在100微瓦的範圍內自主學習和推理。
Achronix
Achronix開發了7納米FPGA芯片，以更低的成本提供競爭對手英特爾和Xilinx類似的性能。
Areanna
Areanna開發了新穎的SRAM架構，用於深度學習。
NeuroBlade
NeuroBlade是一家以色列芯片公司，完成了2300萬美元的A輪融資。