人工智能芯片的应用场景细分市场越来越多，已经不局限于FPGA

1492年哥伦布从西班牙巴罗斯港出发，一路西行发现了美洲。葡萄牙人达伽马南下非洲，绕过好望角到达了印度。不久之后，麦哲伦用了整整三年时间，完成了人类史上第一次环球航行，开启了人类历史上的大航海时代。大航海时代的到来，拉近了人类社会各文明之间的距离，对人类社会产生了深远的影响。

从深蓝到Alpha Go，人工智能逐渐走进人们的生活。人工智能也从一场技术革命，逐渐走向了产业落地。智能手机、智能家居设备、智能音箱……等设备，已经完全进入到人们的生活中。指纹识别、人脸识别、画面增强等实用人工智能的技术，也成为了人们日常使用电子设备必不可少的技术。

这些在我们日常生活中“见怪不怪”的人工智能技术越来越普遍，代表了人工智能产业在近年来的爆炸式发展，2018年更是被称为人工智能技术规模应用的拐点。而作为人工智能技术的核心，人工智能芯片也备受关注，引得国内外科技巨头纷纷布局。谷歌、苹果、微软、Facebook、英特尔、高通、英伟达、AMD、阿里巴巴等巨头纷纷开始自主研发人工智能芯片。

并且人工智能芯片的应用场景细分市场越来越多，专门为某些人工智能应用场景定制的芯片适用性明显高于通用芯片。这样的形势，给一些人工智能芯片的初创公司带来了机会。寒武纪芯片和地平线的人工智能视觉芯片、自动驾驶芯片等，就是初创公司在人工智能芯片领域取得成功的代表。

人工智能芯片大火的同时，已经呈现出三分天下的态势。FPGA、GPU和TPU芯片，已经在人工智能领域大规模应用。这三种人工智能芯片有何不同？人工智能企业又是怎样看待这三种芯片的？下文将为您详述。

FPGA并不是新鲜的事物，而因为AI的火热的应用需求不断增强，FPGA正是作为一种AI芯片呈现在人们的面前。准确的说，不仅仅是芯片，因为它能够通过软件的方式定义，所以，更像是AI芯片领域的变形金刚。

FPGA是现场可编程逻辑阵列的首字母缩写，即Field-Programmable Gate Array。过去曾与可编程逻辑器件CPLD进行过较量，如今已经在PAL、GAL、CPLD等可程式逻辑装置的基础上进一步发展，成为英特尔进军AI市场的一个重要法宝。

为了更好地了解FPGA和其对AI芯片的未来看法，ZOL企业站对英特尔可编程解决方案事业部亚太区市场拓展经理刘斌（Robin Liu）进行了书面采访。面对目前市场上出现的，CPU、GPU、FPGA、TPU等多种技术处理方式，英特尔又有哪些判断。

刘斌表示：“实际上今天绝大多数人工智能系统是部署在通用处理器上的，原因是在很多应用领域中人工智能部分只是完成某个环节的系统任务，还有大量其它任务一起构成系统处理的完整单元。”在此基础上，出现了很多种选项，比如FPGA、TPU2或者NNP等专用处理器。这种专用处理器，往往向深度学习和神经网络领域延伸，拥有更高效的存储器访问调度结构。

FPGA被称为大型数据中心和计算机群众的“加速多面手”也有其技术生态背景。FPGA的开发社区规模相对较小，也具有一定的门槛，但是，FPGA具备良好的存储器访问能力，并且可以非常灵活高效的处理各种不同位宽的数据类型，其有效计算力接近专用处理器的水平，FPGA还可以在线重编程成为其它非人工智能任务的硬件加速器，这也是其有别于GPU和TPU的关键因素。

具体而言有三大特点：FPGA器件家族的广泛覆盖可以适配从云到端的应用需求；FPGA具有处理时延小并且时延可控的特点，更适合某些实时性要求高的业务场景；FPGA可以灵活处理不同的数据位宽，使得系统可以在计算精度、计算力、成本和功耗上进行折衷和优化，更适合某些制约因素非常严格的工程化应用。相比于ASIC则FPGA更加灵活，可以适配的市场领域更加广泛。