9月10日英特尔不那么香了，巨头们各起炉灶干芯片！

【王煜全 要闻评论】粉丝群已经开通

欢迎加入前哨粉丝群，在这里你可以和科技投资人、创业者、各行业专业人士互动沟通，分享心得体会，也可以第一时间了解到前哨相关活动动态，结交志同道合的小伙伴。

入群方式：
1）添加创新地图的微信：innovationmap 为好友，并在好友请求中标注“要闻评论”
2）把你的全名和职称发给“创新地图”

如果您想洽谈合作，也请添加创新地图微信，并附上简介。

你好，我是王煜全，这里是王煜全要闻评论。

9月6日，CNBC的一篇文章报道说，苹果、亚马逊、特斯拉等科技巨头们正在急于开发自己的芯片。

去年11月，苹果宣布抛弃英特尔的CPU，推出了首款自研芯片M1，用在电脑和ipad上。

今年8月，百度宣布量产昆仑2代人工智能芯片，主要用在智能驾驶、智能交通等需要大算力的场景中。

另外，在AI芯片方面，还有阿里推出了“含光”，华为推出了“昇腾”，亚马逊推出了“Inferentia”。

最近引人注意的是，8月份特斯拉推出了一款具有高计算性能的芯片D1，并计划用D1打造世界上最强大的人工智能计算机，专门用来训练神经网络，对各种视频进行分析，帮助车辆在自动驾驶时作出相应的决策。

你会发现，确实有越来越多的科技巨头加入到了自研定制芯片的行列，满足特定应用的需求。

为什么大家会突然扎堆，开发定制化芯片呢？

这是因为如果和竞争对手用相同的通用芯片，你就做不到性能更好，成本更低，无法差异化竞争。

其实在去年10月的【科技特训营】里，我们就讲过芯片产业的未来机会。

过去的芯片产业是单芯片时代，比较的是单一芯片的性能，英特尔的X86架构CPU一直占据着主导地位，但是现在，大家迎来了一个新机会！

就是当人们进入人工智能+云计算的时代，面对海量数据需要处理的时候，过去的通用芯片CPU已经不能满足需求了，拥有高带宽、高并发的异构计算，在这时候就显得特别重要。也就是说，芯片产业进入了异构计算时代。

那到底什么是异构计算呢？

异构计算，就是多种计算单元(例如CPU、GPU、ASIC、FPGA)的集成和融合。

异构计算的芯片中既有通用计算单元，也有高性能的专用计算单元，复杂但轻松的任务交给通用计算单元，简单但繁重的任务交给专用计算单元，整体上就具有了高性能、低功耗等优点。

一般来说CPU的结构中，算术逻辑单元占的面积很小，大部分电路都被做成了控制电路和缓存，所以它更擅长做控制和任务分配，计算效率并不高。

后来人们发现，既然CPU算力不够，那就多找几个好帮手，让他专心做分配任务的事就行了。

GPU就是其中一个好帮手。

GPU就是专用处理器的一种，在结构上和CPU大不相同。它的控制部分很少，计算单元占据了大部分电路，拥有上千个算术逻辑单元，可以组成大规模并行计算架构，算力能达到CPU的几十上百倍。

所以通常是一个任务来了之后，CPU先分析下任务的性质，然后决定分配给谁，遇到大量的重复性工作时，就分给GPU做并行计算。

随着5G、边缘计算的发展，有一种趋势越来越明显，就是未来会需要更多的性能更高的专用计算，来解决行业的特定问题。这时候通用芯片就不是最好的解决方案了，专用的定制化芯片会更加适合。

例如ASIC（Application Specific Integrated Circuit）专用集成电路，就是一种定制化的芯片。

与CPU、GPU 的通用性相比，ASIC就只做一件事情，针对具体的某个任务来说，它的处理速度更快，能耗更低，但是成本相对比较高。

谷歌的TPU（Tensor Processing Unit 张量处理器），就是专门为深度神经网络运算而研发的芯片，是一款ASIC定制化芯片。

与同期的CPU和GPU相比，谷歌的TPU可以提供15-30倍的性能提升，以及30-80倍的效率提升，可以大规模的用于神经网络，还能把成本控制在可接受的程度上。

其实谷歌TPU性能强劲的秘诀，就是因为专注于神经网络计算。单用途的TPU不需要考虑缓存、分支预测等问题，所以控制单元更小，更容易设计，给运算单元留下了更大的空间，TPU的大小只有其他芯片的一半，硅片越小，成本越低，良品率也越高。

还有一种神经网络处理器也经常出现，叫做NPU，你可能猜到了，NPU也是一款ASIC定制化芯片，是专门用于神经网络算法与加速的。

当然，除了ASIC还有其他的专用芯片，例如FPGA（Field Programmable Gate Array 现场可编程门阵列）就是半定制芯片。

ASIC是专门根据特定需求设计电路后，就交给芯片厂家流片，功能就固定了，不能再随便更改。而FPGA是根据需求设计好电路后，下载到芯片里，随时还可以修改。

一般来说，很多异构芯片都是CPU+GPU，CPU+ASIC，CPU+FPGA等，它能让多种不同类型的计算核心高效协同，从而达到整个系统芯片的性能突破。

例如，特斯拉的全自动驾驶FSD芯片，就是一款异构计算芯片。芯片内部集成了CPU、GPU和NPU，能更高速且低能耗地处理摄像头信号，让系统算力大幅提升。

可以预见，随着人工智能进入展开期，开始进入各个行业，很多平台实现差异化竞争的关键，可能就在于为特定应用而设计的专用芯片。

芯片产业从过去的单芯片功能为王的CPU架构，到现在多芯片整合，异构计算的整合芯片，这个时候CPU不再重要，异构部分的专用芯片将是系统性能提升的关键。

在过去的二十年里，芯片产业都是个直道，中国没有办法插进去，直道很难超车。

现在，芯片到了异构计算时代，出现了弯道，我们的CPU虽然一时难以赶上，但可以用更强大的专用计算芯片，让系统的整体处理水平变得更高。这是咱们中国企业可以把握，而且必须把握的关键机会！

其实不光是芯片产业，整个科技产业都是这样，要想在未来胜出，科技企业家和投资人必须要提前看清时代趋势，尽早布局。我们科技特训营的目标就是帮助有志于发展科技产业生态的同路人，一起看清未来，共同行动。

以上就是今天的内容，更多产业深度分析和底层思考逻辑，会在“前哨科技特训营”里分享，欢迎关注微信公众号“全球风口”，报名加入。

王煜全要闻评论，我们下周见！