2019年杭州云棲大會上，阿里首款AI芯片含光800雖然只有短短幾分鐘的介紹，卻成了外界最為關注的消息。互聯網巨頭進入自研芯片領域早已不是新聞，但每次他們自研芯片的正式推出和商用的宣布，依舊會吸引了無數的關注。

不少人應該也會疑問，這是不是芯片巨頭們要被替代的開始？

互聯網巨頭造芯的初衷

在互聯網企業造芯的路上，谷歌跑在了最前面。早在2006年，谷歌就開始考慮在其數據中心部署 GPU或者 FPGA，或專用集成電路（ASIC），當時的結論是，能在專門的硬件上運行的應用并不多，使用谷歌大型數據中心的富余計算能力即可。

情況在2013年發生了轉變，當時谷歌用戶每天使用語音識別 DNN 語音搜索三分鐘，使得谷歌數據中心的計算需求增加了一倍，而如果使用傳統的 CPU 將非常昂貴。因此，谷歌啟動了一項優先級別非常高的項目，快速生產一款定制芯片（ASIC）用于推理，并購買現成的 GPU用于訓練。

谷歌的目標是將性價比提高 10 倍，為了完成這項任務，谷歌在其數據中心設計、驗證、構建并部署了 TPU（張量處理器，Tensor Processing Unit），這一過程用了15個月。

2016年，谷歌I/O開發者大會上，谷歌正式發布了首代TPU。不過，TPU剛開始只僅限谷歌內部使用，直到2018年2月，谷歌才在其云平臺博客上宣布TPU服務開放的消息，價格大約為每云 TPU 每小時 6.50 美元，而且數量有限。

阿里和谷歌自研AI芯片商用，科技巨頭與芯片巨頭關系生變

也就是說，2018年，谷歌才開啟了TPU的商業化。同年的I/O大會上，TPU 3.0宣布推出，計算性能相比TPU 2.0提升八倍，可達 100PFlops(每秒 1000 萬億次浮點計算)。

可以明確，谷歌TPU的推出，主要還是因為市場上沒有滿足其需求的芯片，使得他們進入了自研芯片領域，并且，TPU作為云端推理芯片并不對外出售，而是通過谷歌云對外提供算力。

阿里的自研芯片之路與谷歌類似。1999年以淘寶起家的阿里，如今的業務早已橫跨電商、金融、物流、云計算、大數據、全球化等場景。不同的場景就有不同的計算需求，比如淘寶里的拍立淘商品庫每天新增10億商品圖片，使用傳統GPU算力識別需要1小時。除了需要花費1小時的時間，這個時間里GPU的耗電量也非常巨大。

根據數據統計顯示，2017年中國有40個中小型數據中心，這些中小數據中心2017年消耗電量比三峽大壩的發電量還多，等量的碳排放量兩倍于民航的碳排放量。對于阿里和谷歌這樣擁有大型數據中心的科技公司，電量消耗也帶來了巨大的成本。

如果谷歌和阿里想要通過購買算力更強的最新款英偉達GPU來提升效率，GPU高昂的售價也是科技巨頭們無法忽視的問題。

因此阿里也開啟了自研芯片之路。2017年的云棲大會上，阿里宣布成立達摩院，由全球建設的自主研究中心、高校聯合實驗室，全球開放研究計劃三大部分組成，涵蓋量子計算、機器學習、基礎算法、網絡安全、視覺計算、自然語言處理、下一代人機交互、芯片技術、傳感器技術、嵌入式系統等，涵蓋機器智能、智聯網、金融科技等多個產業領域。

2018年云棲大會，阿里又宣布成立獨立芯片企業“平頭哥半導體有限公司”，由中天微與達摩院芯片團隊整合而成。

還是云棲大會宣布者還是張建鋒，2019年阿里首款AI云端推理芯片含光800正式推出。在業界標準的ResNet-50測試中，含光800推理性能達到78563 IPS，比目前業界最好的AI芯片性能高4倍；能效比500 IPS/W，是第二名的3.3倍。

性能提升帶來的效果顯而易見，繼續用上面的拍立淘舉例，阿里表示，采用含光800后，每天新增10億商品圖片的識別時間可以從GPU識別的1小時，可縮減至5分鐘。另外，根據云棲大會的現場演示，在城市大腦中實時處理杭州主城區交通視頻，需要40顆傳統GPU，延時為300ms，使用含光800僅需4顆，延時降至150ms。

由此做一個簡單的換算，那就是1個含光800的算力等于10個GPU。

相比谷歌遲遲沒有商用TPU，阿里在發布含光800之時表示這款產品已經已經實現了大規模應用，應用于阿里巴巴集團內多個場景，例如視頻圖像識別/分類/搜索、城市大腦等，并且宣布基于含光800的AI云服務也正式上線。

顯然，阿里自研AI芯片最核心的目標同樣是為了獲得更低的經濟成本。

科技巨頭與芯片巨頭不再只是合作

由此看來，目前阿里和谷歌商用的自研AI芯片都是云端推理芯片，對于傳統芯片巨頭英特爾和英偉達而言，這并不會帶來巨大的改變，但雙方的關系會從此前緊密合作變為競合關系。

如何理解？雖然有了面向視覺場景的含光800推理芯片，但是這是一款ASIC芯片，其定位也是CNN類模型推理加速為主，通用可擴展到其它DNN模型。但對于更多的深度學習算法，含光800這款ASIC可以在一定支持，但無法體現出性能和能效最優化。

所以，無論是阿里還是谷歌，他們依舊需要英特爾的CPU提供通用的計算能力，也需要FPGA進行AI的加速。另外，阿里性能強大的神龍架構服務器，也需要英偉達GPU提供算力。

這種競合關系不僅會局限在云端。2018年7月，谷歌推出Edge TPU芯片，從命名上就可以看出這是此前推出的云TPU的簡化版本，是專門設計的加速器芯片，用于在邊緣運行TensorFlow Lite機器學習模型。

英雄所見略同，阿里也有端云一體的戰略。在含光800云端AI芯片發布之前的7月和8月，阿里接連發布了高性能RISC-V架構處理器玄鐵910以及SoC芯片平臺“無劍”。也就是說，阿里的C-Sky系列、玄鐵系列AIoT終端芯片IP，一站式芯片設計平臺無劍，以及最新發布的云端AI芯片構建了阿里端云一體的芯片生態，平頭哥端云一體全棧芯片產品家族雛形已現。

另外，2019云棲大會期間還有一個芯片的重磅宣布，阿里人工智能實驗室和平頭哥共同定制開發的智能語音芯片TG6100N，會在即將推出的音箱產品中使用。

科技巨頭們的自研AI芯片要涵蓋云端和終端其實也很容易理解，無論是芯片巨頭還是科技巨頭，他們都認為未來數據將像石油一樣具有價值。因此，巨頭們需要端云一體的戰略挖掘數據的價值，在數據的時代保持領先，而這個戰略非常重要的支撐就是云端和終端的AI芯片。

此時科技巨頭和芯片巨頭都會有云端和終端的AI芯片，競爭就難以避免。雷鋒網認為，競爭激烈的程度更多會取決于科技巨頭，由于他們對自己的業務和數據有更深的理解，他們定制化的ASIC芯片更容易達到性能和能效的最優。即便自研的AI處理器性能弱于芯片巨頭的產品，如果科技巨頭出于自主可控的考慮，用自身的業務和場景去支撐自研芯片的迭代和優化，為此付出一些代價，最終也能研發出在特定領域非常具有競爭優勢的芯片。

注意，科技巨頭們會在與自己業務和生態相關的領域自主研發AI芯片。但如果想要替代現有的成熟芯片，比如英特爾的至強CPU和英偉達GPU，既沒有價值也面臨巨大的風險。歸根結底，科技巨頭們自研AI芯片的初衷是為了獲得更大的經濟效益，通過自主研發的芯片保持其技術和生態的領先性。同樣，他們的自研芯片也更多的會服務于自己的業務和生態，而非搶食芯片巨頭們的市場。

小結

AI時代，科技巨頭們與芯片巨頭們不再只是緊密的合作伙伴，也會在特定領域成為競爭對手。也就是說，對于芯片巨頭們而言，想要在科技巨頭擁有自研芯片的領域獲得訂單，需要付出更多的努力。

反過來，芯片作為一個技術、資本、人才都密集的行業，其長周期的特點也與互聯網和移動互聯網快速迭代的模式不同，如何找到軟硬之間的最佳平衡點，以及如何與芯片巨頭們多年在芯片領域積累的優勢競爭，也都是科技巨頭自主研發芯片面臨的挑戰。