资源下载
关注「金融文库」微信公众号可第一时间免费下载本站所有资源➔
本报告在此背景下，对人工智能芯片的发展现状进行了简单梳理，包括以下内容：
首先对人工智能芯片相关概念、技术路线以及各自特点进行介绍，接着对国外、国内AI芯片的发展历程及现状进行梳理。
对AI芯片的几个技术流派进行介绍。
产业篇
对AI芯片领域的国内外代表性厂商进行介绍。
人物篇
通过AMiner大数据平台对AMiner的人工智能芯片人才库进行数据挖掘，统计分析领域内学者分布及迁徙。同时，介绍了目前AI芯片领域的国内外代表性研究学者。
应用领域篇
AI芯片已经渗透到日常生活的方方面面，本报告主要对智能手机、ADAS、CV、VR、语音交互设备、机器人等方向的应用进行介绍。
趋势篇
人工智能的发展历经波折，如今得益于大数据的供给、深度学习算法的革新以及硬件技术的提升，AI芯片以不可阻挡的势态飞速发展。AI芯片的算力提高、功耗降低及更合理的算法实现必然是将来的发展趋势。
AI芯片发展历程
上世纪八十年代，多层神经网络和反向传播算法的出现给人工智能行业点燃了新的火花。反向传播的主要创新在于能将信息输出和目标输出之间的误差通过多层网络往前一级迭代反馈，将最终的输出收敛到某一个目标范围之内。
1989年贝尔实验室成功利用反向传播算法，在多层神经网络开发了一个手写邮编识别器。1998年Yann LeCun和Yoshua Bengio发表了手写识别神经网络和反向传播优化相关的论文《Gradient-based learning applied to document recognition》，开创了卷积神经网络的时代。
此后，人工智能陷入了长时间的发展沉寂阶段，直到1997年IBM的深蓝战胜国际象棋大师和2011年IBM的沃森智能系统在Jeopardy节目中胜出，人工智能才又一次为人们所关注。2016年Alpha Go击败韩国围棋九段职业选手，则标志着人工智能的又一波高潮。从基础算法，底层硬件，工具框架到实际应用场景，目前人工智能已经全面开花。 作为人工智能核心的底层硬件AI芯片，也同样经历了多次的起伏和波折，
总体看来，AI芯片的发展前后经历了四次大的变化，其发展历程如下图所示。
(1)2007年以前，AI芯片产业一直没有发展成为成熟的产业；同时由于当时算法、数据量等因素，这个阶段AI芯片并没有特别强烈的市场需求，通用的CPU芯片即可满足应用需要。
(2)随着高清视频、VR、AR游戏等行业的发展，GPU产品取得快速的突破；同时人们发现GPU的并行计算特性恰好适应人工智能算法及大数据并行计算的需求，如GPU比之前传统的CPU在深度学习算法的运算上可以提高几十倍的效率，因此开始尝试使用GPU进行人工智能计算。
(3)进入2010年后，云计算广泛推广，人工智能的研究人员可以通过云计算借助大量CPU和GPU进行混合运算，进一步推进了AI芯片的深入应用，从而催生了各类AI芯片的研发与应用。
(4)人工智能对于计算能力的要求不断快速地提升，进入2015年后，GPU的性能功耗比不高的特点使其适用场合受到很多限制，业界开始研发针对人工智能的专用芯片，通过更好的硬件和芯片架构，在计算效率、能耗比上进一步提升。
以下为本报告部分截图
版权声明及安全提醒：本文转自网络平台AMiner，文章仅代表作者观点，不代表「金融文库」立场。相关版权归原作者所有，「金融文库」仅提供免费交流与学习，相关内容与材料请勿用于商业。我们感谢每一位原创作者的辛苦付出与创作，如本转载内容涉及版权及侵权问题，请及时联系我们客服处理（微信号：RyanLin007），谢谢！
