编者注：近日，富士康对东芝芯片业务的收购要约获得了苹果公司、软银集团及夏普公司的广泛支持，而苹果iPhone8的芯片也是备受关注。文章由华盛学院胖虎编译，为您介绍芯片的发展大潮。
业内人士认为，智能化、个性化是手机发展的大趋势，AI技术在智能手机上的应用，可显著改善用户体验，增强用户黏性。
人工智能芯片
人工智能芯片是软件定义芯片，相比于传统CPU、GPU芯片，具有可重构计算和深度学习两大重要因素。可重构计算是指硬件架构和功能可以动态地、实时地跟随软件的变化而变化；深度学习，就是通过算法给机器设计一个精神网络，通过模拟大脑神经元之间传递、处理信息的模式，从多个角度和层次来观察、学习、判断、决策。当然，即使最先进的IBM的TrueNorth也只有人类100亿个神经元的万分之一功能。
在应用方面，当前人脸识别、语音识别等多个领域已经成为热点研究方向。
当前芯片分类
传统芯片多采用经典计算模式，业内多分为经典的4种集成电路模型：CPU、FPGA、ASIC、SOC。
目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构均因硬件规模、算法、功耗等原因不符合AI芯片理想架构，相对来说功能动态、实时地跟随软件变化而变化更重要。
而表格中的RCC则属于可重构计算芯片，支持软硬件编程，硬件随软件变化而变化，是可用于深度学习的软件定义芯片。
以下是两种不同模式的比较特点：
构成智能芯片的关键要素们至少要满足以下特征：
可编程性：适应算法的演进和应用的多样性
架构的动态可变性：适应不同的算法，实现高效计算
高效的架构变换能力：＜10Clock cycle，降低开销
高计算效率：避免使用指令这类低效率的架构
高能量效率：~5TOps/W；某些应用功耗＜1mW；某些应用识别速度＞25f/s
低成本：能够进入家电和消费类电子
体积小：能够装载在移动设备上
应用开发简便：不需要芯片设计方面的知识
人工智能估值
据IDC预测，2017年全球认知和人工智能系统的收入将达到125亿美元，比2016年增长59.3%。并且，这家研究公司表示，随着越来越多的公司加入到这个队伍中，到2020年，公司的复合年均增长率（CAGR）将达到54.4%，届时收入将超过460亿美元。
免责声明：华盛独家资讯引用之数据或资料可能得自第三方，华盛通将尽可能确认资料来源之可靠性，但并不对第三方所提供数据或资料之准确性负责，也不构成任何证券、金融产品或工具要约、招揽、建议、意见或任何保证。证券价格有时会大幅波动，价格可升亦可跌，更可变得毫无价值，敬请投资者注意风险。在使用本文件及任何内容时必须注明稿件来源于华盛通，华盛通所属深圳市时代华盛网络科技有限公司将保留所有法律权益。
