哪家企业有望实现中国的人工智能梦？.doc

《哪家企业有望实现中国的人工智能梦？.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哪家企业有望实现中国的人工智能梦？　　人工智能无疑是当今科技界最受关注的大事件之一，作为未来几十年科技发展趋势，全球科技龙头企业纷纷将战略重心向人工智能倾斜。而AI芯片对于整个产业来说是至关重要的一环。市场研究顾问公司CompassIntelligence日前发布的关于AI芯片最新调研报告中，在全球前24大人工智能(AI)芯片企业排名表中，七家国内企业榜上有名，分别是华为（海思）、联发科、Imagination、瑞芯微、芯原、地平线、寒武纪。在人工智能的浪潮中，这七家企业，又交出了怎样的成绩单？哪们之中哪家

2、企业有望实现中国的人工智能梦？　　华为（海思）：从云到端推动AI真正落地　　2017年9月，华为在德国柏林国际电子消费品展览会（IFA）上正式推出其第一款AI芯片“麒麟970”（Kirin970）。麒麟970采用行业高标准的TSMC10nm工艺，在指甲大小的芯片上，集成了55亿个晶体管，功耗降低了20%，并实现了1.2Gbps峰值下载速率。麒麟970集成NPU专用硬件处理单元（寒武纪IP），创新设计了HiAI移动计算架构，其AI性能密度大幅优于CPU和GPU。相较于四个Cortex-A73核心，处理相同AI

3、任务，新的异构计算架构拥有约50倍能效和25倍性能优势。但麒麟970到底是不是真正的AI芯片，仍受到业内部分人士质疑。　　　　据称，华为海思麒麟980将于2018年下半年量产问世，将推出采用台积电7nm工艺，并将持续在移动装置人工智能应用上进行深度应用开发。这也是华为海思继麒麟970之后，将推出的第二代人工智能芯片。　　联发科：聚焦端侧智能　　2018年3月，联发科技发布了首款内建AI功能的芯片HelioP60，性能对标骁龙660。性能上，HelioP60采用了ARM的4个CortexA73及4个A53的8

4、个大小核心架构，对比前代产品HelioP23与P30，CPU及GPU性能均提升达70%；功耗方面，该芯片执行大型游戏时的功耗降低25%，可以大幅延长手机电池的使用时间。　　　　HelioP60与腾讯、商汤、虹软、旷视等多家人工智能厂商合作，手机安全、拍照、人脸辨识等方面达到优秀水平。联发科技还强调，联发科的AI最大亮点在于NeuroPilotAI技术。它是一个独立的NPU单元，通过CPU、GPU、APU进行异构运行，可以提供从入门到高级的完整API支持和开发者工具包，具备性能以及功耗优化、可移植性和客制化等

5、特点。　　Imagination：让人工智能应用开发更简单　　2017年9月Imagination推出了面向人工智能应用的硬件IP产品PowerVRNNA神经网络加速器，这是全球第一款神经网络加速器。此款神经网络加速器NNA具有完整且独立的IP,不需要和其他CPUGPU配合来做人工智能处理,它可以帮CPUGPU做加速，也可以单独存在。NNA在面积效率、运算性能以及功耗、应用范围方面具有显著优势。2NXNNA的推出让面向物联网、监控和安全的神经网络实现成为可能，这样很多时候可以实现移动端的人工智能，而不一定要

6、通过云端进行人工智能处理和决策。　　　　瑞芯微：提供一站式AI解决方案　　2018年1月，瑞芯微电子（Rockchip）向全球发布旗下首款性能超强的AI处理器RK3399Pro，为AI人工智能领域提供一站式Turnkey解决方案，其片上NPU（神经网络处理器）运算性能高达2.4TOPs，具高性能、低功耗、开发易等优势。RK3399Pro具备极强的AI运算性能，是瑞芯微首次采用CPU+GPU+NPU硬件结构设计的AI芯片，其集成的NPU（神经网络处理器）融合了瑞芯微在机器视觉、语音处理、深度学习等领域的多年经

7、验。相较传统芯片，典型深度神经网络InceptionV3、ResNet34、VGG16等模型在RK3399Pro芯片上的运行效果表现出众，获近百倍提升。　　　　瑞芯微RK3399Pro的发布在全球产业链具极大影响力，使AI人工智能业者创新与量产商用门槛大大降低，性能更强、耗能更低，将加速AI人工智能的全面普及。　　芯原：在嵌入式设备中实现AI的快速增长　　2017年5月，芯原推出一款面向计算机视觉和人工智能应用的处理器VIP8000，可直接导入由Caffe和TensorFlow等框架生成的神经网络。Viva

8、nteVIP8000由高度多线程的并行处理单元、神经网络单元和通用存储缓存单元组成。VIP8000可以直接导入由Caffe和TensorFlow等主流深度学习框架生成的神经网络，并可利用OpenVX框架将神经网络集成到其他计算机视觉功能模块中。它支持当前所有的主流神经网络模型（包括AlexNet、GoogleNet、ResNet、VGG、Faster-RCNN、Yolo、SSD、FCN和SegNet）和层类型（包