AI人说了很多话，但说到AI芯片，有些人可能会觉得“对人不友好”和“不熟悉”。

      事实上，自去年以来，人工智能技术的关注度急剧上升，甚至去年也被业界指定为人工智能芯片的第一年。简而言之，iPhoneX创新的Face ID技术拥有专门的处理芯片来执行相关功能。此外，汽车工业中的自动驾驶仪、智能说话人语音识别，都是大量的人工智能芯片。随着人工智能算法在终端产品中应用的不断扩大，特别是智能扬声器的爆炸式增长，整个人工智能芯片市场的需求呈现出爆炸式的快速增长趋势。这比从1G到4G的移动RAM和从单到双的移动摄像头要夸张得多。

       AI芯片是专为特定AI产品或服务设计的芯片。有两种类型。第一种类型称为专用芯片。当我购买新的加速卡并将其插入计算机时，我可以使AI算法实现更高的性能。

       另一种是SOC，它通过一个超高集成芯片完成系统的人工智能功能和外围功能。除了我们熟悉的CPU和GPU之外，SOC通常还包括NPU（神经处理单元），它是人工智能芯片的核心。SOC可以有多种组合。面对不同的应用场景，根据不同的产品定义，可以将这些计算单元结合起来形成一个全新的芯片。

       当涉及到ai芯片时，必须说它不同于传统的通用芯片。所有的人工智能都是从算法程序中开发出来的。这些也可以根据我们以前的通用芯片来计算，比如英特尔，amd，教子等等。虽然传统的cpu性能很高，但核心数非常小，每天都可以使用八角形配置。它可以做一件事非常，非常快，单线计算能力是超级。这是以前通用芯片的计算模型。但是，人工智能的特点是算法非常复杂，计算量特别大，并行性非常高，这与过去完全不同。

       在最极端的隐喻中，每个人的大脑都是一个超级人工智能。大脑中有许多神经元，每个神经元都是一个很小的计算器，它的计算速度很慢，计算能力很弱。但是多亏了数千亿的高度并行能力，才能产生非常高的计算能力，所以人才就是人。这是其初衷的设计，所有的AI深度学习算法都是用硬件来添加的，而不是使用串行计算架构来达到的目的。由于AI芯片对整个计算体系结构进行了重构，数据处理也发生了变化，这并不是一个简单的基于传统芯片的改进。因此，与一般芯片相比，AI算法的运行速度可以达到几十倍，数百倍的差距，这就是AI芯片的加速效果。

      坚持不使用AI芯片确实可以通过AI算法来完成任务，但它会产生大量的功耗和热值，用户体验是多么的差是不言而喻的。与一般芯片相比，该算法运行速度更快、效率更高、功耗更低。它可以为图像识别、视觉识别、语音识别、自动驾驶等不同的人工智能算法提供更具成本效益的计算支持。

       同时，对于用户体验，实时性能应尽可能快。自动驾驶仪场景的实时要求是最高的。想象一下，当延迟太大时，汽车在某些场景中会失控，这绝对是不可接受的。因此，对自动驾驶汽车的AI芯片的需求是最强劲的。然而，目前的成本仍然是一个大问题，因为自动驾驶汽车尚未商业化。

      三年前，当我们开发第一代产品时，我们必须找到支持8麦克风输入的芯片。然而，在搜索了整个行业之后，却没有芯片来支持它，所以我们开始设计自己的fpga。最后，它解决了收集问题，并与一家英国公司完成了芯片的设计和制造。所以在这个阶段，为什么一个拥有语音交互和视觉交互功能的公司会制造自己的芯片？一方面，这些芯片的原始操作一直无法满足需求。另一方面，为了成功的大量生产以降低成本，更好地为市场所接受。

       那么，当我们面对一种新的人工智能芯片时，我们能从中学到什么呢？

1、应用领域所述AI芯片属于云还是所述终端。它是用于移动电话，还是仅在云中可用？如果是用在终端上，那么芯片是用在什么样的产品，什么样的场景中。这样，你就可以大致了解这个芯片能带来什么。

2.建筑。它是SoC或专用NPU。不同的组合意味着芯片本身具有不同的复杂性和不同的产品定位。该芯片可以独立工作，或者需要一起工作，或者在特定场景中与其他芯片协作，甚至可以与其他硬件设备协同工作。

3、运行效率。人工智能芯片必须运行人工智能算法。他们能达到多大的效率？不同深度模型的结构要求不同的计算能力，芯片本身的设计也不同。

4、价格和电力消耗。芯片也是一种商品，必然涉及价格问题。而功耗则与您的应用程序场景有关，无论您是在智能设备或手机上使用，还是在云中使用。这些能耗要求是完全不同的。

      芯片是否成功，最终仍需在市场上进行测试，出货量可作为判断芯片是否成功的标准。我们于6月26日在杭州推出的第一款RokidJungle也将带来一款自主开发的SoC智能AI语音芯片。届时，芯片将不仅用于我们自己的产品，而且还将对业界开放。