來源：ST社區(qū)

經(jīng)過長期的發(fā)展和探索，在近幾年人工智能不斷取得突破性的進展，無論是人臉識別、語音識別、機器翻譯、視頻監(jiān)控，還是交通規(guī)劃、無人駕駛、智能陪伴、輿情監(jiān)控、智慧農(nóng)業(yè)等，人工智能似乎涵蓋了人類生產(chǎn)生活的方方面面。未來是人工智能的時代，作為實現(xiàn)人工智能技術的重要基石，AI智能芯片擁有巨大的產(chǎn)業(yè)價值和戰(zhàn)略地位。

AI智能芯片其實是屬于高端芯片的一類，近兩年在中美貿(mào)易爭端的背景下，我國的芯片產(chǎn)業(yè)被頻頻“點穴”，這也讓我們開始重視芯片的發(fā)展。別看一塊小小的芯片，內(nèi)部集成數(shù)以億計的電路， 廣泛用于電腦、手機、家電、汽車、高鐵、電網(wǎng)、醫(yī)療儀器、機器人、工業(yè)控制等各種電子產(chǎn)品和系統(tǒng)，它是各國競相角逐的“國之重器”,也是一個國家高端制造能力的綜合體現(xiàn)。如果沒有芯片，中國的許多高端行業(yè)的發(fā)展均會收到限制，這也是美國要“圍堵”我們的重要原因。

縱觀芯片的歷史，雖然我國長期處于追趕態(tài)勢，但與發(fā)達國家差距仍然非常大。芯片到底是什么？又是如何一步一步發(fā)展到AI智能芯片的程度的？本文以芯片到AI智能芯片的發(fā)展歷史為軌跡，來了解下AI智能芯片的“前世今生”。

概述芯片的起源史

我們看到的小小芯片，卻演繹著這個世界尖端的科技，它遍布了消費電子、汽車電子、工業(yè)自動化、金融系統(tǒng)、國防軍工等各個領域，為各行各業(yè)實現(xiàn)信息化、 智能化奠定了基礎，芯片的發(fā)展正在改變著這個世界。

關于芯片的發(fā)展可以追溯到晶體管的誕生。在1947年，科學家威廉·肖克利、約翰·巴頓和沃特·布拉頓三人在美國貝爾實驗室發(fā)明了全球第一個晶體管，他們也因此共同榮獲了1956年諾貝爾物理學獎。在這之前人類已經(jīng)發(fā)明了電子管，在1942使用了17468只電子管、7200只電阻、10000只電容、50萬條線，耗電量150千瓦制造了第一臺計算機，這是一個占地150平方米、重達30噸的龐然大物。如果可以把這些分立器件和線路集中制作在一塊介質(zhì)基片上，可以大大縮小體積，提高可靠性，這就是初期集成電路的構想。晶體管的出現(xiàn)使這種想法成為了可能，它替代了真空管的功能，很快為電子計算機所用，它把電子管做的計算機縮小為幾個機柜。

1958年，在德州儀器（Texas Instruments，TI）就職的杰克·基爾比以鍺（Ge）襯底，將幾個晶體管、電阻、電容連接在一起，成功研制出世界上第一塊集成電路。雖然看起來并不美觀，但事實證明，其工作效能要比使用離散的部件要高得多。時隔42年之后杰克·基爾比也因此榮獲諾貝爾物理學獎。在杰克·基爾發(fā)明基于鍺的集成電路后的幾個月，羅伯特·諾伊斯相繼發(fā)明了基于硅（Si）的集成電路，當今半導體大多數(shù)應用的就是基于硅的集成電路。

集成電路的產(chǎn)生使得所有元件在結(jié)構上已組成一個整體，使電子元件向著微小型化、低功耗、智能化和高可靠性方面邁進了一大步。芯片即是將集成電路制作在一小塊半導體晶片上，然后封裝在一個管殼內(nèi)，成為具有所需電路功能的微型結(jié)構。

如今隨著工藝的不斷發(fā)展，芯片的集成度越來越高，按照戈登·摩爾1965年提出的摩爾定律的發(fā)展趨勢——一個芯片上的晶體管數(shù)量大約每18-24個月翻一倍，制程從0.5微米、0.35微米、0.25微米、0.18微米、0.15微米、0.13微米、90納米、65納米、45納米、32納米、28納米、22納米、14納米，一直發(fā)展到現(xiàn)在的10納米、7納米、5納米……近幾年，業(yè)界開始面臨著摩爾定律失效的問題，因為隨著硅片上線路密度的增加，其復雜性和差錯率也將呈指數(shù)增長，科學家們正在思考從其他途徑來維持摩爾定律的發(fā)展趨勢。

處理器芯片的發(fā)展史

形形色色芯片種類繁多，但不外乎模擬芯片和數(shù)字芯片。模擬芯片用于測量模擬世界的一切感知，比如圖像、聲音、觸感、溫度、濕度等都可以歸到其中。數(shù)字芯片則包含處理器（CPU、GPU、MCU、DSP等）、存儲器（DRAM、NAND Flash、NOR Flash）和邏輯IC（手機基帶、以太網(wǎng)芯片）等等。

在電子信息技術快速發(fā)展的今天，我們的身邊離不開PC、手機、平板、數(shù)碼相機、汽車電子、家用電器，這些電子產(chǎn)品之所以能夠與人交互，是因為它們的內(nèi)部都使用到了一種芯片——處理器。在不同的應用場景下誕生了各種類型的處理器，它們有不同的運算速度、不一樣的成本、不一樣的架構、不一樣的功能。讓我們打開時間長廊了解當前最熱門的幾類處理器的發(fā)展歷史。

CPU（Central Processing Unit）是大家最不陌生的，我們現(xiàn)在所認識的CPU是一塊超大規(guī)模的集成電路，在對計算性能要求較高的PC和服務器中廣泛應用。但是CPU的發(fā)展并不是一觸而就的，簡單來說可以映射為Intel公司的發(fā)展歷史。

1968年7月，羅伯特·諾伊斯和戈登·摩爾從Fairchild Semiconductor（仙童半導體/飛兆半導體）公司辭職，在硅谷創(chuàng)辦了Intel（英特爾）公司，Intel為源自Integrated Electronics（集成電子）的縮寫，分別選取了Integrated的“Int”以及Electronics中的“el”。當時戈登·摩爾是Fairchild的研發(fā)負責人，也正是著名的摩爾定律奠定者，而羅伯特·諾伊斯更是領袖級的人物，被視為“硅谷之父”。從此偉大的Intel開啟了PC市場的輝煌，在這50年的處理器發(fā)展史上，Intel啟到了至關重要的推動作用。

Intel的第一款處理器是于1971年開發(fā)的4位微處理器4004，它片內(nèi)只集成了2250個晶體管，晶體管之間的距離是10微米，只能執(zhí)行4位運算，組頻只有0.74MHz。當時是一家日本計算器公司找Intel定制設計微處理器系統(tǒng)用于公司的打印式計算器產(chǎn)品上，Intel把4004作為CPU，組合RAM芯片4001、ROM芯片4002以及寄存器芯片4003，推出了MCS-4世界上首個商用微處理器系統(tǒng)。由于Intel交付延期的原因，退還了該公司部分費用，但是達成了可以在計算器之外的市場自由出售4004芯片的協(xié)議，這是具有劃時代的意義的，自此Intel正式進軍處理器市場，從4004開始不斷壯大。

1972年推出8008，處理能力是4004的兩倍，可處理8位數(shù)據(jù)、組頻2MHz，集成晶體管的數(shù)量達到3500個。

1974年推出8080，不但具備更復雜的指令集，還采用了40針封裝，兩項革新極大的改變了微處理器行業(yè)。

1978年推出8086，可處理16位數(shù)據(jù)、組頻5MHz，這就是首顆x86芯片。IBM在自己首臺PC中采用了8086的精簡版8088，而這臺PC被尊為PC之父。

之后相繼推出了80286、80386、80486，直到1993年推出Pentium處理器，從此Intel不再以數(shù)字命名處理器。Pentium是x86系列一大革新，它采用了0.60微米制造工藝技術，晶體管數(shù)大幅提高到320萬個，增強了浮點運算功能、并把十年未變的工作電壓降至3.3V，性能達到了工作站處理器的水平。

隨后十年里，Intel又推出了很多代的Pentium處理器，到現(xiàn)在大家普遍使用的CPU已經(jīng)發(fā)展為core系列i3i5i7，Intel在不斷地技術創(chuàng)新中推動著處理器的革新升級，從微米到納米制程、從4位到64位處理、從幾千個晶體管到幾億個、從幾百K到幾G的組頻……為世界各地的用戶帶來更加精彩的體驗。

如同每臺PC都有一個作為大腦的CPU在指揮一樣，在工業(yè)控制器、醫(yī)療儀器、家用電器、便攜式設備中也都有一個“大腦”在擔負著控制、運算、信號轉(zhuǎn)換及處理、通信等工作。在PC中僅僅一個CPU是不夠的，還需要內(nèi)存、硬盤等外設的協(xié)作，這使得PC的體積很大。其中的原因是一個芯片單位面積的門電路數(shù)量是有限的，為了滿足高性能只能把芯片內(nèi)所有的晶體管都設計為CPU。當我們?yōu)榱俗非蟾◇w積而允許犧牲性能時，就可以將CPU、存儲器、I/O……集成在一個芯片上，這樣減小了系統(tǒng)的尺寸，降低設備的成本，這類處理器就發(fā)展成了MCU（Microcontroller Unit）。MCU正適合在消費電子、工業(yè)控制、汽車電子、消費電子等領域廣泛應用。

MCU經(jīng)過不斷地研究和發(fā)展，歷經(jīng)了從4位、8位、16位到現(xiàn)在32位的發(fā)展歷史。不過早期的MCU發(fā)展仍然是以Intel設計的4位、8位、16位微處理器為軌跡，直到ARM處理器的橫空出現(xiàn)。

1978年，由奧地利籍物理學博士赫爾曼·豪澤（Hermann Hauser）和他的一個朋友，名叫Chris Curry的工程師，在英國劍橋創(chuàng)辦了CPU公司（Cambridge Processing Unit），主要業(yè)務是在當?shù)厥袌鲈O計和制造電子設備，他們的第一代產(chǎn)品Acorn System 1居然是做賭博機的微控制器系統(tǒng)。

隨著公司經(jīng)營逐漸步入正軌后，在1979年，CPU公司改名為Acorn Computer Ltd（Acorn計算機公司）。Acorn公司的機遇來自于1981年的一個項目，當時英國政府與英國廣播公司BBC展開了一個計劃，他們計劃在整個英國播放一套提高電腦普及水平的節(jié)目，并且政府會出資一半費用為英國的每一間教室購置一臺電腦，他們希望Acorn公司能生產(chǎn)一款與之相配套的電腦。

這對Acorn公司是一個難得的機遇，同時也是一個巨大的挑戰(zhàn)，因為他們在選擇CPU時陷入了困境。當時，CPU的發(fā)展潮流正在從8位變成16位，起先Acorn公司打算使用美國國家半導體或者摩托羅拉公司的16位芯片，但是評估后發(fā)現(xiàn)芯片執(zhí)行速度太慢，售價也太貴。于是轉(zhuǎn)而向Intel尋求合作，希望對方提供關于80286處理器的設計資料和一些樣品，但是遭到了Intel的拒絕，備受打擊的Acorn公司決定自主研發(fā)芯片。

當時來自劍橋大學的計算機科學家Sophie Wilson和Steve Furber芯片研發(fā)負責人，前者主攻指令集開發(fā)，后者負責芯片設計。他們采用了美國加州大學伯克利分校的David Patterson教授在1979年提出了RISC指令集架構，這恰好可以滿足他們的需求。

RISC（reduced instruction set computer）簡化的指令集是相對于Intel在內(nèi)的處理器所采用的CISC（complex instruction set computer）復雜指令集的一個概念。隨著CISC指令集的發(fā)展，有越來越多的指令加入其中，但實際上整個程序的80％只使用了約20％的指令，剩余20％的程序卻使用了80％的指令。David Patterson教授主張硬件應該專心加速常用的指令，較為復雜的指令則利用常用的指令去組合。這樣一來RISC精簡了CISC指令種類和格式，簡化尋址方式，達到省電高效的效果。

在1985年Acorn推出了他們自己的第一代32位、6MHz的處理器ARM1（Acorn RISC Machine），對標的是Intel的80286處理器，不過就在同一年，Intel發(fā)布了80386使得ARM1完全處于劣勢地位。由于ARM采用了RISC精簡指令集，所以功耗小、價格便宜，特別合適移動設備，正好可以選擇與Intel不同的設計路線——Intel持續(xù)邁向x86高效能設計，ARM則專注于低成本、低功耗的研發(fā)方向。

之后Acorn陸續(xù)推出了ARM2、ARM3等幾個系列。由于適合于移動設備，因此在1990年，Acorn與蘋果一起成立了一家ARM（Advanced RISC Machines）公司，蘋果投了150萬英鎊，芯片廠商VLSI投了25萬英鎊，Acorn本身以150萬英鎊的知識產(chǎn)權和12名工程師入股。此時ARM做出了一個改變產(chǎn)品策略的決定——不再生產(chǎn)芯片，而以授權的方式，將芯片設計方案轉(zhuǎn)讓給其他公司，收取一次性技術授權費用和版稅提成。正是這種模式，開創(chuàng)了屬于ARM的全新時代，形成了一個以ARM為核心的生態(tài)圈。

1991年，ARM將產(chǎn)品授權給英國GEC Plessey半導體公司。1993年，ARM將產(chǎn)品授權給Cirrus Logic和德州儀器（Texas Instruments，TI）。此后，包括三星、夏普等公司都參與到了這種授權模式中，與ARM建立了合作關系，到目前為止ARM合作社區(qū)包含了1200多位伙伴。

ARM的真正爆發(fā)還是得益于移動手機的爆發(fā)，特別是Iphone的熱銷，于是全球移動應用都徹底綁定在ARM指令集上，除了蘋果應用外，谷歌推出了Android系統(tǒng)，也是基于ARM指令集，就連intel的聯(lián)盟微軟公司，也宣布Windows8平臺將支持ARM架構，這使ARM在移動設備市場的份額超過90%。

當前ARM處理器家族成員以Cortex命名，分別為Cortex-A、Cortex-R、Cortex-M，它們在特性上針對于不同的應用場景。Cortex-A針對智能手機、平板電腦這類消費娛樂產(chǎn)品，Cortex-R面向如汽車制動系統(tǒng)、動力傳動這類解決方案，Cortex-M系列面向針對成本和功耗敏感的微控制器領域應用。

可見ARM和是Intel截然相反的戰(zhàn)略路線，Intel一直以來堅持全產(chǎn)業(yè)鏈商業(yè)模式，而ARM是開放的合作共贏模式，無論如何他們都是當今處理器領域的巨人。

從CPU發(fā)展出來處理器除了MCU之外，另外比較熱門有DSP（Digital Signal Processing/Processor）數(shù)字信號處理和FPGA（Field－Programmable Gate Array）現(xiàn)場可編程門陣列。

DSP主要應用于數(shù)字信號處理這門新興的學科技術。在DSP出現(xiàn)之前數(shù)字信號處理是依靠微處理器來完成的，隨著越來越龐大信息量，微處理器無法滿足快速傅立葉變換、數(shù)字濾波、矩陣運算等需要大量乘加法運算參與的高速信號處理，于是迫切的需要一類快速處理數(shù)字信號的處理器芯片。

1979年美國Intel公司發(fā)布的商用可編程器件2920是DSP芯片的一個主要里程碑，不過內(nèi)部并沒有現(xiàn)代DSP芯片所必須有的單周期乘法器。在1980年，日本NEC公司推出的mPD7720是第一個具有硬件乘法器的商用DSP芯片，從而被認為是第一塊單片DSP。

隨著大規(guī)模集成電路技術和半導體技術的發(fā)展，DSP朝著高速度、低功耗、功能強大等方向快速提高，推動著數(shù)字信號處理技術在各個研究領域中廣泛的應用。美國德州儀器公司（Texas Instruments，TI）在1982年推出TMS32010及其系列產(chǎn)品，運算速度已經(jīng)比微處理器快了幾十倍，到目前無論是運算速度、存儲容量，還是系統(tǒng)集成度都已經(jīng)有了質(zhì)的飛躍，不僅在通信、計算機領域大顯身手，而且逐漸滲透到人們的日常生活領域。

FPGA主要針對于定制專用集成電路（ASIC）的應用。早期設計師希望ASIC的設計周期盡可能短，最好是在實驗室里設計出合適的芯片，并且立即投入實際應用之中，于是出現(xiàn)了現(xiàn)場可編程邏輯器件(FPLD)。FPGA則是在PAL、GAL、CPLD等可編程器件的基礎上進一步發(fā)展的產(chǎn)物。

1985年，Xilinx公司推出的全球第一款FPGA產(chǎn)品XC2064，采樣用2μm工藝，包含64個邏輯模塊和85000個晶體管，門數(shù)量不超過1000個。到了2007年，F(xiàn)PGA業(yè)界雙雄Xilinx和Altera公司推出了采用最新65nm工藝的FPGA產(chǎn)品，其門數(shù)量已經(jīng)達到千萬級，晶體管個數(shù)更是超過10億個。隨后的工藝從150nm 、130nm、90nm、65nm……FPGA也在不斷地緊跟并推動著半導體工藝的進步。

FPGA相比于CPU、MCU來說，它利用門電路直接并行運算，速度非?？?，同時可以通過編程語言自由定義門電路和存儲器之間的布線，定制芯片方案，目前是AI芯片非常合適的方案之一。

AI智能芯片的崛起史

對于AI芯片可以理解為面向 AI應用的處理器芯片，它屬于AI和處理器芯片兩大領域的結(jié)合。當前隨著人工智能的蓬勃發(fā)展，AI芯片已經(jīng)成為了最炙手可熱的投資領域，除了Intel、Nvidia、ARM這些老牌的芯片廠商外，Google、Facebook、微軟這樣的互聯(lián)網(wǎng)公司也進軍AI芯片市場。

AI應用中通常包括基于深度神經(jīng)網(wǎng)絡的各類算法，以及圖像識別、視頻檢索、語音識別、聲紋檢測、搜索引擎優(yōu)化、自動駕駛等任務，其中最關鍵的能力是“訓練”和“推理”，而“訓練”是從海量的數(shù)據(jù)中完成特征的學習，這需要極高的計算性能和較高的精度。為了支持AI的計算性能和精度，理想的AI芯片需要具備高度并行的處理能力，支持各種數(shù)據(jù)類型的浮點計算，以及用于存儲海量數(shù)據(jù)的存儲器帶寬。

目前適合AI的處理器有GPU（graphics processing unit）、FPGA（field-programmable gate array）、DSP（digital signal processing）和ASIC（application specific integrated circuits）等，業(yè)界各大廠商他們結(jié)合自身的特點推出了不同的方案，目前主要有兩種設計思路：利用已有的GPU、FPGA、DSP、多核處理器等芯片實現(xiàn)；設計專用的ASIC芯片實現(xiàn)。這也成為了爭論的焦點——哪個AI芯片方案是最佳的選擇？

GPU是圖形處理器，它的核數(shù)遠超過CPU，由多核組成的大規(guī)模并行計算架構專用于同時處理多重任務。深度神經(jīng)網(wǎng)絡的訓練過程中計算量極大，而且數(shù)據(jù)和運算是高度并行的，GPU具備進行海量數(shù)據(jù)并行運算的能力并且為浮點矢量運算配備了大量計算資源，與深度學習的需求不謀而合，因此最先被引入運行深度學習算法，成為高性能計算領域的主力芯片之一。Intel雖然也有GPU，但主要為集成顯卡使用。Nvidia一直在獨立顯卡領域具有絕對優(yōu)勢，因此Nvidia的GPU是目前應用最廣的通用AI硬件計算平臺，在人工智能領域無疑已占據(jù)足夠的優(yōu)勢。

Nvidia依靠自己在AI領域建立的優(yōu)勢，開發(fā)出CUDA平臺，提供了cuDNN、NCCL、cuBLAS等諸多SDK為合作伙伴提供開發(fā)工具，逐步讓眾多合作伙伴熟悉這種生態(tài)，進一步鞏固它在AI領域的領導地位。Nvidia的芯片應用十分普遍，現(xiàn)在所有的AI軟件庫都支持使用CUDA加速，包括谷歌的Tensorflow，F(xiàn)acebook的Caffe，亞馬遜的MXNet等。當然Nvidia的GPU在復雜程序邏輯控制上仍然存在劣勢，需要使用高性能CPU配合來構成完整的AI系統(tǒng)。為了彌補自己在CPU方面的弱勢，在2019年宣布其用于超級計算機的加速平臺將對ARM架構CPU支持，計劃利用其芯片與使用ARM架構的CPU協(xié)作打造應用人工智能的超級計算機。

ASIC是一種為專用目的而定制設計的芯片，在大規(guī)模量產(chǎn)的情況下相比于FPGA性能更強、體積更小、功耗更低、成本更低、可靠性更髙等優(yōu)點。近年來越來越多的公司開始采用ASIC芯片進行深度學習算法加速，其中最為突出的是 Google為機器學習定制的專用處理器芯片TPU（Tensor Processor Unit），它支持256×256個矩陣乘法單元、非線性神經(jīng)元計算單元等模塊，專為Google的深度學習框架TensorFlow而設計。

TPU受到業(yè)界的關注是從Google的AlphaGo大顯神威后開始，最新一代 AlphaGo Zero已經(jīng)將CPU結(jié)合GPU搭建方案升級為了TPU。在2018年Google I/O開發(fā)者大會上正式發(fā)布了TPU3.0，其性能宣稱比去年的TUP2.0提升8倍之多，達到每秒1000萬億次浮點計算，比同時期的GPU或CPU平均提速15~30倍，能效比提升30~80倍。

FPGA其實也是一種定制芯片，在靈活度方面，它介于CPU、GPU等通用處理器和專用集成電路ASIC之間，它不像專用集成電路ASIC那樣由芯片廠商固化編程，而是在硬件固定的前提下，允許設計者靈活使用軟件進行編程，因此它的開發(fā)周期比ASIC短，不過相對于批量出貨ASIC，單個FPGA的成本會更高。在性能方面，F(xiàn)PGA與 GPU相比，具備更強的計算能力和更低的功耗。以FPGA方案為代表的廠商主要有Intel和Xilinx。

Intel已經(jīng)錯失了移動設備的崛起，不想再錯過對AI芯片領域的布局。為了增強在AI芯片領域的競爭力,2015年12月Intel斥資167億美元收購了Altera公司，這是Intel有史以來金額最大的一次收購，意味著Intel希望實現(xiàn)CPU和FPGA深層次結(jié)合來布局AI芯片市場。2017年Intel又收購Mobileye，希望通過整合AI算法以獲得關鍵的優(yōu)勢。2018年，Intel宣布收購芯片制造商eASIC，提高FPGA速度，降低FPGA成本和能耗需求。Intel通過霸氣的購買將自己提升到AI芯片“玩家”的前列。當前Intel有兩套FPGA的戰(zhàn)略：打造CPU+FPGA混合器件，讓FPGA與處理器協(xié)同工作；基于Arria FPGA或Stratix FPGA打造可編程加速卡。微軟在2018年的Build大會上公布的Project Brainwave深度學習加速平臺，就是基于Intel Arria FPGA和Stratix FPGA芯片所打造的。

Xilinx是FPGA芯片技術的開創(chuàng)者，從2011年起，Xilinx提出全編程的理念，作為FPGA行業(yè)長期的霸主，Xilinx擁有超過2萬家下游客戶，其中亞馬遜AWS、以及中國的BAT云服務巨頭都推出了專門的云端 FPGA 實例來支持 AI 應用。2018年Xilinx重磅推出全新一代AI芯片架構ACAP，重磅推出全新一代AI芯片架構ACAP，以及采用ACAP架構的首款代號為Everest的AI芯片，將正面 “宣戰(zhàn)”Intel和Nvidia。同年Xilinx收購國內(nèi)三大AI芯片獨角獸之一的北京深鑒科技有限公司，該公司主攻終端人工智能，所采用基于FPGA來設計深度學習的加速器架構，可以靈活擴展用于服務器端和嵌入式端。

另外DSP芯片主要用于處理視覺系統(tǒng)如圖像、視頻等方面的任務，在自動駕駛、安防監(jiān)控、無人機和移動終端等領域最為常見。眾核處理器采用將多個處理核心整合在一起的處理器架構，主要面向高性能計算領域，作為CPU的協(xié)處理器存在，比如IBM CELL、Kalray MPPA和Intel Xeon Phi都是典型的眾核處理器。

總結(jié)

AI智能芯片未來的發(fā)展勢不可擋，從芯片的歷史來看，目前AI智能芯片仍然處于初期階段，未來在架構和設計理念上仍然有巨大的突破空間，這也提供給了我國“彎道超車”的機會，在國家“2025中國智造”的指引下，國內(nèi)的科技巨頭阿里巴巴、騰訊、百度和華為都參與進來，在全力發(fā)展自己AI智能芯片以突破“重圍”，讓我們一起拭目以待。

審核編輯黃昊宇