赢在Cloud，只是暂时；输掉AIoT，将是永远

搜索是百度的根基，无处不在的搜索入口是百度必须把握住的。阿里腾讯可以没有智能音箱，但是百度必须有智能音箱。根据科技媒体“智东西”的报道，今年 4 月份，“鸿鹄”芯片就已经流片成功。目前“鸿鹄”AIoT 芯片已投片量产，将搭载在下一代小度 AI 音箱、以及某些汽车新品中。

在云端，百度给 AI 芯片以“昆仑”命名，它基于百度 CPU、GPU 和 FPGA 的 AI 加速器的研发，通过 20 多次迭代产生。

IBM：仿人脑芯片硬件，押注神经模态计算

IBM 在最近的研究中证明，深度学习算法可以在仿人脑硬件上运行，而后者通常支持的是一种完全不同形式的神经网络。

TrueNorth 是 IBM 的神经形态 CMOS ASIC 与 DARPA 的 SyNAPSE 项目共同开发的。它是一个芯片设计上的多核处理器网络，有 4096 个核，每个核模拟 256 个可编程硅“神经元”，总共有 100 多万个神经元。反过来，每个神经元有 256 个可编程的“突触”来传递它们之间的信号。因此，可编程突触的总数超过 2.68 亿个。就基本的构建模块而言，它的晶体管数量是 54 亿。

根据芯片专家唐杉博士在 GitHub 上面的总结，全球有超过 10 家企业都同时布局了云边端全栈 AI 芯片，感兴趣的读者可以参考 https://github.com/basicmi/AI-Chip。

目前，云端、边缘和终端设备往往是配合工作，云边端协同发展已是大势所趋。最常见的做法是，在云端训练神经网络，然后在边缘侧进行推断。随着边缘设备能力的不断增强，越来越多的计算工作将在边缘设备上得以执行。另一方面，云的边界也逐渐向数据的源头推进，未来很可能在传统的终端设备和云端设备之间，出现更多的边缘设备，它们会把 AI 能力分布在各种设备中，并激发云计算的进一步发展。

从这个角度来看，跨越云边端的一个巨大的 AI 处理网络正在形成。智联网 AIoT 可能不仅仅代表一个具体的产品或设备，而是事关大量的产品与云端的高频互动和规模化创新。为了让智联网前进的“车轮”迅速转动，巨头们势必会有所作为。

最大公约数是个数学词汇，是指能够整除多个整数的最大正整数。

面向万物智联，整个行业仍然面临应用碎片化的困扰，直接导致产业集中度低，新应用新产品的渗透率低。对于移动互联网来说，手机就是最大公约数，掌握了手机几乎就掌握了移动互联网的入口。但在 AIoT 时代，这样的通用设备并不存在。从现阶段来看，AIoT 端云一体化芯片与解决方案有可能是 AIoT 的最大公约数，成为破解碎片化难题的最佳“解药”。

针对这一话题，平头哥半导体有限公司 IoT 芯片研究员孟建熠曾经做过题为“端云一体 IoT 芯片的机遇与挑战”的演讲分享，此处援引他的观点。

他提到，要改变 IoT 芯片产品研发速度慢、市场尚未被有效打开、同质化竞争严重等问题，就需要彻底切换思路：

首先，需要将芯片研发思想从技术驱动转变为应用驱动，提升芯片面向市场的效率。

传统芯片研发思维认为按技术脉络做下去总会有市场。然而，智联网市场是应用驱动的市场，市场瞬间变化很快。AIoT 芯片是针对特定应用场景的专用芯片，而不是通用芯片。如果芯片技术周期不能匹配上应用发展的速度，就会出现“芯片出来了但是应用场景已经不存在了”的尴尬局面。此外，也只有应用推动才可以体现差异化，才可以帮助芯片厂商走出同质化竞争的困境。

其次，端和云的协同发展是 AIoT 技术的新趋势。AIoT 芯片的研发不能只考虑端，还要考虑云上的应用和开发。

以安全为例，安全是物联网应用的关键，首先要思考如何以更低成本将安全融合到 IoT 芯片中，而不能是独立的两个芯片（AIoT 芯片和安全芯片）；同时，还必须要从完整的安全体系出发，考虑与云端安全的协同，安全体现于应用的全部使用过程中。

因此，阿里最新推出的是一整套万物智联 AIoT 的基础设施，在设备智能化以及应用智能化两侧分别提供了 AIoT 的操作系统与边缘计算，在云端提供了智联网平台以及 AI 一站式应用的开发能力。

在设备智能化方面，阿里正在构建起一个非常丰富的产业链，涉及芯片设计、芯片制造、模组生产、智能设备设计与制造等合作伙伴。其最新发布的 AliOS Things 3.0，使用了全新的应用开发框架，在硬件驱动层，集成了最新的平头哥 AI 芯片架构。值得一提的是，AliOS Things 3.0 采用微内核架构，能够将在智能硬件上运行的软件容器化和在线化升级，这意味软硬件可以快速解耦、运维，极大地降低了硬件厂商的生产与维护成本。

由云边端一体化驱动的最新一轮算力革新，有自己的显著特征。华为轮值董事长胡厚崑对于这些特征有详细阐述：

第一个，对算力高度依赖。

统计计算本身就是一种暴力计算，高度依赖于算力。举个例子，为了让计算机认识一只猫，就需要数百万图片的训练，这对算力的消耗是非常惊人的，面向自动驾驶、天文探索、气象预测等更复杂场景，对算力的需求将会更大。

第二个，计算和智能将会无处不在，而不仅仅是分布在中心侧。

从中心节点的暴力计算，到边缘侧的专业计算，如基因测序，以及端侧的个性计算，如耳机、手机，一起构成了未来智能时代的计算形态。AI 无处不在，不只在云上，还在终端上。在端上面的 AI，以每年 40% 的复合增长率在增长，所以端上 AI 也非常重要。

第三个，云边端之间需要高效的协同。

中心侧负责通用模型的计算，为端侧的个性化计算和边缘侧的专业化计算，提供协同支撑。

平头哥的孟建熠也有相似观点，他认为芯片行业呈现出的趋势表明，未来的创新将会是基于云和端的深度协同创新。未来越多越的产品不仅仅要实现端侧的智能，也要实现云侧的智能，任何的产品都会以数字孪生的形式存在。这也就要求芯片行业的基础设施发生相应的改变。

根据 IDC 数据显示，2025 年全球每天每个人与联网设备互动的次数将近 4800 次，平均每 18 秒将产生一次互动。更多的互动，意味着更多的数据。全球数据分析总量将在 2025 年增长至 5.2 ZB，是原来的 50 倍。超过 25% 的数据将成为实时数据，物联网实时数据将占其中的 95%。未来 IoT 整体的市场会非常庞大，联网的设备还会越来越多，这些设备在一天里将产生 65G 的数据。

最近，市场研究机构 ABI Research 发布了两份报告，详细描绘了边缘和云端的 AI 芯片市场状态。

其中一份报告聚焦于快速成长的云端 AI 推理与训练服务应用，预期该市场在 2024 年将从 2019 年的 42 亿美元成长至 100 亿美元。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!