上篇說到CPU、GPU、FPGA、ASIC及類腦芯片都是芯片界舉足輕重的角色，但由于AI芯片對計算能力的要求，CPU在AI芯片中只起輔助和控制功能，而類腦芯片則因還不夠成熟，尚未落地。因而，以下在對場景應用的討論中，更多涉及GPU、FPGA、ASIC三類芯片。
在應用場景上，AI芯片的應用主要分為云端和終端，這也是目前芯片領域又一分岔路口。以深度學習的算法來說，云端人工智能硬件負責“訓練+推斷”，終端只負責“推斷”，因而終端的計算量更小，沒有傳輸問題，更適合于安防、汽車等功耗要求低、安全性要求高的場景，終端也被看作未來發展方向。
下文將AI硬件應用場景分為云端和終端，云端指服務器端，包括各種共有云、私有云、數據中心等；終端指安防、車載、手機等領域。
據測算，全球云端場景的AI芯片規模合計已達幾百億美元，是目前最大的AI應用場景。基于云平臺，各大科技巨頭大力布局人工智能。不過先來科普下，云計算平臺是什么。
云計算，提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池（資源包括網絡、服務器、存儲、應用軟件、服務），包括IaaS（基礎設施即服務），Paas（平臺即服務），Saas（軟件即服務）三層。
目前各大科技巨頭紛紛在自有云平臺基礎上搭載人工智能系統，主要有IBM的waston、亞馬遜的AWS、以及國內的阿里云、百度云平臺等。其中英偉達的GPU采用更為廣泛，英特爾的CPU、阿爾特拉的FPGA等也有使用，而谷歌則使用自研的ASIC芯片TPU。
GPU應用開發周期短，成本相對低，技術體系成熟，目前全球各大公司云計算中心如谷歌、微軟、亞馬遜、阿里巴巴等主流公司均采用GPU進行AI計算，GPU是目前云端應用范圍最廣的芯片，而英偉達則是最大的GPU芯片供應商，占據99%市場份額。2017年5月，英偉達發布了Tesla V100，采用臺積電12nm FFN制程并集成210億顆電晶體，在深度學習的性能上等同于250顆CPU。
不過其也面臨著老二AMD的嚴峻挑戰。野村證券稱英偉達正在試圖阻止將15-20%的數據中心處理器份額讓給AMD。今年第二季度，AMD專門為數據中心研發的EPYC處理器被包括惠普企業、思科系統、騰訊云、意大利國家核物理研究所等采用，銷售額同比增長53%。AMD稱，預計EPYC將在今年年底達到“中等個位數”的份額。
另外，賽靈思、英特爾、百度等廠商也在積極采用FPGA在云端進行加速。
目前全球FPGA市場主要被賽靈思（Xilinx）和阿爾特拉（Altera）瓜分，兩者合計占有近90%的市場份額。全球七大超大規模云服務公司，有3家采用了賽靈思FPGA。去年8月，百度也和賽靈思合作發布了基于FPGA的云計算加速芯片XPU。而老二阿爾特拉則在2015年被英特爾收購，今年4月，英特爾阿爾特拉的FGPA被正式應用于主流的數據中心OEM廠商中，客戶包括戴爾、富士通等。
除GPU和FPGA外，AI領域專用架構芯片ASIC則因其更好的性能和功耗，成為云端領域新的攪局者，谷歌就是ASIC在數據中心應用的先行者。
谷歌2017年5月推出TPU，與GPU相比耗電量降低60%，芯片面積下降40%，能更好的滿足其龐大的AI算力要求。今年2月，谷歌以Beta測試的形式開放了TPU，5月發布了TPU 3.0，8月又推出為邊緣計算定制的Edge TPU。不過TPU目前并不對外發售，但對英特爾、英偉達這些傳統數據中心業務的大佬來說，也足以構成威脅。
總體來說，目前，GPU依然是數據中心的主力，FPGA的角色也逐漸變得越來越重要，而TPU等，則更可能因其良好的性能和功耗，成為未來的主流方向，但其性能還需進一步檢驗。
由于天然具有大量需要處理的視頻等非結構化數據，安防目前已成為AI落地最快的場景之一。用AI賦能安防，能極大提高追蹤效率，促進事后防范向事前防范轉換。
目前“AI+安防”方案有兩種，包括中后端和前端解決方案。中后端方案利用普通攝像機采集視頻信息后傳輸到中后端，再進行智能分析，前端則將AI芯片集成至攝像頭中，實現視頻采集智能化。相比來說，中后端可利用已經部署的攝像頭進行智能分析，在多路數據處理、算法升級以及部署成本上都占有優勢，但長期來看，前端智能更能滿足安防快速反應、安全性高的需求，或是未來主流。
安防巨頭也都開始布局AI領域，在經歷了安防行業高清化和網絡化之后，留存下來的海康、大華等巨頭們，并不想被人工智能這第三次技術革命拋下。
而在應用AI芯片方面，海康、大華都選擇了英偉達的GPU，其AI算法和產品都基于英偉達的Jetson TX1 GPU芯片實現。2016年，海康威視推出從前端到后端全系列的AI產品，發布基于英偉達GPU和深度學習技術“深眸”攝像機、“超腦”NVR等產品。大華股份2016年第三季度成立AI研究院，2017年聯合英偉達發布多款“睿智”系列前端和后端智能設備。
但利用英偉達GPU芯片，成本畢竟較為昂貴。因而，為了降低成本、提高效能，大華、東方網力等也與國內初創公司深鑒（后被賽靈思收購）等合作，推出了基于賽靈思FPGA的DPU產品。在專用ASIC產品出現之前，FPGA成為部分安防場景降成本的有效手段。
另外，國內安防廠商也更看好低成本、低功耗、高算力的ASIC成為未來主流。2017年8月，英特爾子公司Movidiu推出Myriad X視覺處理器(VPU），被大量應用于大疆無人機、美國菲力爾（flir）智能紅外攝像機、海康“深眸”系列攝像機、華睿智能工業相機等產品中。
未來，ASIC芯片大規模量產，成本邊際效益遞減，采用ASIC方案的AI攝像頭實現成本將大幅度降低，這也為安防向前端智能轉變提供可能。
不過，目前由于后端還有大量成量視頻需要處理，既有傳統攝像頭短時間內不會全部更換，以及ASIC還不夠成熟等因素，安防前端智能的發展，及ASIC芯片普及都還需要時間。
隨著自動駕駛的熱潮襲來，汽車場景也成為AI落地的良好場景。不過目前已商用的自動駕駛芯片基本處于高級駕駛輔助系統（ADAS）階段，即可實現L1-L2等級的輔助駕駛和半自動駕駛；而適應L4-L5超高度自動駕駛及全自動駕駛的AI芯片，離規模化商用仍有距離。
汽車場景的AI芯片，領先的依然是英偉達。
2016年9月，英偉達發布針對自動駕駛技術和汽車產品的芯片Xavier，采用自定義的八核CPU架構，內建Volta GPU架構作為計算機視覺加速器，采用16nm FinFET工藝，運算性能達到20 TOPS，功耗為20W。
今年1月，英偉達又發布用于自動駕駛的Jetson Xavier芯片，采用12nm FFN制程，功耗為30W（相對上款芯片功耗上升，官方解釋“為提升性能”），及車載計算機Drive PX Pegasus，搭載兩塊Xavier SoC，算力支持L5。目前，英偉達在智能汽車領域的客戶包括20多家汽車制造商，其中最重要的客戶是特斯拉。
不過看英偉達在自動駕駛領域做大，英特爾也不甘心。2017年，英特爾收購了Mobileye，開始發力自動駕駛。
Mobileye在汽車領域可算戰績輝煌，其在汽車駕駛輔助系統領域，份額超過70％。從2007年與沃爾沃開始合作碰撞預警功能，與包括寶馬、特斯拉、通用等汽車巨頭合作推進駕駛輔助技術，2016年與寶馬、英特爾三方聯合開發自動駕駛汽車。
并且，Mobileye在2016年5月發布的EyeQ5（預計將于今年出工程樣品，2020年量產），宣稱將采用7nm工藝，提供每瓦特2.4 DL TOPS（萬億次/每秒）的效能——這一數字比英偉達公開宣稱的Xavier要高2.4倍。收購Mobileye，也是英特爾在無人駕駛領域與英偉達展開的一次激烈競爭。
另外，移動芯片領域的霸主高通也在積極布局自動駕駛領域。
2016年10月，高通宣布以每股110美元的價格收購車用芯片大廠恩智浦半導體，這一事件在當時幾乎震驚整個半導體行業。雖其后因反壟斷審查，而遭遇收購失敗，但高通發力汽車的決心并沒有減少。
在GMIC2016上，高通發布了智能汽車芯片驍龍820A，該處理器采用CPU+GPU的異構計算模式。2017年9月，高通公司又推出了一款新的汽車芯片組——C-V2X，這款芯片組提升了自動駕駛所需通信系統的配合度。目前已得到奧迪、福特以及上汽集團等的認可與關注，具體上市時間預計為今年下半年。
我國芯片企業，也參與到這場自動駕駛領域的芯片爭奪戰中。2016年3月奇點汽車發布會上，地平線首次展示了其先進輔助駕駛系統（ADAS）原型系統——雨果平臺。2017年1月的CES上，地平線又與英特爾發布了基于BPU架構（ASIC架構）的最新的高級輔助駕駛系統。產業調研顯示，地平線也是目前唯一在四大汽車市場—美國、德國、日本和中國，與頂級OEMs和Tier1s創建重要客戶關系的中國初創企業。
2017年12月，地平線發布“旭日”和“征程”兩款嵌入式AI芯片，分別面向智能駕駛和智能攝像頭；今年4月，地平線發布“征程2.0”芯片及MATRIX 1.0自動駕駛計算平臺。
總體來說，ASIC可以更好的滿足車載應用下重點關心的“最差情況處理”的延時問題。但鑒于其研發周期長，目前車載場景下，廠商仍考慮GPU作為主流方案，預計隨著ADAS定制化需求的增加，未來ASIC將成主流。
AI+手機，也是當下最火的AI概念之一。
目前AI在手機里面主要是輔助處理圖形圖像的識別（比如拍照的快速美顏）及語音語義的識別等場景。但目前此類應用對AI算法處理速度的要求并不高。同時手機對功耗要求極低，ASIC低成本、低功耗、低面積將占據核心優勢。
而在AI芯片進入手機方面，華為和蘋果都先后發布了有自己獨立AI處理單元的芯片。
2017年9月，華為發布了全球首款移動端AI芯片麒麟970，并將其運用于Mate10。這是業內第一次在手機芯片中，出現專門用于進行AI計算的處理單元，其集成了國內芯片創企“寒武紀”的NPU。今年8月，華為又發布了麒麟980，率先采用7nm工藝，雙核NPU。
緊隨其后，蘋果也在9月發布了iPhone X，及其專用神經網絡處理芯片A11“Bionic神經發動機”。該芯片將CPU和GPU巨大的計算量分開，將面部識別、語音識別等AI相關的任務卸載到AI專用模塊(ASIC)上處理。
在華為和蘋果之后，高通也于12月發布驍龍845，采用10nm工藝，支持Adreno 630 GPU，相比835，在AI計算能力上提升三倍，并支持多平臺的神經網絡系統。未來高通的策略是，提供開放AI平臺生態系統給合作伙伴。
但高通的AI芯片，并沒有針對AI的獨立運算單元，依舊是傳統的CPU/GPU以及DSP/ISP等特定場景處理器來兼職處理AI。
而為目前世界超過95%的智能手機和平板電腦提供IP的ARM，在AI方面稍顯來遲。不過今年2月，ARM也發布了兩款針對移動終端的AI芯片架構，機器學習處理器和物體檢測處理器。機器學習處理器將主要吸引平板電腦和智能手機制造商，計劃在今年第一季度供貨；對象檢測處理器，可能被用于智能安防攝像機、無人機及更廣泛用途，預計年中供貨。
目前，云端領域，英偉達憑借其FPGA穩穩占據最大市場份額，老二AMD在追擊，基于FPGA的賽靈思和英特爾阿爾特拉也在拓展，ASIC領域則以谷歌TPU為最大威脅者。
汽車領域，英偉達依然是巨頭，英特爾Mobileye則是直接對標英偉達，高通在進軍，我國企業地平線也用BPU（ASIC）布局這一市場。安防領域，英偉達地位不變，賽靈思深鑒的FPGA也有應用，Movidiu的ASIC也打開了部分市場。手機領域，華為和蘋果先發基于ASIC的AI芯片，高通和ARM則在其后推出了自己的AI架構。
GPU、FPGA、ASIC可謂各架構百花齊發，而ASIC也走通向主流應用的路上。
作為信息社會通用基礎設施，時下5G產業建設以及發展如火如荼，并將最終帶動數十萬億規模的社會經濟發展。但5G在正式進行商用化普及應用前的態勢如何發展？5G將為哪些領域的變革帶來有益賦能？5G將在各行各業掀起什么樣的市場風暴？系列問題依然困擾著各界人士。
為進一步深入了解產業發展脈絡，理解5G產業現狀以及未來趨勢，讓各界人士更清晰的洞察5G產業發展過程中的機遇點。6月14日，經上海市經濟和信息化委員會、上海市商務委員會、上海市長寧區人民政府指導，由億歐公司聯合承辦的“5G物聯峰會”將于上海虹橋世貿展館舉辦。
億歐“5G物聯峰會”將特邀政府、學界、商業、投資機構等領域的專業人士，以多領域視角切入，深究5G產業發展脈絡，探索5G賦能各行各業的新思路、新方法，供行業內外各界人士參考。活動詳情請戳：https://www.iyiou.com/post/ad/id/824
