芯片是戰略要地。目前GPU芯片在深度神經網絡訓練領域獲得大范圍的應用，但受制于功耗、應用優化性等方面的限制，仍有眾多的巨頭和初創公司在該領域積極探索，英特爾2016年發布Nervana AI處理器，可加速各類神經網絡。谷歌2016年也發布了自己的ASIC芯片TPU，用于加速深度神經網絡，微軟、AMD、百度等也相繼加入戰局。

寒武紀研發了國際首個深度學習專用處理器芯片(NPU)，目前其IP指令集，已擴大范圍授權集成到手機、安防、可穿戴設備等終端芯片中，2016年就已拿到1個億元訂單。

執行董事羅韜26日表示，目前寒武紀深度學習處理器，若以階段性論，還處于相當于“ARM”的授權階段，未來一年內，將推出芯片問世，并擬與臺積電先進工藝制程展開合作。

寒武紀之所以想要開發一款專用的深度學習處理器，因為有必要有專門的深度學習處理處，來提升效能與克服降低功耗。通用芯片與專用芯片相比，就像是一把萬能的瑞士軍刀與菜刀之比，想要切菜得好，必須有專用的菜刀堪用。而深度學習是處理智能應用迄今最好的方法。

羅韜表示，AI已經在很多領域超越了人腦。但是傳統的CPU/GPU處理深度學習效率低下，他舉例，AlphaGo使用上千個CPU和數百個GPU，下一盤棋的電費就高達3000美元，相當耗能。

而寒武紀的目標，據稱，是要讓1瓦以內功耗的攝像頭、手機、甚至手表都能和AlphaGo一樣“聰明”。

光靠NPU指令集就已賺錢

他也分享目前寒武紀的近況。就在2016年國際計算機體系結構年會中，約有1/6的論文都引用寒武紀開展神經網絡處理器研究。

目前寒武紀設立了三條產品線：首先是智能終端處理器IP授權，智能IP指令集可授權集成到手機、安防、可穿戴設備等終端芯片中，客戶包括國內頂尖SoC廠商，目前已經開始投入市場。而2016年全年就已拿到1個億元訂單。這也使得寒武紀研發了國際首個深度學習專用處理器芯片，于2016年第一年成立，就實現盈利。

其次，在智能云服務器芯片領域：作為PCIE加速卡插在云服務器上，客戶主要是國內的知名服務器廠商。

另外，家用智能服務機器人芯片：從智能玩具、智能助手入手，使服務機器人獨立具備看聽說的能力。客戶是各類下游機器人廠商，產品的推出將比智能云服務器芯片更晚一些。

日前中科院還注資1000萬元，這1000萬元專項資金一方面用于人工智能芯片的基礎性研究，探索下一代人工智能芯片的架構、算法以及在一些新型場景（如AR/VR）中的應用開發方法。

下一階段重點 流片商用問世

據指出，DianNao是寒武紀系列的第一個原型處理器結構，平均性能超過主流CPU核的100倍，但面積和功耗僅為1/10，效能提升可達三個數量級。

寒武紀處理器能直接面對大規模神經元和突觸處理，一條指令完成一組神經元處理，相比傳統執行x86指令集的芯片，有數量級的性能提升，未來在云服務器和智能終端上的圖像識別、語音識別、人臉識別等方面有著較廣應用前景。

而邁入下一個階段，寒武紀從IP指令集授權，到推出商用芯片問世，預料是目前緊鑼密鼓籌備的重點。

相關人士也指出，寒武紀目前鎖定與臺積電最先進的工藝制程合作，其中對其量產成熟的14納米工藝很有興趣。預期最快一年后流片。

行業人士還指出，國內現在高端芯片設計領域的實力已經提升，但是國內晶圓代工廠的工藝制程還沒跟上節奏，包括展訊14納米找英特爾代工、兆芯14納米CPU也都選擇與臺積電合作。

相關人士表示，目前看國內芯片廠的技術節點仍落于國外兩到三個世代，在28納米工藝制程還未站穩腳跟的當下，在國內選擇綜合考量上，高端芯片會多傾向以選擇臺積電、GLOBALFOUNDRIES為主，而臺積電則又較具兩岸優勢。