手机芯片，AI才是大方向

业内人士认为，智能化、个性化是手机发展的大趋势，AI技术在智能手机上的应用，可显著改善用户体验，增强用户黏性。

人工智能芯片

人工智能芯片是软件定义芯片，相比于传统CPU、GPU芯片，具有可重构计算和深度学习两大重要因素。可重构计算是指硬件架构和功能可以动态地、实时地跟随软件的变化而变化；深度学习，就是通过算法给机器设计一个精神网络，通过模拟大脑神经元之间传递、处理信息的模式，从多个角度和层次来观察、学习、判断、决策。当然，即使最先进的IBM的TrueNorth也只有人类100亿个神经元的万分之一功能。

在应用方面，当前人脸识别、语音识别等多个领域已经成为热点研究方向。

当前芯片分类

传统芯片多采用经典计算模式，业内多分为经典的4种集成电路模型：CPU、FPGA、ASIC、SOC。

lazyload

目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构均因硬件规模、算法、功耗等原因不符合AI芯片理想架构，相对来说功能动态、实时地跟随软件变化而变化更重要。

而表格中的RCC则属于可重构计算芯片，支持软硬件编程，硬件随软件变化而变化，是可用于深度学习的软件定义芯片。

以下是两种不同模式的比较特点：

lazyload

构成智能芯片的关键要素们至少要满足以下特征：

可编程性：适应算法的演进和应用的多样性

架构的动态可变性：适应不同的算法，实现高效计算

高效的架构变换能力：＜10Clock cycle，降低开销

高计算效率：避免使用指令这类低效率的架构

高能量效率：~5TOps/W；某些应用功耗＜1mW；某些应用识别速度＞25f/s

低成本：能够进入家电和消费类电子

体积小：能够装载在移动设备上

应用开发简便：不需要芯片设计方面的知识

人工智能估值

据IDC预测，2017年全球认知和人工智能系统的收入将达到125亿美元，比2016年增长59.3%。并且，这家研究公司表示，随着越来越多的公司加入到这个队伍中，到2020年，公司的复合年均增长率（CAGR）将达到54.4%，届时收入将超过460亿美元。

lazyload