AIIA发布业界权威AI芯片目录集：AI芯片技术选型目录-2020.7-97页_2mb

中国人工智能产业发展联盟AI芯片技术选型目录（2020）总结

核心内容

中国人工智能产业发展联盟（AIIA）计算架构与芯片推进组发布《AI芯片技术选型目录（2020）》，旨在为AI芯片供应商和需求商提供交流平台，促进供需对接与产业健康发展。目录内容涵盖云端/数据中心、边缘计算、终端、IP技术等不同应用场景的AI芯片产品，重点介绍了各产品的技术特点、性能指标、应用案例和产品信息。

主要观点

• AI芯片已成为推动人工智能发展的关键要素，其应用场景从云端扩展至终端设备。
• 云端训练与推断、边缘计算、终端计算是AI芯片的三大主要部署场景。
• 目录以企业自愿报名方式征集产品信息，并通过测试验证与行业基准测试（如AIIADNNbenchmark）反映芯片的真实性能。
• 芯片设计逐渐聚焦于特定场景的优化，如视频处理、语音识别、智能驾驶等。
• 中国AI芯片企业在云端与边缘计算领域已具备一定的竞争力，部分产品性能可与国际大厂（如NVIDIA）相媲美。

关键信息

一、云端/数据中心

2.1 云端训练

• 百度昆仑1芯片：

  • 基于XPU架构，支持训练和推理；
  • 采用14nm工艺，支持FP16/FP32/INT8等数据类型；
  • 峰值算力256TOPS，内存16GB，带宽512GB/s，功耗150W，上市时间2019年11月。

• 邃思通用人工智能训练芯片（上海燧原科技）：

  • 12nm FinFET工艺，2.5D封装，晶体管数量141亿；
  • 峰值算力20TFLOPS@FP32，80TFLOPS@BF16/FP16，最大功耗190W；
  • 支持多种数据类型，具备高带宽和低延时，已获得24项授权专利。

• NVIDIA A100/V100/T4 Tensor Core GPUs：

  • NVIDIA A100采用7nm工艺，峰值算力624TOPS@INT8，功耗400W，内存40GB HBM2，带宽1555GB/s，上市时间2020年5月；
  • NVIDIA V100（NVLink）和V100（PCIe）支持多种深度学习任务，算力分别达到1248TOPS和15.7TFLOPS；
  • NVIDIA T4适用于推理任务，功耗70W，内存16GB GDDR6，带宽320+GB/s，上市时间2018年3月。

2.2 云端推断

• 赛灵思Alveo加速器卡：

  • Alveo U50、U200、U250、U280等型号，支持多种精度和深度学习框架；
  • U50功耗50W，内存8GB，带宽316GB/s，支持金融、视频处理等应用场景；
  • U200、U250功耗100W-225W，内存64GB，带宽77GB/s，适用于高计算强度任务；
  • U280支持双网络连接，功耗100W，内存8GB HBM2 + 32GB DDR4，带宽460GB/s。

• 中科寒武纪思元100：

  • 支持多种精度，INT8算力32TOPS，FP16算力16TFLOPS；
  • 内存8GB/16GB，带宽102GB/s，功耗75W，上市时间2018年5月。

• 中科寒武纪思元270：

  • 支持INT8/FP16/FP32，算力达到128TOPS@INT8；
  • 内存16GB，带宽102GB/s，功耗70W，上市时间2019年6月。

• 比特大陆BM1684：

  • 支持INT8/FP16，算力17.6TOPS@INT8，Winograd加速下可达35.2TOPS；
  • 内存12GB LPDDR4X，带宽68.3GB/s，功耗16W，上市时间2019年9月。

• 鲲云星空X3加速卡：

  • 支持ResNet、YOLO等主流CNN模型，内存8GB DDR4，带宽32GB/s；
  • 峰值功耗56W，支持分类、目标检测、语义分割等任务，芯片利用率高达95.4%；
  • 上市时间2020年6月。

• 华为昇腾310AI处理器：

  • 达芬奇架构，支持INT8/FP16，算力16TOPS@INT8，8TOPS@FP16；
  • 内存LPDDR4X，带宽2*64bit@3733MT/S，功耗4W-8W，上市时间2019年；
  • 支持多种深度学习框架，适用于图像识别、视频处理等任务。

2.3 小结

• 云端训练与推断芯片涵盖了百度、燧原、NVIDIA、中科寒武纪、比特大陆、鲲云、华为等企业；
• 云端推断芯片在能效比、算力、部署灵活性等方面各有优势；
• 云端推断芯片的性能与功耗比在不同应用场景中表现各异，部分产品性能领先。

二、边缘计算

3.1 上海天数智芯IIuvatarCoreXI芯片

• 针对边缘计算场景设计，支持主流CNN模型；
• 峰值功耗5W，内存8GB，带宽273GB/s；
• 支持FP16计算，算力4.8TFLOPS，适用于智慧零售、园区、医疗等场景；
• 已适配国产CPU（如ARM、X86、龙芯）；
• 专利数量17项，支持Tensorflow原生框架扩展。

3.2 NVIDIA Jetson与NVIDIA T4 Tensor Core GPUs

• NVIDIA Jetson：

  • Jetson Nano：Maxwell架构，128CUDA核心，适用于嵌入式AI开发；
  • Jetson TX2：Pascal架构，256CUDA核心，适用于工业物联网；
  • Jetson Xavier NX：Volta架构，384CUDA核心+48Tensor核心，支持多传感器数据处理；
  • Jetson AGX Xavier：Volta架构，512CUDA核心+64Tensor核心，适用于高性能边缘计算。

• NVIDIA T4 Tensor Core GPU：

  • Turing架构，支持实时光线追踪、AI、模拟等；
  • 适用于高性能计算与超大规模数据中心，支持多种AI任务。

3.3 其他边缘计算芯片

• 紫光展锐虎贲T710：

  • 适用于安防、机器人、车载等场景；
  • 专利数量未提供。

• 中科寒武纪思元220M.2：

  • 适用于边缘端的AI推理任务；
  • 专利数量未提供。

• 华为昇腾310AI处理器：

  • 适用于边缘计算，算力16TOPS@INT8，8TOPS@FP16；
  • 支持多种AI框架，适用于图像识别、视频处理等任务。

3.6 小结

• 边缘计算芯片主要应用于智能视频分析、工业检测、安防等场景；
• 芯片设计注重低功耗与高能效比；
• 多种芯片支持主流深度学习框架，便于开发与部署。

三、终端

4.1 通用端侧产品

• NVIDIA Jetson：

  • 适用于智能网关、机器人、传感器等；
  • 支持多种深度学习任务，性能与功耗平衡。

• 华为昇腾310AI处理器：

  • 部署于终端设备，支持多种AI任务；
  • 算力16TOPS@INT8，8TOPS@FP16，功耗4W-8W。

• 瑞芯微RK1808AIoT芯片方案：

  • 支持多种AI应用，适用于智能终端设备；
  • 功耗未提供。

• 瑞芯微RK3399Pro：

  • 高性能AI芯片，适用于边缘端计算；
  • 支持多种AI框架，性能较强。

• 天数智芯IIuvatarCoreXI芯片：

  • 适用于终端计算，支持多种AI任务；
  • 功耗低，适用于嵌入式系统。

4.2 智能驾驶

• 赛灵思ZU7EV：

  • Zynq UltraScale+ MPSoC，适用于智能驾驶系统；
  • 支持多种AI任务，具备高灵活性。

• NVIDIA DRIVE：

  • 针对自动驾驶开发，支持多种AI算法；
  • 高性能GPU，适用于复杂AI任务。

4.3 安防、机器人、车载

• 云天励飞深度学习神经网络处理器：

  • 适用于安防、工业检测等；
  • 支持多种AI任务，性能较高。

• 紫光展锐虎贲T710：

  • 适用于安防、机器人、车载等场景；
  • 支持多种AI任务，功耗低。

• 华为Hi系列芯片：

  • Hi3516DV300、Hi3519AV100、Hi3559A V100、Hi3562V100、Hi3566V100、Hi3568V100等；
  • 适用于视频监控、智能安防等，支持多种AI任务。

4.4 手机

• 华为Kirin 990 5G处理器：

  • 集成NPU，支持多种AI任务；
  • 功耗低，性能优异。

• 高通骁龙865移动平台：

  • 集成AI引擎，支持多种AI应用；
  • 高性能，适用于高端智能手机。

4.5 语音

• 启英泰伦CI1103：

  • 适用于语音识别、降噪等；
  • 功耗未提供。

• 深聪半导体AI语音芯片：

  • 支持语音识别，适用于智能终端设备。

• 清微智能TX210：

  • 支持语音识别，适用于终端设备。

4.6 小结

• 终端AI芯片主要应用于手机、智能设备、安防、机器人、车载等领域；
• 芯片注重低功耗、高性能、多场景适应性；
• 部分芯片已实现商用部署，支持主流AI框架。

四、IP技术

• 安谋科技周易AIPU：

  • 适用于AI加速，支持多种AI任务；
  • 专利数量未提供。

• 颗脉PowerVR NNA神经网络加速器系列IP：

  • 适用于AI加速，支持多种深度学习框架；
  • 专利数量未提供。

5.3 小结

• IP技术是AI芯片设计的重要组成部分，为芯片提供计算单元与加速能力；
• 企业通过IP技术实现AI芯片的定制化与高性能。

五、附录与说明

• 选型目录由AIIA委托中国信息通信研究院进行验证测试，测试结果可公开查询；
• 参与测试的芯片会显示“tested by AIIA”和“AIIADNNbenchmark”标识；
• 产品信息由企业提供并经审核，AIIA不承担数据真实性责任；
• 目录内容将根据实际案例持续更新，以推动AI芯片产业健康发展。

总结

《中国人工智能产业发展联盟AI芯片技术选型目录（2020）》全面梳理了当前AI芯片在云端、边缘和终端的应用情况，展示了各企业产品的技术特点、性能指标和应用场景。目录不仅为用户提供选型参考，也为芯片企业提供了宣传与测试验证的平台。未来，目录将基于真实案例迭代更新，推动AI芯片技术的发展与产业应用的深化。