人工智能硬件：半導(dǎo)體企業(yè)的新機(jī)遇

相較以往數(shù)次技術(shù)革命，人工智能的發(fā)展對(duì)半導(dǎo)體產(chǎn)業(yè)意味著什么？哪些芯片有望引領(lǐng)科技創(chuàng)新？本報(bào)告通過對(duì)人工智能解決方案和相應(yīng)半導(dǎo)體產(chǎn)品的分析，預(yù)測(cè)人工智能和深度學(xué)習(xí)可以使半導(dǎo)體企業(yè)從技術(shù)創(chuàng)新中獲得總價(jià)值的40%到50%;存儲(chǔ)產(chǎn)品將從發(fā)展紅利中切得最大的“蛋糕”;半導(dǎo)體企業(yè)有望在高性能計(jì)算、存儲(chǔ)和組網(wǎng)市場(chǎng)獲得巨大收益。

AI技術(shù)創(chuàng)新將給半導(dǎo)體企業(yè)帶來(lái)機(jī)遇

人工智能不斷為半導(dǎo)體企業(yè)注入推力，今天，半導(dǎo)體企業(yè)該如何迎接人工智能帶來(lái)的機(jī)遇和挑戰(zhàn)？

過去的幾十年，軟件一直是高科技的明星，原因很容易理解。伴隨著計(jì)算機(jī)和移動(dòng)電話等定義了這個(gè)時(shí)代的顛覆性創(chuàng)新，技術(shù)系列中的架構(gòu)和軟件層使得許多科技成為可能。在這種環(huán)境下，半導(dǎo)體企業(yè)處境艱難。盡管在芯片設(shè)計(jì)和制造方面的創(chuàng)新催生了新一代設(shè)備，但半導(dǎo)體企業(yè)只從這種技術(shù)創(chuàng)新中獲得很小一部分價(jià)值：個(gè)人電腦約占20%到30%，移動(dòng)設(shè)備約占10%到20%。

但隨著人工智能（AI）的發(fā)展，半導(dǎo)體企業(yè)的情況可能將有所改變。人工智能通常定義為機(jī)器執(zhí)行與人類思維相關(guān)的認(rèn)知功能的能力，例如感知、推理和學(xué)習(xí)。許多人工智能應(yīng)用程序已經(jīng)獲得了廣泛的重視，包括管理人們家庭的虛擬助手和跟蹤罪犯的面部識(shí)別程序。這些多樣化的解決方案與其他新興的人工智能應(yīng)用程序有一個(gè)共同特征：依賴硬件作為創(chuàng)新的核心推動(dòng)因素，尤其是邏輯電路和內(nèi)存功能。

這一發(fā)展對(duì)半導(dǎo)體銷售和收入意味著什么？哪些芯片對(duì)未來(lái)的創(chuàng)新最重要？為了回答這些問題，麥肯錫回顧了當(dāng)前的人工智能解決方案以及支持這些方案的技術(shù)。同時(shí)，還探討了系列技術(shù)創(chuàng)新中半導(dǎo)體企業(yè)的機(jī)遇。本報(bào)告分析得出了價(jià)值創(chuàng)造的三個(gè)重要發(fā)現(xiàn)：一是人工智能可以使半導(dǎo)體企業(yè)從系列技術(shù)創(chuàng)新中獲得總價(jià)值的40%到50%，這是半導(dǎo)體企業(yè)幾十年來(lái)的難得機(jī)遇。二是存儲(chǔ)設(shè)備將實(shí)現(xiàn)最高增長(zhǎng)，但半導(dǎo)體企業(yè)將在計(jì)算能力、內(nèi)存和組網(wǎng)方面獲得最大價(jià)值。三是為了避免過去影響價(jià)值挖掘的錯(cuò)誤，半導(dǎo)體企業(yè)必須采取新的價(jià)值創(chuàng)造策略，重點(diǎn)關(guān)注為特定行業(yè)提供端到端的定制解決方案。

基于以上觀點(diǎn)，半導(dǎo)體領(lǐng)導(dǎo)者可以構(gòu)建一個(gè)新的人工智能路線圖。該報(bào)告首先回顧了技術(shù)創(chuàng)新帶來(lái)的機(jī)遇，重點(diǎn)關(guān)注人工智能對(duì)數(shù)據(jù)中心和邊緣設(shè)備需求的影響（例如設(shè)備的計(jì)算能力帶來(lái)的應(yīng)用），然后，探討了計(jì)算能力、內(nèi)存、存儲(chǔ)設(shè)備和組網(wǎng)帶來(lái)的特定機(jī)遇。本報(bào)告還討論了有助于半導(dǎo)體企業(yè)在人工智能市場(chǎng)中獲得優(yōu)勢(shì)的新策略，以及半導(dǎo)體領(lǐng)導(dǎo)者在制定下一步計(jì)劃時(shí)應(yīng)該考慮的問題。

人工智能技術(shù)自20世紀(jì)50年代出現(xiàn)以來(lái)，取得了重大進(jìn)展。近幾年，開發(fā)人員創(chuàng)建了復(fù)雜的機(jī)器學(xué)習(xí)（ML）算法，人工智能技術(shù)開始可以處理大型數(shù)據(jù)集，機(jī)器具備了“從經(jīng)驗(yàn)中學(xué)習(xí)，并進(jìn)行改進(jìn)”的能力。此外，伴隨深度學(xué)習(xí)技術(shù)（DL）的進(jìn)步，人工智能發(fā)生了最大的飛躍。深度學(xué)習(xí)是一種可以處理更廣泛數(shù)據(jù)的機(jī)器學(xué)習(xí)，僅需要人工操作人員進(jìn)行很少的數(shù)據(jù)預(yù)處理，且通常可以產(chǎn)生更準(zhǔn)確的結(jié)果。

這些技術(shù)創(chuàng)新有9個(gè)獨(dú)立層級(jí)，能實(shí)現(xiàn)兩項(xiàng)活動(dòng)進(jìn)而推動(dòng)人工智能應(yīng)用：訓(xùn)練和推理。當(dāng)開發(fā)人員嘗試改進(jìn)訓(xùn)練和推理時(shí)，經(jīng)常遇到硬件層的障礙，包括存儲(chǔ)設(shè)備、內(nèi)存、邏輯電路和組網(wǎng)。通過提供下一代加速器架構(gòu)，半導(dǎo)體企業(yè)可以提高計(jì)算效率或改善通過內(nèi)存和存儲(chǔ)設(shè)備傳輸大型數(shù)據(jù)集。例如，人工智能的專用內(nèi)存帶寬是傳統(tǒng)內(nèi)存的4.5倍，因此更適合處理人工智能應(yīng)用程序所需的大量數(shù)據(jù)。由于技術(shù)創(chuàng)新帶來(lái)了性能的巨大提升，許多客戶并不介意支付更高價(jià)格而選用專用內(nèi)存（每GB大約25美元，相對(duì)而言，標(biāo)準(zhǔn)內(nèi)存大約只需要8美元）。

半導(dǎo)體行業(yè)的大部分收入將來(lái)源于AI

由于硬件已經(jīng)成為推動(dòng)人工智能技術(shù)差異化發(fā)展的重要因素，應(yīng)用市場(chǎng)將極大程度增加芯片的使用需求，半導(dǎo)體企業(yè)可以通過開發(fā)新技術(shù)（如特定工作的人工智能加速器）獲利。麥肯錫創(chuàng)建了一個(gè)模型來(lái)預(yù)測(cè)人工智能市場(chǎng)需求將如何影響半導(dǎo)體企業(yè)收入，并確定人工智能相關(guān)芯片對(duì)未來(lái)半導(dǎo)體市場(chǎng)的影響程度（有關(guān)具體的方法，參見“如何進(jìn)行價(jià)值估算”）。

麥肯錫的研究顯示，與人工智能相關(guān)的半導(dǎo)體市場(chǎng)未來(lái)幾年的年復(fù)合增長(zhǎng)率約18%，是非人工智能應(yīng)用中使用的半導(dǎo)體增速的5倍。到2025年，與人工智能相關(guān)的半導(dǎo)體可能占所有需求的近20%，這將實(shí)現(xiàn)約670億美元的收入。數(shù)據(jù)中心和邊緣計(jì)算設(shè)備都將出現(xiàn)機(jī)遇。如果這種增長(zhǎng)按預(yù)期實(shí)現(xiàn)，半導(dǎo)體企業(yè)將從人工智能系列技術(shù)創(chuàng)新中獲得比過去創(chuàng)新更多的價(jià)值，約占總價(jià)值的40%到50%。

如何進(jìn)行價(jià)值估算

可采用自下而上的方法估算半導(dǎo)體企業(yè)的價(jià)值。以用于計(jì)算功能的加速器為例，首先確定用于人工智能的數(shù)據(jù)中心中服務(wù)器的百分比。然后確定常用的邏輯設(shè)備類型以及相關(guān)加速器的平均銷售價(jià)格。對(duì)于邊緣設(shè)備計(jì)算能力，可采用類似思路，但是應(yīng)更注意確定用于人工智能而非服務(wù)器的設(shè)備數(shù)量。結(jié)合對(duì)數(shù)據(jù)中心和邊緣設(shè)備的了解，便可以估算與計(jì)算功能相關(guān)的半導(dǎo)體企業(yè)的潛在價(jià)值。

存儲(chǔ)設(shè)備創(chuàng)造價(jià)值的最佳機(jī)遇

麥肯錫進(jìn)一步分析了半導(dǎo)體廠商在計(jì)算能力、內(nèi)存、存儲(chǔ)設(shè)備和組網(wǎng)方面的具體機(jī)遇。對(duì)于每個(gè)領(lǐng)域，報(bào)告研究了硬件需求在數(shù)據(jù)中心和邊緣設(shè)備的變化，還量化了除組網(wǎng)之外的每個(gè)類別的預(yù)期增長(zhǎng)，對(duì)于半導(dǎo)體企業(yè)而言，后者與人工智能相關(guān)的價(jià)值機(jī)會(huì)相對(duì)較小。

計(jì)算能力

計(jì)算性能依賴于中央處理單元（CPU）和加速器——圖形處理單元（GPU）、現(xiàn)場(chǎng)可編程門陣列（FPGA）和專用集成電路（ASIC）。因?yàn)槊糠N應(yīng)用都有不同的計(jì)算要求，因此最佳的人工智能硬件架構(gòu)會(huì)有所不同。例如，與自動(dòng)駕駛或財(cái)務(wù)風(fēng)險(xiǎn)分級(jí)的應(yīng)用相比，路線規(guī)劃應(yīng)用對(duì)處理速度、硬件接口和其他性能有不同的需求。

總體而言，到2025 年，對(duì)計(jì)算硬件的需求將增加約10%至15%。在分析了超過150個(gè)深度學(xué)習(xí)應(yīng)用后，考慮了推理和訓(xùn)練要求，能夠確定最有望在數(shù)據(jù)中心和邊緣設(shè)備獲得優(yōu)勢(shì)的架構(gòu)。

數(shù)據(jù)中心。為滿足人工智能應(yīng)用的更高需求，大多數(shù)計(jì)算能力增長(zhǎng)將來(lái)自云計(jì)算數(shù)據(jù)中心。在現(xiàn)有數(shù)據(jù)中心中，圖形處理單元幾乎用于所有訓(xùn)練應(yīng)用。麥肯錫預(yù)計(jì)，圖形處理單元將很快失去市場(chǎng)份額，并被專用集成電路所替代，直到2025年，計(jì)算市場(chǎng)被這兩種解決方案平均瓜分。隨著專用集成電路進(jìn)入市場(chǎng)，圖形處理單元可能會(huì)更加定制化以滿足深度學(xué)習(xí)的需求。除了專用集成電路和圖形處理單元外，現(xiàn)場(chǎng)可編程門陣列將主要被應(yīng)用于必須快速進(jìn)入的市場(chǎng)或滿足專業(yè)數(shù)據(jù)中心的定制化需求，未來(lái)將在人工智能訓(xùn)練中發(fā)揮一定作用，具體應(yīng)用包括用于新深度學(xué)習(xí)的原型應(yīng)用。

在推理方面，目前中央處理單元約占市場(chǎng)的75%。隨著深度學(xué)習(xí)應(yīng)用程序的發(fā)展，專用集成電路所有望占據(jù)更多市場(chǎng)。預(yù)計(jì)至2025年，中央處理單元與專用集成電路的市場(chǎng)占比將分別為50%、40%。

邊緣應(yīng)用。目前大多數(shù)邊緣訓(xùn)練出現(xiàn)在筆記本電腦和其他個(gè)人計(jì)算機(jī)上，但未來(lái)將有更多設(shè)備可以記錄數(shù)據(jù)并在現(xiàn)場(chǎng)訓(xùn)練中發(fā)揮作用。例如，在石油和天然氣勘探現(xiàn)場(chǎng)，使用的鉆頭生成與油井地質(zhì)特征相關(guān)的數(shù)據(jù)，以用于訓(xùn)練模型。對(duì)于加速器，現(xiàn)今中央處理單元和專用集成電路基本平分了訓(xùn)練市場(chǎng)份額。然而，在未來(lái)，麥肯錫預(yù)計(jì)內(nèi)置在芯片系統(tǒng)的專用集成電路將占需求的70%，現(xiàn)場(chǎng)可編程門陣列將占需求的約20%，并將用于需要大量定制的應(yīng)用程序。

在推理方面，現(xiàn)在大多數(shù)邊緣設(shè)備依賴于中央處理單元或?qū)Ｓ眉呻娐?，圖像處理單元?jiǎng)t被應(yīng)用在自動(dòng)駕駛汽車等少數(shù)場(chǎng)景中。到2025年，預(yù)計(jì)在邊緣推理市場(chǎng)，專用集成電路將占70%左右，圖形處理單元占20%。

內(nèi)存

因?yàn)樯疃壬窠?jīng)網(wǎng)絡(luò)中的計(jì)算層必須盡快將輸入的數(shù)據(jù)傳遞到成千上萬(wàn)個(gè)內(nèi)核，人工智能應(yīng)用程序具有高內(nèi)存帶寬要求。通常需要?jiǎng)討B(tài)隨機(jī)存儲(chǔ)器（DRAM）存儲(chǔ)輸入數(shù)據(jù)、權(quán)重模型參數(shù)，并在推理和訓(xùn)練中執(zhí)行其他功能。以訓(xùn)練識(shí)別貓為例，識(shí)別過程中的所有中間結(jié)果，例如顏色、輪廓、紋理，因?yàn)槟Ｐ蜁?huì)對(duì)算法進(jìn)行微調(diào)，需要存儲(chǔ)在內(nèi)存中。因?yàn)檫@些要求，人工智能將為內(nèi)存市場(chǎng)創(chuàng)造一個(gè)巨大機(jī)遇，其價(jià)值預(yù)計(jì)將從2017年的64億美元，增加到2025年的120億美元。在三個(gè)加速器類別中，內(nèi)存的年復(fù)合增長(zhǎng)率最低，大約5%到10%。這是因算法設(shè)計(jì)的效率提升、精度需求降低，以及行業(yè)能力的進(jìn)步所致。

大部分內(nèi)存市場(chǎng)短期增長(zhǎng)將來(lái)自數(shù)據(jù)中心對(duì)運(yùn)行人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法所需的高帶寬動(dòng)態(tài)隨機(jī)存儲(chǔ)器的需求增加。但隨著時(shí)間的推移，人工智能邊緣應(yīng)用對(duì)內(nèi)存的需求將會(huì)增加，例如，聯(lián)網(wǎng)汽車可能需要更多的動(dòng)態(tài)隨機(jī)存儲(chǔ)器。

當(dāng)前內(nèi)存通常針對(duì)中央處理單元進(jìn)行了優(yōu)化，但開發(fā)人員正探索新的體系架構(gòu)。更具吸引力的解決方案包括：

（1）高帶寬內(nèi)存（HBM）。該技術(shù)允許人工智能應(yīng)用程序以最大速度處理大型數(shù)據(jù)集，同時(shí)功率最小化，并允許深度學(xué)習(xí)計(jì)算處理器通過稱為硅通孔（TSV）的快速連接讀取三維存儲(chǔ)器中的數(shù)據(jù)。谷歌和英偉達(dá)等人工智能芯片領(lǐng)導(dǎo)者已采用高帶寬內(nèi)存作為首選內(nèi)存解決方案，盡管其每GB成本是傳統(tǒng)動(dòng)態(tài)隨機(jī)存儲(chǔ)器的3倍。這表明客戶不介意支付更高費(fèi)用，以換取人工智能硬件性能的提升。

（2）片上存儲(chǔ)器。對(duì)于深度學(xué)習(xí)計(jì)算處理器，在動(dòng)態(tài)隨機(jī)存儲(chǔ)器或其他外部存儲(chǔ)器中存儲(chǔ)和讀取數(shù)據(jù)所花費(fèi)的時(shí)間比片上存儲(chǔ)器多100倍。當(dāng)谷歌設(shè)計(jì)專門用于人工智能的集成電路張量處理單元（TPU）時(shí)，該芯片包含了足夠的內(nèi)存以存儲(chǔ)整個(gè)模型。像Graphcore這樣的初創(chuàng)公司也在增加片上存儲(chǔ)器的容量，通過一種最大化人工智能計(jì)算速度的新型架構(gòu)，使其比典型圖形處理單元的容量提高約1000倍。對(duì)于大多數(shù)應(yīng)用而言，片上存儲(chǔ)器的成本仍然過高，芯片設(shè)計(jì)人員必須應(yīng)對(duì)這一挑戰(zhàn)。

存儲(chǔ)設(shè)備

開發(fā)人員在人工智能和深度學(xué)習(xí)訓(xùn)練中會(huì)使用更多數(shù)據(jù)，這也增加了對(duì)存儲(chǔ)設(shè)備的需求。從2017年到2025 年，這些轉(zhuǎn)變可導(dǎo)致存儲(chǔ)設(shè)備25%至30%年增長(zhǎng)率，這是本報(bào)告調(diào)查的所有細(xì)分市場(chǎng)中最高的增長(zhǎng)率。由于供需關(guān)系導(dǎo)致的價(jià)格變化，制造商將增加存儲(chǔ)加速器的產(chǎn)量。

與傳統(tǒng)存儲(chǔ)設(shè)備千篇一律的解決方案不同，人工智能解決方案必須適應(yīng)不斷變化的需求，而這些解決方案取決于應(yīng)用是用于訓(xùn)練還是推理。例如，人工智能訓(xùn)練系統(tǒng)在改進(jìn)算法時(shí)必須存儲(chǔ)大量數(shù)據(jù)，但人工智能推理系統(tǒng)僅存儲(chǔ)可能在將來(lái)訓(xùn)練中有用的數(shù)據(jù)。所以，人工智能訓(xùn)練比人工智能推理對(duì)存儲(chǔ)設(shè)備的需求要高。

存儲(chǔ)設(shè)備有一個(gè)潛在的顛覆性創(chuàng)新是新型非易失性存儲(chǔ)器（NVM）。這種新型非易失性存儲(chǔ)器的特性介于傳統(tǒng)內(nèi)存（如DRAM）和傳統(tǒng)外部存儲(chǔ)器（如NAND閃存）之間，比DRAM具有更高的密度，比NAND具有更好的性能，同時(shí)功耗比兩者更小。這些特性將支持新應(yīng)用，并允許非易失性存儲(chǔ)器替代其他應(yīng)用中的DRAM和NAND。目前，這些形式的非易失性存儲(chǔ)器市場(chǎng)很小。在未來(lái)兩年內(nèi)該領(lǐng)域營(yíng)業(yè)收入約為10億美元至20億美元，但預(yù)測(cè)到2025年?duì)I業(yè)收入將超過100億美元。

非易失性存儲(chǔ)器包括多種技術(shù)，各種技術(shù)在存儲(chǔ)器讀取時(shí)間和成本方面千差萬(wàn)別，且都處于不同的發(fā)展階段。磁阻隨機(jī)存儲(chǔ)器（MRAM）具有最低的讀寫延遲、超過5年的數(shù)據(jù)保留時(shí)間和出色的耐用性。但是，磁阻隨機(jī)存儲(chǔ)器容量擴(kuò)展有限，使其成為一種昂貴的替代方案，可用于頻繁讀取的緩存而非長(zhǎng)期數(shù)據(jù)保留解決方案;電阻式隨機(jī)存儲(chǔ)器（ReRAM）可垂直擴(kuò)展，使其在擴(kuò)展和成本方面具有優(yōu)勢(shì)，但具有更慢的延遲和更低的耐用性;相變存儲(chǔ)器（PCM）介于兩者之間，其中最著名的例子就是3D XPoint。在這些技術(shù)被更廣泛采用之前，可靠性和錯(cuò)誤率是必須克服的關(guān)鍵障礙。

組網(wǎng)

人工智能應(yīng)用程序在訓(xùn)練期間需要許多服務(wù)器，并且數(shù)量會(huì)隨著時(shí)間而增加。例如，開發(fā)人員只需要一臺(tái)服務(wù)器來(lái)構(gòu)建初始人工智能模型，以及不到100臺(tái)服務(wù)器用于改進(jìn)其架構(gòu)。但是，使用真實(shí)數(shù)據(jù)進(jìn)行訓(xùn)練可能需要幾百臺(tái)（這是必然的發(fā)展方向）。自動(dòng)駕駛模型需要140多臺(tái)服務(wù)器才能在檢測(cè)障礙物時(shí)達(dá)到97%的準(zhǔn)確率。

連接服務(wù)器的網(wǎng)速過慢成為訓(xùn)練的瓶頸（這種情況屢見不鮮）。盡管目前大多數(shù)提高網(wǎng)絡(luò)速度的策略都涉及數(shù)據(jù)中心硬件，但開發(fā)人員正在研究其他選項(xiàng)，包括可以將數(shù)據(jù)傳輸?shù)讲煌较虻目删幊探粨Q機(jī)。此功能將加速最重要的訓(xùn)練任務(wù)之一：無(wú)論何時(shí)更新模型參數(shù)，都需要在多個(gè)服務(wù)器之間重新同步輸入權(quán)重。借助可編程開關(guān)，幾乎可以立即實(shí)現(xiàn)重新同步，并將訓(xùn)練速度提高2到10倍。隨著使用更多服務(wù)器的大型人工智能模型的出現(xiàn)，其性能也將得到大幅度提升。

改善組網(wǎng)的另一個(gè)選擇是在服務(wù)器中使用高速互連。這項(xiàng)技術(shù)可以使性能提高3倍，但其價(jià)格也將高出約35%。

半導(dǎo)體企業(yè)需引入新策略進(jìn)軍AI市場(chǎng)

機(jī)遇無(wú)處不在，但機(jī)遇卻不能保證半導(dǎo)體企業(yè)成功。為最大程度地挖掘機(jī)遇帶來(lái)的價(jià)值，半導(dǎo)體企業(yè)需要注重針對(duì)特定行業(yè)的端到端解決方案（也稱為微觀垂直解決方案）、生態(tài)系統(tǒng)開發(fā)，以及除計(jì)算能力、內(nèi)存和組網(wǎng)技術(shù)以外的更多創(chuàng)新。

客戶對(duì)微觀垂直的端到端解決方案的認(rèn)可能帶來(lái)豐厚的投資回報(bào)。人工智能硬件解決方案只有在與系列技術(shù)創(chuàng)新的所有層級(jí)兼容時(shí)才有效，包括服務(wù)層級(jí)中的解決方案和應(yīng)用。半導(dǎo)體企業(yè)可以采取兩條途徑實(shí)現(xiàn)這一目標(biāo)，且有些企業(yè)已經(jīng)開始了行動(dòng)。首先，半導(dǎo)體企業(yè)可以與合作伙伴合作開發(fā)用于特定行業(yè)應(yīng)用（例如石油和天然氣勘探）的人工智能硬件，以創(chuàng)建端到端解決方案。

例如，Mythic開發(fā)了一種專用集成電路，以支持醫(yī)療保健和軍事領(lǐng)域中圖像和語(yǔ)音識(shí)別的邊緣推理應(yīng)用。其次，半導(dǎo)體企業(yè)可以重點(diǎn)開發(fā)人工智能硬件，以實(shí)現(xiàn)廣泛的跨行業(yè)解決方案，就像英偉達(dá)開發(fā)的圖形處理單元一樣。

所采用的具體方式將因細(xì)分行業(yè)而異。對(duì)于內(nèi)存和存儲(chǔ)設(shè)備企業(yè)，解決方案往往在微觀垂直上具有相同的技術(shù)要求。相比之下，在計(jì)算能力上，人工智能算法的要求可能會(huì)有很大差異。應(yīng)用于自動(dòng)駕駛汽車中的邊緣設(shè)備加速器處理的數(shù)據(jù)與依賴于云的語(yǔ)言翻譯應(yīng)用的數(shù)據(jù)有很大不同。在這種情況下，企業(yè)不能指望第三方來(lái)構(gòu)建新的層以實(shí)現(xiàn)與其硬件的兼容。

活躍的生態(tài)系統(tǒng)對(duì)成功至關(guān)重要。半導(dǎo)體企業(yè)需要?jiǎng)?chuàng)建一個(gè)軟件開發(fā)者生態(tài)系統(tǒng)，通過提供具有廣泛吸引力的產(chǎn)品使其硬件成為人們的首選，企業(yè)也將因此對(duì)設(shè)計(jì)選擇具有更大的影響力。例如，喜歡某種硬件的開發(fā)人員將在構(gòu)建應(yīng)用程序時(shí)將其作為基礎(chǔ)，并以此為出發(fā)點(diǎn)，尋找與其兼容的其他組件。

為方便軟件開發(fā)人員融入這一生態(tài)系統(tǒng)，半導(dǎo)體企業(yè)應(yīng)盡量降低復(fù)雜性。由于現(xiàn)在人工智能硬件的類型更多，包括新的加速器，半導(dǎo)體企業(yè)應(yīng)提供簡(jiǎn)單的界面和軟件平臺(tái)功能。例如，英偉達(dá)為開發(fā)人員提供了統(tǒng)一計(jì)算設(shè)備架構(gòu)（CUDA），一種可與多種編程語(yǔ)言協(xié)同工作的并行計(jì)算平臺(tái)和應(yīng)用程序編程接口（API）。該架構(gòu)使軟件開發(fā)人員能夠使用基于該架構(gòu)的圖形處理單元進(jìn)行通用處理。英偉達(dá)還為軟件開發(fā)人員提供了使用深度學(xué)習(xí)應(yīng)用程序的權(quán)限。該平臺(tái)現(xiàn)已有數(shù)千個(gè)應(yīng)用程序。

在具有重要戰(zhàn)略意義的行業(yè)領(lǐng)域，英偉達(dá)還提供定制的軟件開發(fā)套件。例如，為有助于開發(fā)自動(dòng)駕駛汽車軟件，英偉達(dá)創(chuàng)建了DriveWorks，這是一個(gè)帶有現(xiàn)成軟件工具的套件，例如對(duì)象檢測(cè)庫(kù)，可以幫助應(yīng)用程序解讀自動(dòng)駕駛車輛攝像頭和傳感器的數(shù)據(jù)。

由于開發(fā)人員往往對(duì)某些硬件架構(gòu)情有獨(dú)鐘，也有助于大大提升該硬件企業(yè)的知名度，從而提高品牌認(rèn)知度。同時(shí)，還會(huì)獲得更高的采用率和更高的客戶忠誠(chéng)度，從而帶來(lái)持久的價(jià)值。

只有為最終用戶帶來(lái)真正價(jià)值的平臺(tái)才能與大型高科技企業(yè)的各種產(chǎn)品展開競(jìng)爭(zhēng)。例如，谷歌的TensorFlow（機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型與算法的開源庫(kù)）。TensorFlow支持谷歌的核心產(chǎn)品，如谷歌翻譯，也有助于谷歌公司鞏固其在人工智能系列技術(shù)創(chuàng)新中的地位，因?yàn)門ensorFlow能與多個(gè)計(jì)算加速器兼容。

創(chuàng)新是使企業(yè)立于不敗之地的不二法寶。許多硬件廠商專注于改進(jìn)計(jì)算流程，借以實(shí)現(xiàn)人工智能的創(chuàng)新。傳統(tǒng)上，這一策略包括提供優(yōu)化的計(jì)算加速器或精簡(jiǎn)內(nèi)存、外部存儲(chǔ)器和組網(wǎng)路徑的創(chuàng)新。但是硬件制造商應(yīng)擺脫傳統(tǒng)的創(chuàng)新思路，尋求其他形式的創(chuàng)新模式。例如，用于智能手機(jī)安全認(rèn)證的基于人工智能的面部識(shí)別系統(tǒng)，由專用軟件和三維傳感器來(lái)實(shí)現(xiàn)，該三維傳感器投射數(shù)千個(gè)不可見的點(diǎn)以捕獲用戶臉部特征。由于這些點(diǎn)比攝像機(jī)的數(shù)百萬(wàn)像素更容易處理，因此認(rèn)證系統(tǒng)只需幾分之一秒即可完成，且不會(huì)影響用戶體驗(yàn)。硬件企業(yè)還可以考慮傳感器或其他創(chuàng)新技術(shù)如何實(shí)現(xiàn)新興的人工智能應(yīng)用。