2015左右，全球开启了AI芯片的创业热潮。AI的这一次浪潮不仅吸引了众多顶级芯片人才选择创业，也让多家科技巨头进入了芯片行业。

不过，AI技术仍在快速发展，AI芯片的评价体系也还在完善，AI芯片领域也还没有公认的领导者。

此时一个很关键的问题是：如何衡量一款AI芯片的好坏？借着寒武纪科技回复上海证券交易所的问询函（以下简称问询函）报告，去找到如何从多个角度多层次全面衡量一款AI芯片竞争力的答案。

当然，这个答案当中也包含着寒武纪科技的许多关键信息以及它是如何与NVIDIA和华为海思较劲。

先发优势

在问询函回复报告中，寒武纪表示与华为海思相比，公司的竞争优势体现在：

公司专注于人工智能芯片 进入该领域的时间更早 ，具备先发优势。芯片架构针对人工智能应用及各类算法进行了优化，积累了一批核心技术与关键 专利 ，技术创新能力得到业界广泛认可。

在新技术的研究中，先发的优势在于，当业界对新技术的关注度还不是很高的时候就开始研究，虽然面临的挑战更大，但可以更早把“坑”踩了，更早积累更多的经验，当产业对新技术的关注度大增的时候，可以将新技术更快地产业化。

但技术的实现有很多种方式，先发优势并不一定就是最终的技术优势，技术的选择也非常关键。

架构选择

在与NVIDIA等老牌芯片巨头的竞争中，寒武纪在问询函回复函中表示其优势在于：

在研发人工智能芯片时，NVIDIA更多基于公司原有的技术储备和设计理念去适配人工智能的应用和算法，但是GPU、CPU本身并非专门为人工智能相关运算进行开发的芯片产品。而公司的芯片架构针对人工智能应用及各类算法进行了优化，有效提升了产品的性能功耗比和性能价格比。

目前，AI芯片的定义还没有一个严格和公认的标准。比较宽泛的看法是，面向人工智能应用的芯片都可以称为AI 芯片。因此，CPU、GPU、DSP、FPGA、ASIC都属于AI芯片的范畴。

这里需要单独介绍的是专为AI而设计的芯片。这类芯片经常会统称为AI专用芯片，要进一步细分的话还可以分为通用型和专用型。两者的差别在于，通用型是通过对各类智能应用和算法的计算和访存特点进行抽取和抽象，定义出一套适用于智能算法且相对灵活的指令级和处理器架构，广泛支持多样化AI算法和应用。当然，通用型AI芯片是专为AI算法设计，其通用性也不能与CPU和GPU进行比较。

专用型AI芯片（ASIC）则是针对特定的、具体地、相对单一的AI应用专门设计的芯片。

关于CPU、GPU、FPGA、DSP、ASIC的特点以及进行AI计算时的优劣势，可以参考问询函中的表格。

市场定位

AI芯片的架构各有特色，不同架构的芯片既可以应用于对性能要求很高的云端训练和推理市场，也可以应用于对功耗和成本更敏感的边缘和终端市场，因此在对比AI芯片的时候，首先要明确是否是同级别竞品以及市场定位是否相似。

寒武纪在选取同类竞争对手时候的标准有两个：

1、面向终端、云端、边缘端等智能计算市场有一种或多种芯片产品发布上市的芯片公司；

2、相关芯片产品有显著销售规模且公开披露该类产品的业务、财务资料相对较多。

基于上述原则，在智能计算市场中，行业内主要企业的具体情况如下所示：