2019-01-31 开源芯片 （包括底层开源系统）在国外的产品
开源芯片 （包括底层开源系统）在国外的产品信息和趋势
AI 方面
AI加速器 【来源：维基百科】
一类微处理器，对人工智能的应用提供硬件加速。尤其是人工神经网络，机器视觉和机器学习。典型的应用包括对算法机器人，物联网和其它数据密集型或传感器驱动的任务。通常是多核设计，通常侧重于低精度算术，新颖数据流架构或内存计算功能。
====独立产品===
Google Tensor处理单元是Google专门为其TensorFlow框架设计的加速器，TensorFlow框架广泛用于卷积神经网络。它侧重于大量的8位精度算术。最初的第一代专注于推理，而第二代也增加了神经网络训练的能力。
Adapteva顿悟是一种多核 协处理器，具有片上网络 暂存器内存模型，适用于数据流编程模型，适用于许多机器学习任务。[ 引证需要 ]
Intel Nervana NNP（神经网络处理器）（又名“Lake Crest”），英特尔声称是第一款商用芯片，具有专门用于深度学习的架构。Facebook是设计过程中的合作伙伴。[47] [48]
Movidius Myriad 2是一款多核VLIW AI加速器，配有视频固定功能单元。
Mobileye的EyeQ是专为自动驾驶汽车的视觉处理而设计的处理器[49]
NM500是2016年最新推出的一系列用于General Vision的径向基函数神经网络的加速器芯片。[50]
====基于GPU的产品===
Nvidia Tesla是Nvidia推出的用于GPGPU和AI任务的GPU衍生产品系列。
Nvidia Volta是一个微体系结构，它增加了图形处理单元的附加“张量单位”，专门用于加速神经网络的计算[51]
Nvidia GeForce 20系列是第一个基于图灵微体系结构的系列，内置“Tensor Cores”。[52]
Nvidia DGX-1是一款Nvidia工作站/服务器产品，其中包含用于GPGPU任务的Nvidia品牌GPU，包括机器学习。[53]
Radeon Instinct是AMD用于AI加速的GPU衍生产品系列。[54]
NEC SX-Aurora TSUBASA是NEC用于AI应用和机器学习的产品线。[55] [56]
====AI加速协处理器====
高通公司移动平台Snapdragon 845的处理器包含一个Hexagon 685 DSP内核，用于相机，语音，XR和游戏应用中的AI处理
PowerVR 2NX NNA（神经网络加速器）是Imagination Technologies的IP核，可以集成到芯片中。[57]
Apple的神经引擎是Apple A11 Bionic SoC [58]和Apple A12 Bionic SoC中的AI加速器核心。
Cadence Tensilica Vision C5是神经网络优化的数字信号处理器 IP核[59]
神经处理单元是HiSilicon Kirin 970中的神经网络加速器[60]
2018年1月，CEVA，Inc。推出了一系列名为NeuPro的四个AI处理器，每个处理器包含一个可编程矢量DSP和一个8位或16位神经网络层的硬连线实现，支持神经网络，性能范围从2 TOPS到12.5 TOPS。[61]
位于海德拉巴的Manjeera Digital Systems公司的通用多功能加速器（UMA）是基于中层运营的专有架构中的加速器。[62] [63] [64]
====工业方向和现有产品====
自动驾驶汽车：Nvidia 在这个领域瞄准了他们的Drive PX系列电路板。[80]
语音控制，例如移动电话，是Qualcomm Zeroth的目标。[82]
无人驾驶飞行器，例如导航系统，例如Movidius Myriad 2已被证明成功地引导了自主无人机。[83]
====学术研究和未发布的产品====
2017年12月，特斯拉汽车公司证实了它正在开发一种用于自动驾驶的AI芯片。吉姆凯勒至少在2016年初至2018年初期间参与了这个项目。[65]
麻省理工学院Eyeriss是一个加速器设计，明确针对卷积神经网络，使用暂存器和片上网络架构。[66]
佐治亚理工学院设计了一款神经启发式处理器，用于为超低功耗机器人进行在线强化学习。它采用混合信号设计技术来降低工作功耗。[67]
Nullhop是苏黎世联邦理工学院和苏黎世大学神经信息学研究所设计的加速器，基于特征图的稀疏表示。第二代架构由大学分拆的Synthara Technologies商业化。[68] [69]
SpiNNaker是一种专门用于模拟大型神经网络的多核设计。
GraphcoreIPU是一个基于图形的AI加速器。[71]
DPU，Wave Computing，一种数据流架构[72]
意法半导体于2017年初推出了 采用28纳米工艺制造的演示型SoC，其中包含深CNN加速器。[73]
TrueNorth是一种基于尖峰神经元而非传统算法的多核设计。[74] [75]
Intel Loihi是一款实验性神经形态芯片。[76]
2017年9月，BrainChip推出了商用PCI Express卡，其中Xilinx Kintex Ultrascale FPGA运行神经形态神经核，每秒使用16瓦功率对600个视频图像进行模式识别。[77]
IIT Madras正在为大数据分析设计尖峰神经元加速器。[78]
已经提出了几种基于忆阻器的AI加速器，其利用了忆阻器的内存计算能力。[4]
AlphaIC正在设计一种名为Real AI Processor（RAP）的基于代理的协处理器，以实现芯片中的感知和决策。[79]
开放指令集与开源芯片发展报告 【下载】——中国开放指令生态（RISC—V）联盟，2019年1月
RISC-V 代表性企业与产品
企业名称和其代表性 RISC-V 产品
1. Google： BottleRocket RV32IMC Core
2. Qualcomm： N/A（未列出）
3. NVIDIA： 基于 RISC-V 指令集 Falcon Controller
4. Samsung： N/A（未列出）
5. Western Digital： SweRV Core
6. Microsemi： PolarFire SoC FPGA 内置 U54-MC RISC-V 核
MIPS 代表性企业与产品
1. MIPS 处理器的应用领域
1.1 人工智能领域，使用 MIPS 处理器 IP Core 的企业主要是 Wave Computing。该公司致力于基于数据流架构 AI 硬件加速技术，整合了 MIPS 的嵌入式处理器核。
1.2 汽车电子领域，MIPS 公司的 I6500-F 处理器 IP 刚刚通过 ISO 26262 和 IEC 61508 等汽车电子认证，有望顺利打入汽车电子市场。
1.3 消费类电子领域，MTK 和 Broadcom 公司分别将 MIPS 处理器用于 4G LTE 调制解调器芯片和家用无线路由器主控芯片中。
1.4 IOT 嵌入式单片机领域，代表性企业是美国 Microchip 公司。与全球绝大部分嵌入式单片机采用 ARM Cortex M 系列处理器核不同，该公司一直坚持采用MIPS 的 32 位嵌入式处理器核。
1.5 网络领域 美国 Cavium 公司（已被 Marvell 公司收购）生产的基于 MIPS 处理器的网络处理器在大吞吐率低延迟网络转发应用中占据一定市场份额。
【 2017 年的超级计算机 Green500 评比中，来自日本的 PEZY公司采用 MIPS P6600 处理器核的超级计算机占据了榜单的第一、第二、第三以及第五名。】
【扩展阅读：MIPS难道只能效仿RISC-V开源才能活下去？】对比了MIPS和RISC-V的历史和趋势
各国战略计划与项目部署
1. 美国
美国国防部高级研究计划局（DARPA）资助了 RISC-V 基金会，同时于 2017年启动了一项总值 15 亿美金的 ERI 计划，项目周期 5 年，以支持芯片技术的发展，重塑芯片开发制造流程，其中 POSH 子项目就是提供开源设计和验证框架，包括技术、方法、标准，从而实现具有成本效益的超复杂片上系统设计。DARPA希望可降低复杂片上系统设计障碍的新工具能够打开一个特定应用设计创新的新时代。
2. 欧洲
欧洲委员会于 2018 年启动了 EPI（European Processor Initiative）计划，拟开发面向欧洲市场的自主可控低功耗微处理器，其中重点关注 Exascale级超算处理器，预计投资 1.2 亿欧元经费用于支持用户开发的超算处理器，而RISC-V 和 ARM 都将作为此次计划的备选指令集。
3. 印度
印度政府将 RISC-V 视为一次发展处理器的机会：（1）资助 9000 万美元开展的处理器战略项目（SHAKTI）目标为研制 6 款基于 RISC-V 指令集的开源处理器核，涵盖了 32 位的单核微控制器、64 核 64 位高性能处理器和安全处理器等多个应用领域。（2）2016 年 1 月，印度电子信息技术部资助 4500 万美元研制一款基于 RISC-V 指令集的 2GHz 四核处理器。（3）在印度政府支持的另一个关于神经形态加速器（neuromorphic accelerator）项目中，也将 RISC-V 作为计算主核心。过去几年，随着印度政府资助的处理器相关项目都开始向 RISC-V 靠拢，力出一孔，RISC-V 成为了印度的事实国家指令集。
4. 以色列
2017 年以色列创新局（The Israel Innovation Authority）新成立名为GenPro 工作组旨在开发基于 RISC-V 的快速、高效且独立处理平台，工作组主要由来自学术界和工业界人士组成，计划为个体企业提供一整套软硬件解决方案，同时进一步发展前沿软硬件技术。
其他：
RISC-V基金会。现在也有中国企业在其中，目前这个基金会里大概有150家公司。所有的大公司，除了英特尔和ARM以外 （直接竞争手段），其他都在里面。
ARM究竟有多贵呢？根据Quora上一份不太新鲜的回答，从几十万美元到几百上千万美元不等。法国芯片创业公司Greenwave最近接受The Information采访时说，他们如果使用ARM架构，要花掉1500万美元的授权费。RISC-V不仅与ARM形成了竞争，对于x86来说，也是一种替代选择，最终可能会给英特尔和AMD造成威胁。但在PC和服务器市场，既有芯片架构的地位非常牢固，因此在短期内RISC-V还无法掀起太大波澜。
与此同时，芯片制造技术的发展相对较慢，科技行业将重心更多地转向了专业化芯片。在人工智能和物联网等领域，定制化变得尤为重要。和其他应用领域相比，人工智能需要更强大的计算能力，而物联网设备则对芯片功耗有着严格要求。RISC-V的支持者认为，这种架构带来了更好的灵活性，而ARM并不支持这样的专业订制。
从行业现状来看，全球超过 90% 的智能手机和平板电脑都采用了 ARM 授权的指令集架构。在车载电脑、网络路由设备、数字电视等品类中，ARM IP 的市场份额也在逐年增加。综合 Gartner、IDC 等研究机构的数据，ARM 估计 2017 年大约有 340 亿台设备使用了该公司授权的指令集芯片，芯片总量高达 410 亿枚。
而在传统 PC 市场，英特尔和 AMD 等公司采用的 x86 架构占据了绝对主导地位。
其他新闻
云知声物联网 AI 芯片 「雨燕」，实现了智能音箱和智能家居的全栈语音交互解决方案，并将该方案开源。
end
