位置：AI门户网 > AI报告 > AI排行榜 > 2018年全球AI芯片排行榜，谁才是真正的王者？

2018年全球AI芯片排行榜，谁才是真正的王者？

来源：AI门户网时间：2026/3/29 17:37:45 共 2312 浏览

你是不是也经常被各种科技新闻里的“AI芯片”、“NPU”、“算力”这些词搞得一头雾水？就像新手如何快速涨粉一样，想入门一个新领域，最怕的就是面对一堆专业术语无从下手。别担心，今天咱们就抛开那些复杂的参数，用最直白的话，来聊聊2018年那场没有硝烟的AI芯片大战，看看各路“神仙”到底谁更厉害。

简单来说，AI芯片就是专门用来处理人工智能任务的“大脑”。2018年，可以说是这个“大脑”竞赛白热化的一年。为什么是这一年？因为人工智能的应用像开了闸的洪水，从手机拍照美颜，到安防摄像头识别人脸，再到汽车尝试自己“思考”路况，到处都需要更强大、更聪明的芯片。市场也跟着疯了，那一年全球AI芯片市场规模冲到了45.3亿美元，增速接近50%，而中国市场的增速也超过了50%，规模达到了80.8亿元。你看，这赛道有多火。

英伟达：毫无争议的“老大哥”

如果问2018年AI芯片界谁是老大，几乎所有业内人士都会指向同一个名字：英伟达（NVIDIA）。在当年Compass Intelligence发布的全球AI芯片公司排行榜上，它稳坐头把交椅。它凭什么？靠的就是它的GPU（图形处理器）。这东西本来是处理游戏画面的，但科学家们发现，它特别擅长做人工智能需要的海量并行计算，简直就是为AI训练量身定做的“矿工”。英伟达凭借先发优势和技术生态，几乎垄断了云端训练芯片市场。2018年，中国云端训练芯片市场里，基于GPU架构的份额就占了28.1亿元，是大头中的大头。所以，当时搞AI研发的公司，服务器里要是没几块英伟达的显卡，你都不好意思跟人打招呼。

英特尔与谷歌：巨头的“买买买”与“自己做”

排在第二的是英特尔。这位传统CPU领域的霸主，看着AI的浪潮心里也急啊。它的策略简单粗暴：买！收购了Movidius、Nervana这些AI芯片公司，特别是为了押注自动驾驶，重金收购了Mobileye。它想通过“组合拳”来对抗英伟达。不过，当时它的整合效果还没完全显现，所以给人一种“追赶者”的印象。

另一家科技巨头谷歌，则走了另一条路：自己动手，丰衣足食。它不满足于用别人的GPU，自己搞出了专为AI计算设计的TPU（张量处理器）。这种芯片不像GPU那么通用，但针对特定的AI运算效率极高，可谓“一招鲜”。谷歌靠着自家庞大的搜索引擎和云服务需求，自己设计自己用，把TPU的性能和能耗比做到了一个新高度。这也给行业指了一条新路：为了极致效率，可以设计更专用的芯片。

中国力量的崛起：从“跟跑”到“并跑”

最让人兴奋的，恐怕是榜单上中国公司的身影。一共有七家中国公司挤进了全球前24名，这充分说明了中国在AI芯片领域的快速进步。

*华为海思排在第12位，是大陆公司里排名最高的。它的麒麟980手机芯片在2018年大放异彩，集成了强大的双核NPU（神经网络处理器），让手机在拍照、语音助手等方面的AI体验甩开了同期对手一大截。可以说，它让普通消费者第一次真切地感受到了AI芯片的存在。

*寒武纪和地平线这两家明星创业公司也上榜了。寒武纪的处理器架构被华为早期芯片采用，而地平线则在2018年发布了面向自动驾驶的征程系列芯片。它们代表着中国在AI专用芯片设计上的原创能力。

*其他如联发科、瑞芯微、芯原等公司也在各自擅长的领域（如物联网、多媒体处理）发力。

不过，咱们也得冷静看看。当时中国AI芯片产业整体还处在“幼稚期”，很多芯片设计出来，还得依赖国外的晶圆厂来生产。而且，能提供从芯片到软件全栈解决方案的公司还很少，大部分企业是在某个细分点上突破。但势头已经起来了，政策在支持，市场在扩大，特别是安防等领域，已经成为AI芯片落地最快的市场。

---

聊了这么多公司，你可能会问：这么多芯片，什么GPU、TPU、NPU、ASIC……它们到底有啥区别？我们该怎么看？

好问题！咱们来打个比方，你就明白了。

你可以把处理AI任务想象成在厨房做饭。

*CPU（电脑的通用处理器）就像一位全能大厨，什么菜都能做，但一次只能精心做一道，复杂的大餐做得慢。

*GPU（英伟达的强项）就像一群训练有素的帮厨，每个帮厨只负责切一种菜，但几十个帮厨同时开工，切土豆丝的速度就飞快。它适合需要同时处理大量简单任务的场合，比如训练一个AI模型。

*NPU/ASIC（华为麒麟980里的、谷歌的TPU）就像一台全自动炒菜机。你设定好“鱼香肉丝”，它就从切菜到炒制一条龙完成，效率极高，耗电还少。但缺点是，它可能只会炒“鱼香肉丝”，你让它包饺子就不行了。这类芯片是为特定AI算法量身定做的，效率最高。

所以，简单总结一下：

*追求通用和灵活，搞AI研发和训练，首选GPU。

*追求极致效率和功耗，有明确且大量的固定任务（比如手机拍照处理、语音识别），就用NPU或ASIC这类专用芯片。

2018年的排行榜，其实反映的就是这样一个格局：GPU凭借生态和通用性统治云端训练，而专用芯片（ASIC/NPU）则在手机、安防等终端领域快速开花结果。未来趋势呢？业内普遍认为会是“云边结合”，也就是云端用强大的GPU/TPU训练模型，训练好的模型则下发到手机、摄像头、汽车这些终端设备上，由专用的低功耗AI芯片（推断芯片）来执行。这样既保证了能力，又兼顾了实时性和隐私。

说了这么多，最后谈谈我个人的一点粗浅看法吧。回看2018年那个排行榜，它更像一个时代的切片，记录下了AI算力需求爆发初期，新旧势力交替与混战的局面。英伟达的领先是历史积累的必然，但谷歌、华为以及众多中国公司的切入，也预示着技术路线不会只有一条。对于咱们普通用户来说，不用太纠结那些晦涩的架构名词，只需要知道，正是这些芯片公司“神仙打架”，才让我们的手机更聪明、出行更安全、生活更方便。这场竞赛远未结束，接下来“谁能把芯片做得更聪明、更省电、更便宜”，才是决胜的关键。至于未来会不会出现一个像CPU那样通用的“AI处理器大脑”，大家都在探索，这或许就是下一个精彩故事的开端了。