AI所引发的技术革命正悄然改变着全球芯片产业，尤其是视觉芯片领域。随着智能手机、无人机、安防以及汽车等各类端侧场景海量图像识别与处理应用的涌现，终端市场对AI视觉芯片的需求也正水涨船高。不过，由于AI算法技术与芯片硬件本身的磨合目前还不够成熟，这也使得端侧视觉AI芯片仍面临着功耗与算力的平衡以及由此衍生出来的各种矛盾问题，成为当前横亘在AI芯片与应用端之间的最大屏障。

　　与云端AI应用所不同的是，终端侧AI由于能够直接采集一手数据，并做实时提取和处理，因此具备信息量丰富、响应快、延时小以及功耗低等诸多优势。另一方面，从市场的角度来看，终端侧AI具备海量的设备基础，其市场广度要比云端AI应用高出成千上万倍，这也使得端侧AI芯片成为了当下各大芯片巨头以及新兴芯片初创公司们争相布局的“热土”。

　　作为移动通信技术领域的领头羊，Qualcomm也十分看好终端侧AI广阔的应用前景，Qualcomm中国区董事长孟樸在接受记者采访时就表示：“智能无线边缘的发展趋势，与我们将移动领域的基础科技带到全新行业的公司战略高度契合，Qualcomm正积极参与到智能手机、PC/平板电脑、扩展现实(XR)以及汽车等领域中。到2025年，这些细分市场的AI应用率，将从去年的不到10%增长至100%。在这一趋势的驱使下，终端侧AI将成为许多关键平台的标准特性，移动连接和移动计算是AI革命的中心，Qualcomm正处于这场变革的中心。”

　　终端侧AI领域，时下最成熟的莫过于AI视觉应用，如今的手机、汽车、安防以及工业等各类应用领域，几乎都可以看到AI视觉技术的身影。以最常见且最贴近用户的智能手机摄像头为例，无论是采用TOF、结构光抑或是其他成像方案，要想实现高质量、智能化的拍照，其背后都少不了AI芯片和相应的算法技术支持。而在AI视觉芯片领域，由于英伟达等巨头的抢先布局，使得如今以GPU为代表的多核并行计算的芯片架构稳稳占据了当前市场的主流，牢不可破。无论是市面上的安防监控，还是汽车等大量视觉传感设备，大多都采用的是此类芯片架构方案并匹配相应的AI视觉算法，去做图像采集、数据处理以及智能化的数据分析，进而实现完整的机器视觉功能，这也给其他新兴AI芯片架构(比如市面上的各种ASIC)的发展构筑了天然的壁垒。

　　安霸半导体软件研发高级总监孙鲁毅认为：“英伟达的多核并行计算，其实是一种非常典型的芯片架构。这种架构很明显的好处就是通用性强、灵活和易于扩展，比如原来有256个核，可以很容易的扩展到512个核。如果其他对应的资源能够成倍增加的话，相应的芯片性能也可以成倍的增加。”

　　不过，随着与应用端的磨合越来越多，这类架构存在的功耗与算力等性能平衡问题也日益凸显，甚至随着芯片核数量的叠加，二者之间的矛盾正在逐步扩大。孙鲁毅进一步补充到：“多核之间由于需要通过DRAM来交换数据，这会引发大量的(有的是不必要的)内存读取操作，当外设传输大量数据、DRAM比较繁忙时，就会增加操作的延时等待，甚至出现‘一核出力，九核围观’的情况。所以，这并不是最低功耗和高效的AI芯片设计。”