AI加速卡面临“禁售”，国内医疗AI们会被卡脖子吗？(5)

一个好消息是，在目睹了前几年其他行业面临的技术限制后，国内AI行业一直在探索替代方案。 目前，AI加速除了基于GPU的加速卡方案，也有CPU加速、基于ASIC的AI芯片以及FPGA加速三种硬件类型 。

CPU方案的通用性是最强的，但效率也最低。最为关键的是，高性能CPU上对于国外企业的依赖度甚至比GPU更高。英特尔和AMD等国外巨头早已在X86架构上建构了无数专利壁垒，要想实现突破极为困难。因此，这一方案在AI加速上应用得越来越少。

基于GPU的加速方案应用最为广泛，根据预测，GPU加速将在2025年在所有AI加速中占到接近6成的比例。这也是为何英伟达股价能够节节高涨的关键。

不过，GPU加速并非在所有场合都具有优势。比如，在与专为某个用途定制的ASIC，比如捆绑了AI算法的AI芯片比较时，GPU方案未必具有优势。再加上对可能存在的技术限制的风险考虑，国内头部人工智能企业在近年自研或与AI芯片公司合作开发AI芯片已经蔚然成风。

数据显示，2021年国内AI芯片行业投融资事件109起，总金额达到396.36亿元。全球范围来看，AI芯片初创公司的投融资事件数量在170起，累计投资金额约为99亿美元，是上年同期的三倍之多。AI芯片受资本的热捧可见一斑。

不过，目前国内AI芯片刚刚发布，仅从公布的理论算力上较GPU加速仍然有着数量级的差距。此外，目前还没有见到在医疗AI上实际落地的应用，其具体应用效果如何还有待观察。