2023全球人工智能芯片行業競爭格局分析

• 黃文玉 2023年6月6日 來源：互聯網 1179 76
• 繁體

人工智能芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊(其他非計算任務仍由CPU負責)。業界關于AI芯片的定義仍然缺乏一套嚴格和公認的標準。

一、人工智能芯片行業概況

人工智能芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊(其他非計算任務仍由CPU負責)。業界關于AI芯片的定義仍然缺乏一套嚴格和公認的標準。比較寬泛的看法是，面向人工智能應用的芯片都可以稱為AI芯片。由于需求的多樣性，很難有任何單一的設計和方法能夠很好地適用于各類情況。因此，涌現出多種專門針對人工智能應用的新穎設計和方法，覆蓋了從半導體材料、器件、電路到體系結構的各個層次。

AI芯片主要包括三類：經過軟硬件優化可以高效支持AI應用的通用芯片，例如GPU;側重加速機器學習(尤其是神經網絡、深度學習)算法的芯片，這也是目前AI芯片中最多的形式;受生物腦啟發設計的神經形態計算芯片。AI技術的落地需要來自多個層面的支持，貫穿了應用、算法機理、芯片、工具鏈、器件、工藝和材料等技術層級。各個層級環環緊扣形成AI的技術鏈，而AI芯片本身處于整個鏈條的中部，向上為應用和算法提供高效支持，向下對器件和電路、工藝和材料提出需求。

二、全球人工智能芯片行業的發展歷程

全球半導體產業發展至今，總共有三次轉移歷程。第一階段：由美國轉移到日本。日本從裝配開始全面學習美國半導體技術，電器時代向PC時代轉變;第二階段：由美國、日本轉移到臺灣、韓國。日本芯片產業受美國施壓及本土經濟乏力而衰落，PC時代持續繁榮;第三階段：由美國、臺灣、韓國轉移到中國。中國芯片產業擁有巨大下游市場，勞動力豐富，且背靠國家產業政策和活躍社會資本的支持。PC時代向萬物互聯、人工智能時代轉變，激發對AI芯片的需求。

2021年全球AI芯片市場規模約為260億美元。隨著人工智能技術日趨成熟，數字化基礎設施不斷完善，人工智能商業化應用將加速落地，推動AI芯片市場高速增長。

三、 全球人工智能芯片市場區域分布

歐美依然是全球人工智能芯片行業發展領先區域

城市AI技術的創新在一定程度上也代表著這個城市的AI芯片的發展水平以及發展潛力。城市是承載AI技術創新融合應用的綜合性載體，也是人類與AI技術產生全面感知的集中體驗地。過去幾年，全球各地的主要城市都在AI技術的發展中發揮了差異化作用，構建了各自的生態體系，并在賦能產業應用、助力區域經濟發展方面實現初步效果，掀起了人類對新一輪產業革命的思考、認知和行動。

隨著AI應用紛紛落地于城市層面，城市逐漸成為AI創新融合應用的主戰場。雖然全球各地AI技術的關鍵成功要素各有差異，但總體而言都構建了有利于技術與城市融合的生態發展體系。

四、全球人工智能芯片行業競爭格局分析

近年來，各類勢力均在發力AI芯片，參與者包括傳統芯片設計、IT廠商、技術公司、互聯網以及初創企業等，產品覆蓋了CPU、GPU、FPGA、ASIC等。根據相關市場調研機構發布的榜單來看，前十依然是歐美韓日企業，國內芯片企業如華為海思、聯發科、Imagination、寒武紀、地平線機器人等企業進入該榜單，其中華為海思排12位，寒武紀排23位，地平線機器人排24位。

人工智能芯片具有兩個突出特點：一是算法與芯片的高度契合，面向終端和云端不同需求提升計算能力;二是專門面向細分應用場景的智能芯片，如語音識別芯片、圖像識別芯片、視頻監控芯片等。當前的人工智能正處于產業化的早期階段，所有的國家都站在了同一條起跑線上。而中國政府從上至下給予了人工智能高度的關注，完成了一系列政策層面的頂層設計。而擁有大量的數據并對數據主權的管理以及應用場景的本土化，也必將進一步助力中國本地芯片公司的崛起。而作為扎根中國的外資企業們，也應積極投身中國的人工智能發展大潮之中，在技術、市場和人才等方面和本土公司開展共贏合作，共同助力中國人工智能產業的發展和壯大。

目前國內人工智能芯片市場呈現出百花齊放的態勢。AI芯片的應用領域廣泛分布在金融證券、商品推薦、安防、消費機器人、智能駕駛、智能家居等眾多領域，催生了大量的人工智能創業企業，如地平線、深鑒科技、寒武紀、云知聲、云天勵飛等。在政策大力支持下，國內人工智能芯片市場發展迅猛。相關數據顯示，2021年我國人工智能芯片市場規模約為437億元。

五、全球人工智能芯片行業發展趨勢

(1)更高效的大卷積解構/復用。在標準SIMD的基礎上，CNN由于其特殊的復用機制，可以進一步減少總線上的數據通信。而復用這一概念，在超大型神經網絡中就顯得格外重要。如何合理地分解、映射這些超大卷積到有效的硬件上成為了一個值得研究的方向，

(2)更低的Inference計算/存儲位寬。AI芯片最大的演進方向之一可能就是神經網絡參數/計算位寬的迅速減少——從32位浮點到16位浮點/定點、8位定點，甚至是4位定點。在理論計算領域，2位甚至1位參數位寬，都已經逐漸進入實踐領域。

(3)更多樣的存儲器定制設計。當計算部件不再成為神經網絡加速器的設計瓶頸時，如何減少存儲器的訪問延時將會成為下一個研究方向。通常，離計算越近的存儲器速度越快，每字節的成本也越高，同時容量也越受限，因此新型的存儲結構也將應運而生。

(4)更稀疏的大規模向量實現。神經網絡雖然大，但是，實際上有很多以零為輸入的情況，此時稀疏計算可以高效的減少無用能效。來自哈佛大學的團隊就該問題提出了優化的五級流水線結，在最后一級輸出了觸發信號。在Activation層后對下一次計算的必要性進行預先判斷，如果發現這是一個稀疏節點，則觸發SKIP信號，避免乘法運算的功耗，以達到減少無用功耗的目的。

(5)計算和存儲一體化。計算和存儲一體化技術，其要點是通過使用新型非易失性存儲(如ReRAM)器件，在存儲陣列里面加上神經網絡計算功能，從而省去數據搬移操作，即實現了計算存儲一體化的神經網絡處理，在功耗性能方面可以獲得顯著提升。

AI技術不斷取得突破性進展。作為AI技術的重要物理基礎，AI芯片擁有巨大的產業價值和戰略地位。但從大趨勢來看，目前尚處于AI芯片發展的初級階段，無論是科研還是產業應用都有巨大的創新空間。現在不僅英偉達、谷歌等國際巨頭相繼推出新產品，國內百度、阿里等紛紛布局這一領域，也誕生了寒武紀等AI芯片創業公司。在CPU、GPU等傳統芯片領域與國際相差較多的情況下，中國AI芯片被寄望能實現彎道超車。

中研普華利用多種獨創的信息處理技術，對市場海量的數據進行采集、整理、加工、分析、傳遞，為客戶提供一攬子信息解決方案和咨詢服務，最大限度地降低客戶投資風險與經營成本，把握投資機遇，提高企業競爭力。想要了解更多最新的專業分析請點擊中研普華產業研究院的《2022-2027年中國人工智能芯片行業發展分析及投資風險預測報告》。

• 相關深度報告REPORTS

  

  2022-2027年中國人工智能芯片行業發展分析及投資風險預測報告

  人工智能芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。業界關于AI芯片的定義仍然缺乏一套嚴格和公認的標準。比較寬泛的看A...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡