2019年AI芯片產(chǎn)業(yè)深度研究報(bào)告

一、人工智能芯片發(fā)展現(xiàn)狀及趨勢(shì)

1、深度學(xué)習(xí)算法對(duì)芯片要求更為苛刻，通用 CPU 性價(jià)比相對(duì)較差

經(jīng)歷了 60 多年的起起伏伏之后，人工智能終于迎來(lái)了第三次爆發(fā)。第三次爆發(fā)的核心引爆點(diǎn)是深度學(xué)習(xí)算法的出現(xiàn)，但其背后的支撐是數(shù)據(jù)和算力。對(duì)整個(gè) AI 行業(yè)來(lái)講，算法、數(shù)據(jù)和算力三大基本要素中，數(shù)據(jù)尤其是海量數(shù)據(jù)的獲取和處理難度在下降，算法也在深度學(xué)習(xí)模型的基礎(chǔ)上不斷優(yōu)化，而負(fù)責(zé)將數(shù)據(jù)和深度算法統(tǒng)一協(xié)調(diào)起來(lái)的芯片能否獲得大的飛躍，成為市場(chǎng)關(guān)注的焦點(diǎn)。

深度學(xué)習(xí)算法對(duì)芯片性能需求主要表現(xiàn)在三個(gè)方面：一、海量數(shù)據(jù)在計(jì)算和存儲(chǔ)單元之間的高速通信需求。這不但需要芯片具備強(qiáng)大的緩存和片上存儲(chǔ)能力，而且還需要計(jì)算和存儲(chǔ)單元之間有較大的通信帶寬。二、專用計(jì)算能力需求高。深度學(xué)習(xí)算法中有大量卷積、殘差網(wǎng)絡(luò)、全連接等特殊計(jì)算需要處理，還需要提升運(yùn)算速度，降低功耗。三、海量數(shù)據(jù)自身處理同樣也對(duì)芯片提出了新的要求，尤其是非結(jié)構(gòu)化數(shù)據(jù)的增多，對(duì)傳統(tǒng)芯片結(jié)構(gòu)造成了較大的壓力。

通用 CPU 在深度學(xué)習(xí)中可用但效率較低。比如在圖像處理領(lǐng)域，主要用到的是 CNN（卷積神經(jīng)網(wǎng)絡(luò)），在自然語(yǔ)言識(shí)別、語(yǔ)音處理等領(lǐng)域，主要用到的是 RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)），雖然這兩種算法模型有著較大的區(qū)別，但本質(zhì)上都是向量和矩陣運(yùn)算，主要是加法和乘法，輔助一些除法和指數(shù)運(yùn)算。傳統(tǒng) CPU 可用于做上述運(yùn)算，但是 CPU 還有大量的計(jì)算邏輯控制單元，這些單元在 AI 計(jì)算中是用不上的，造成了 CPU 在 AI 計(jì)算中的性價(jià)比較低。

2、GPU、FPGA 以及 ASIC 各有優(yōu)劣，成為當(dāng)前 AI 芯片行業(yè)的主流

正因?yàn)?CPU 在 AI 計(jì)算上的弱點(diǎn)，給了可以實(shí)現(xiàn)海量并行計(jì)算且能夠?qū)M(jìn)行計(jì)算加速的 AI 芯片留下了市場(chǎng)空間。從廣義上講，面向 AI 計(jì)算的芯片都可以稱為 AI 芯片，包括基于傳統(tǒng)架構(gòu)的 GPU、FPGA以及 ASIC（專用芯片），也包括正在研究但離商用還有較大差距的類腦芯片、可重構(gòu) AI 芯片等。

云端訓(xùn)練芯片市場(chǎng)較為集中，而推理市場(chǎng)云、邊兩端均有大量企業(yè)參與

按照部署位置劃分，AI 芯片可以分為云端芯片和邊緣端芯片。云端芯片部署位置包括公有云、私有云或者混合云等基礎(chǔ)設(shè)施，主要用于處理海量數(shù)據(jù)和大規(guī)模計(jì)算，而且還要能夠支持語(yǔ)音、圖片、視頻等非結(jié)構(gòu)化應(yīng)用的計(jì)算和傳輸，一般情況下都是用多個(gè)處理器并行完成相關(guān)任務(wù)；邊緣端 AI 芯片主要應(yīng)用于嵌入式、移動(dòng)終端等領(lǐng)域，如攝像頭、智能手機(jī)、邊緣服務(wù)器、工控設(shè)備等，此類芯片一般體積小、耗電低，性能要求略低，一般只需具備一兩種 AI 能力。

按照承擔(dān)的任務(wù)分，AI 芯片可以劃分為訓(xùn)練芯片和推理芯片。訓(xùn)練是指通過(guò)大量標(biāo)記過(guò)的數(shù)據(jù)在平臺(tái)上進(jìn)行“學(xué)習(xí)”，并形成具備特定功能的神經(jīng)網(wǎng)絡(luò)模型；推理則是利用已經(jīng)訓(xùn)練好的模型輸入新數(shù)據(jù)通過(guò)計(jì)算得到各種結(jié)論。訓(xùn)練芯片對(duì)算力、精度要求非常之高，而且還需要具備一定的通用性，以適應(yīng)多種算法的訓(xùn)練；推理芯片更加注重綜合能力，包括算力能耗、時(shí)延、成本等因素。

綜合來(lái)看，訓(xùn)練芯片由于對(duì)算力的特殊要求，只適合在云端部署，而且多采用的是“CPU+加速芯片”類似的異構(gòu)模式，加速芯片可以是 GPU，也可以是 FPGA 或者是 ASIC 專用芯片。AI 訓(xùn)練芯片市場(chǎng)集中度高，英偉達(dá)和谷歌領(lǐng)先，英特爾和 AMD 正在積極切入。推理在云端和終端都可進(jìn)行，市場(chǎng)門檻相對(duì)較低，市場(chǎng)參與者較多。云端推理芯片除了傳統(tǒng)的英偉達(dá)、谷歌、賽靈思等芯片大廠外，Groq等國(guó)際新興力量也在加入競(jìng)爭(zhēng)，國(guó)內(nèi)寒武紀(jì)、比特大陸也有不錯(cuò)表現(xiàn)；終端推理芯片市場(chǎng)較為分散，場(chǎng)景各異，參與者除了英偉達(dá)、英特爾、ARM 和高通之外，國(guó)內(nèi)企業(yè)如寒武紀(jì)、地平線、云知聲、云天勵(lì)飛等在各自細(xì)分領(lǐng)域均有所建樹(shù)。

GPU 擅長(zhǎng)云端訓(xùn)練，但需與 CPU 異構(gòu)、功耗高且推理效率一般

GPU（Graphics Processing Unit）是一種由大量核心組成的大規(guī)模并行計(jì)算架構(gòu)，專為同時(shí)處理多重任務(wù)而設(shè)計(jì)的芯片。正是由于其具備良好的矩陣計(jì)算能力和并行計(jì)算優(yōu)勢(shì)，最早被用于 AI 計(jì)算，并在云端獲得大量應(yīng)用。GPU 中超過(guò) 80%部分為運(yùn)算單元（ALU），而 CPU 僅有 20%，因此 GPU更擅長(zhǎng)于大規(guī)模并行運(yùn)算。以英偉達(dá)的 GPU TITAN X 為例，該產(chǎn)品在深度學(xué)習(xí)中所需訓(xùn)練時(shí)間只有CPU 的 1/10 不到。但 GPU 用于云端訓(xùn)練也有短板，GPU 需要同 CPU 進(jìn)行異構(gòu)，通過(guò) CPU 調(diào)用才能工作，而且本身功耗非常高。同時(shí)，GPU 在推理方面需要對(duì)單項(xiàng)輸入進(jìn)行處理時(shí)，并行計(jì)算的優(yōu)勢(shì)未必能夠得到很好的發(fā)揮，會(huì)出現(xiàn)較多的資源浪費(fèi)。

▲CPU與GPU架構(gòu)對(duì)比

FPGA 芯片算力強(qiáng)、靈活度高，但技術(shù)難度大國(guó)內(nèi)差距較為明顯

FPGA（Field-Programmable Gate Array）即現(xiàn)場(chǎng)可編程門陣列，該芯片集成了大量的基本門電路以及存儲(chǔ)器，其靈活性介于 CPU、GPU 等通用處理器和專用集成電路 ASIC 之間，在硬件固定之前，允許使用者靈活使用軟件進(jìn)行編程。FPGA 在出廠時(shí)是“萬(wàn)能芯片”，用戶可根據(jù)自身需求，用硬件描述語(yǔ)言對(duì) FPGA 的硬件電路進(jìn)行設(shè)計(jì)；每完成一次燒錄，F(xiàn)PGA 內(nèi)部的硬件電路就有了確定的連接方式，具有了一定的功能；輸入的數(shù)據(jù)只需要依次經(jīng)過(guò)各個(gè)門電路，就可以得到輸出結(jié)果。

FPGA 應(yīng)用于 AI 有以下優(yōu)勢(shì)：

（1）算力強(qiáng)勁。由于 FPGA 可以同時(shí)進(jìn)行數(shù)據(jù)并行和任務(wù)并行計(jì)算，在處理特定應(yīng)用時(shí)效果更加明顯，對(duì)于某一個(gè)特定的運(yùn)算，F(xiàn)PGA 可以通過(guò)編輯重組電路，生成專用電路，大幅壓縮計(jì)算周期。從賽靈思推出的 FPGA 產(chǎn)品看，其吞吐量和時(shí)延指標(biāo)都好于 CPU 和 GPU 產(chǎn)品。

（2）功耗優(yōu)勢(shì)明顯。FPGA 能耗比是CPU的10倍以上、GPU的3倍。由于在 FPGA 中沒(méi)有取指令與指令譯碼操作，沒(méi)有這部分功耗；而在復(fù)雜指令集（X86）的 CPU 中僅僅譯碼就占整個(gè)芯片能耗的約 50%，在 GPU 里取指與譯碼也會(huì)消耗 10%至 20%的能耗。

（3）靈活性好。使用通用處理器或 ASIC 難以實(shí)現(xiàn)的下層硬件控制操作技術(shù)，利用 FPGA 可以很方便的實(shí)現(xiàn)，從而為算法的功能實(shí)現(xiàn)和優(yōu)化留出了更大空間。

（4）成本相對(duì) ASIC 具備一定優(yōu)勢(shì)。FPGA 一次性成本（光刻掩模制作成本）遠(yuǎn)低于 ASIC，在芯片需求還未成規(guī)模、深度學(xué)習(xí)算法暫未穩(wěn)定需要不斷迭代改進(jìn)的情況下，利用具備可重構(gòu)特性的FPGA 芯片來(lái)實(shí)現(xiàn)半定制的人工智能芯片是最佳選擇。

正因?yàn)榇嬖谏鲜鰞?yōu)勢(shì)，F(xiàn)PGA 被廣泛用于 AI 云端和終端的推理。國(guó)外包括亞馬遜、微軟都推出了基于 FPGA 的云計(jì)算服務(wù)，而國(guó)內(nèi)包括騰訊云、阿里云均在 2017 年推出了基于 FPGA 的服務(wù)，百度大腦也使用了 FPGA 芯片。

從市場(chǎng)格局上看，全球 FPGA 長(zhǎng)期被 Xilinx（賽靈思）、Intel（英特爾）、Lattice（萊迪思）、Microsemi（美高森美）四大巨頭壟斷。其中，賽靈思和英特爾合計(jì)占到市場(chǎng)的 90%左右，賽靈思的市場(chǎng)份額超過(guò) 50%，國(guó)內(nèi)廠商剛剛起步，差距較大。

專用芯片（ASIC）深度學(xué)習(xí)算法加速應(yīng)用增多，可提供更高能效表現(xiàn)和計(jì)算效率

ASIC（Application Specific Integrated Circuits），即專用芯片，是一種為特定目的、面向特定用戶需求設(shè)計(jì)的定制芯片，具備性能更強(qiáng)、體積小、功耗低、可靠性更高等優(yōu)點(diǎn)。在大規(guī)模量產(chǎn)的情況下，還具備成本低的特點(diǎn)。

ASIC 與 GPU、FPGA 不同，GPU、FPGA 除了是一種技術(shù)路線之外，還是實(shí)實(shí)在在的確定產(chǎn)品，而 ASIC 只是一種技術(shù)路線或者方案，其呈現(xiàn)出的最終形態(tài)與功能也是多種多樣的。近年來(lái)，越來(lái)越多的公司開(kāi)始采用 ASIC 芯片進(jìn)行深度學(xué)習(xí)算法加速，其中表現(xiàn)最為突出的 ASIC 就是 Google 的TPU（張量處理芯片）。

TPU 是谷歌為提升 AI 計(jì)算能力同時(shí)大幅降低功耗而專門設(shè)計(jì)的芯片。該芯片正式發(fā)布于 2016 年 5月。TPU 之所以稱為 AI 專用芯片，是因?yàn)樗菍ｉT針對(duì) TensorFlow 等機(jī)器學(xué)習(xí)平臺(tái)而打造，該芯片可以在相同時(shí)間內(nèi)處理更復(fù)雜、更強(qiáng)大的機(jī)器學(xué)習(xí)模型。谷歌通過(guò)數(shù)據(jù)中心測(cè)試顯示，TPU 平均比當(dāng)時(shí)的 GPU 或 CPU 快 15-30 倍，性能功耗比（TFOPS/Watt）高出約 30-80 倍。

但是，ASIC 一旦制造完成以后就不能修改了，且研發(fā)周期較長(zhǎng)、商業(yè)應(yīng)用風(fēng)險(xiǎn)較大，目前只有大企業(yè)或背靠大企業(yè)的團(tuán)隊(duì)愿意投入到它的完整開(kāi)發(fā)中。國(guó)外主要是谷歌在主導(dǎo)，國(guó)內(nèi)企業(yè)寒武紀(jì)開(kāi)發(fā)的 Cambricon 系列處理器也廣泛受到關(guān)注。其中，華為海思的麒麟 980 處理器所搭載的 NPU 就是寒武紀(jì)的處理器 IP。

3、短期內(nèi) GPU 仍將是 AI 芯片主導(dǎo)，長(zhǎng)期看三大技術(shù)路線將呈現(xiàn)并行態(tài)勢(shì)

短期內(nèi) GPU 仍將主導(dǎo) AI 芯片市場(chǎng)，F(xiàn)PGA 的使用將更為廣泛

GPU 短期將延續(xù) AI 芯片的領(lǐng)導(dǎo)地位。GPU 作為市場(chǎng)上 AI 計(jì)算最成熟、應(yīng)用最廣泛的通用型芯片，應(yīng)用潛力較大。憑借其強(qiáng)大的計(jì)算能力、較高的通用性，GPU 將繼續(xù)占領(lǐng) AI 芯片的主要市場(chǎng)份額。

當(dāng)前，兩大 GPU 廠商都還在不斷升級(jí)架構(gòu)并推出新品，深度學(xué)習(xí)性能提升明顯，未來(lái)應(yīng)用的場(chǎng)景將更為豐富。英偉達(dá)憑借著其在矩陣運(yùn)算上的優(yōu)勢(shì)，率先推出了專為深度學(xué)習(xí)優(yōu)化的 Pascal GPU，而且針對(duì) GPU 在深度學(xué)習(xí)上的短板，2018 年推出了 Volta 架構(gòu)，正在完成加速-運(yùn)算-AI 構(gòu)建的閉環(huán)；AMD 針對(duì)深度學(xué)習(xí)，2018 年推出 Radeon Instinct 系列，未來(lái)將應(yīng)用于數(shù)據(jù)中心、超算等 AI 基礎(chǔ)設(shè)施上。我們預(yù)計(jì)，在效率和場(chǎng)景應(yīng)用要求大幅提升之前，作為數(shù)據(jù)中心和大型計(jì)算力支撐的主力軍，GPU 仍具有很大的優(yōu)勢(shì)。

FPGA 是短期內(nèi) AI 芯片市場(chǎng)上的重要增長(zhǎng)點(diǎn)，F(xiàn)PGA 的最大優(yōu)勢(shì)在于可編程帶來(lái)的配置靈活性，在當(dāng)前技術(shù)與運(yùn)用都在快速更迭的時(shí)期，F(xiàn)PGA 具有明顯的實(shí)用性。企業(yè)通過(guò) FPGA 可以有效降低研發(fā)調(diào)試成本，提高市場(chǎng)響應(yīng)能力，推出差異化產(chǎn)品。在專業(yè)芯片發(fā)展得足夠完善之前，F(xiàn)PGA 是最好的過(guò)渡產(chǎn)品，正因?yàn)槿绱耍?a target="_blank">科技巨頭紛紛布局云計(jì)算+FPGA 的平臺(tái)。隨著 FPGA 的開(kāi)發(fā)者生態(tài)逐漸豐富，適用的編程語(yǔ)言增加，F(xiàn)PGA 運(yùn)用會(huì)更加廣泛。因此短期內(nèi)，F(xiàn)PGA 作為兼顧效率和靈活性的硬件選擇仍將是熱點(diǎn)所在。

長(zhǎng)期來(lái)看 GPU、FPGA 以及 ASIC 三大類技術(shù)路線將并存

GPU 主要方向是高級(jí)復(fù)雜算法和通用型人工智能平臺(tái)。（1）高端復(fù)雜算法實(shí)現(xiàn)方向。由于 GPU 本身就具備高性能計(jì)算優(yōu)勢(shì)，同時(shí)對(duì)于指令的邏輯控制上可以做的更復(fù)雜，在面向復(fù)雜 AI 計(jì)算的應(yīng)用方面具有較大優(yōu)勢(shì)。（2）通用型的人工智能平臺(tái)方向。GPU 由于通用性強(qiáng)，性能較高，可以應(yīng)用于大型人工智能平臺(tái)夠高效地完成不同種類的調(diào)用需求。

FPGA 未來(lái)在垂直行業(yè)有著較大的空間。由于在靈活性方面的優(yōu)勢(shì)，F(xiàn)PGA 對(duì)于部分市場(chǎng)變化迅速的行業(yè)最為實(shí)用。同時(shí)，F(xiàn)PGA 的高端器件中也可以逐漸增加 DSP、ARM 核等高級(jí)模塊，以實(shí)現(xiàn)較為復(fù)雜的算法。隨著 FPGA 應(yīng)用生態(tài)的逐步成熟，F(xiàn)PGA 的優(yōu)勢(shì)也會(huì)逐漸為更多用戶所認(rèn)可，并得以廣泛應(yīng)用。

ASIC 長(zhǎng)遠(yuǎn)來(lái)看非常適用于人工智能，尤其是應(yīng)對(duì)未來(lái)爆發(fā)的面向應(yīng)用場(chǎng)景的定制化芯片需求。ASIC的潛力體現(xiàn)在，AI 算法廠商有望通過(guò)算法嵌入切入該領(lǐng)域，以進(jìn)入如安防、智能駕駛等場(chǎng)景。由于其具備高性能低消耗的特點(diǎn)，可以基于多個(gè)人工智能算法進(jìn)行定制，以應(yīng)對(duì)不同的場(chǎng)景，未來(lái)在訓(xùn)練和推理市場(chǎng)上都有較大空間。

4、國(guó)內(nèi)外 AI 芯片市場(chǎng)需求將保持較快增長(zhǎng)勢(shì)頭，云端、邊緣均具備潛力

近年來(lái)，伴隨著全球 AI 產(chǎn)業(yè)的快速增長(zhǎng)，AI 芯片需求大幅上升。按照 Gartner 最新數(shù)據(jù)，2018 年全球 AI 芯片市場(chǎng)規(guī)模達(dá)到 42.7 億美元。未來(lái)幾年，全球各大芯片企業(yè)、互聯(lián)網(wǎng)巨頭、初創(chuàng)企業(yè)都將在該市場(chǎng)上進(jìn)行角逐，預(yù)計(jì)到 2023 年全球市場(chǎng)規(guī)模將達(dá)到 323 億美元。未來(lái)五年（2019-2023年）平均增速約為 50%，其中數(shù)據(jù)中心、個(gè)人終端、物聯(lián)網(wǎng)芯片均是增長(zhǎng)的重點(diǎn)。

相比之下中金公司研究部公布的一組數(shù)據(jù)則更為樂(lè)觀，該數(shù)據(jù)顯示，2017年，整體AI芯片市場(chǎng)規(guī)模達(dá)到62.7億美元，其中云端訓(xùn)練AI芯片20.2億美元，云端推理芯片3.4億美元，邊緣計(jì)算AI芯片39.1億美元；到2022年，整體AI芯片市場(chǎng)規(guī)模將會(huì)達(dá)到596.2億美元，CAGR57%，其中云端訓(xùn)練AI芯片172.1億美元，CAGR 53.5%，云端推斷芯片71.9億美元，CAGR 84.1%，邊緣計(jì)算AI芯片352.2億美元，CAGR 55.2%。

國(guó)內(nèi)人工智能芯片行業(yè)發(fā)展仍處在起步階段。長(zhǎng)期以來(lái)，我國(guó)在 CPU、GPU 和 DSP 設(shè)計(jì)上一直處于追趕狀態(tài)，絕大多數(shù)芯片依靠國(guó)外的 IP 核進(jìn)行設(shè)計(jì)，自主創(chuàng)新能力不足。但我們也看到，國(guó)內(nèi)人工智能產(chǎn)業(yè)的快速發(fā)展，也為國(guó)內(nèi)芯片產(chǎn)業(yè)實(shí)現(xiàn)換道超車創(chuàng)造了機(jī)會(huì)。由于國(guó)內(nèi)外在芯片生態(tài)上并未形成壟斷，國(guó)內(nèi)芯片設(shè)計(jì)廠商尤其是專用芯片設(shè)計(jì)廠商，同國(guó)外競(jìng)爭(zhēng)對(duì)手還處在同一起跑線上。

目前國(guó)內(nèi)人工智能芯片市場(chǎng)呈現(xiàn)出百花齊放的態(tài)勢(shì)。AI 芯片的應(yīng)用領(lǐng)域廣泛分布在金融證券、商品推薦、安防、消費(fèi)機(jī)器人、智能駕駛、智能家居等眾多領(lǐng)域，催生了大量的人工智能創(chuàng)業(yè)企業(yè)，如地平線、深鑒科技、寒武紀(jì)、云知聲、云天勵(lì)飛等。我們認(rèn)為，未來(lái)隨著國(guó)內(nèi)人工智能市場(chǎng)的快速發(fā)展，生態(tài)建設(shè)的完善，國(guó)內(nèi) AI 芯片企業(yè)將有著更大的發(fā)展空間，未來(lái) 5 年的市場(chǎng)規(guī)模增速將超過(guò)全球平均水平。

二、 AI 芯片主要應(yīng)用場(chǎng)景

1、數(shù)據(jù)中心（云端）

數(shù)據(jù)中心是 AI 訓(xùn)練芯片應(yīng)用的最主要場(chǎng)景，主要涉及芯片是 GPU 和專用芯片（ASIC）。如前所述，GPU 在云端訓(xùn)練過(guò)程中得到廣泛應(yīng)用。目前，全球主流的硬件平臺(tái)都在使用英偉達(dá)的 GPU 進(jìn)行加速，AMD 也在積極參與。亞馬遜網(wǎng)絡(luò)服務(wù) AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等計(jì)算平臺(tái)都使用了英偉達(dá)的 GPU 產(chǎn)品提供深度學(xué)習(xí)算法訓(xùn)練服務(wù)。

在云端推理市場(chǎng)上，由于芯片更加貼近應(yīng)用，市場(chǎng)更多關(guān)注的是響應(yīng)時(shí)間，需求也更加的細(xì)分。除了主流的 CPU+GPU 異構(gòu)之外，還可通過(guò) CPU+FPGA/ASIC 進(jìn)行異構(gòu)。目前英偉達(dá)在該市場(chǎng)依然保持著領(lǐng)軍位置。主要原因是：GPU強(qiáng)大的并行計(jì)算能力（相比CPU）、通用性以及成熟的開(kāi)發(fā)環(huán)境。但是GPU也并非是完美無(wú)缺的解決方案，明顯的缺點(diǎn)如：高能耗以及高昂的價(jià)格。

相比之下，F(xiàn)PGA的低延遲、低功耗、可編程性優(yōu)勢(shì)（適用于傳感器數(shù)據(jù)預(yù)處理工作以及小型開(kāi)發(fā)試錯(cuò)升級(jí)迭代階段）和 ASIC 的特定優(yōu)化和效能優(yōu)勢(shì)（適用于在確定性執(zhí)行模型）也正在凸顯，賽靈思、谷歌、Wave Computing、Groq、寒武紀(jì)、比特大陸等企業(yè)市場(chǎng)空間也在擴(kuò)大。

來(lái)自IDC和Gartner的數(shù)據(jù)也顯示，全球AI服務(wù)器及AI芯片市場(chǎng)規(guī)模自2016年到2020年都將保持持續(xù)的高速增長(zhǎng)，而與此同時(shí)全球云端AI芯片當(dāng)中GPU的市場(chǎng)份額呈現(xiàn)出持續(xù)下滑的趨勢(shì)，預(yù)計(jì)到2022年云端訓(xùn)練GPU占比將降至60%，云端推理GPU占比更是只有30%。

2、移動(dòng)終端

智能手機(jī)在經(jīng)歷了近10年的高速增長(zhǎng)后，市場(chǎng)已趨于飽和，出貨增速趨近于0，行業(yè)逐漸轉(zhuǎn)為存量市場(chǎng)。近年來(lái)，一批國(guó)產(chǎn)廠商在產(chǎn)品質(zhì)量上逐漸達(dá)到了第一梯隊(duì)的水平，進(jìn)一步加劇了頭部市場(chǎng)的競(jìng)爭(zhēng)。為實(shí)現(xiàn)差異化競(jìng)爭(zhēng)，各廠商加大手機(jī)AI功能的開(kāi)發(fā)，通過(guò)在手機(jī)SoC芯片中加入AI引擎，調(diào)配現(xiàn)有計(jì)算單元來(lái)實(shí)現(xiàn)AI計(jì)算，或者直接加入AI協(xié)處理器，實(shí)現(xiàn)在低功耗情況下AI功能的高效運(yùn)行。

隨著未來(lái)競(jìng)爭(zhēng)進(jìn)一步加劇，以及產(chǎn)量上升所帶來(lái)的成本下降，預(yù)計(jì)AI芯片將會(huì)進(jìn)一步滲透進(jìn)入到中等機(jī)型市場(chǎng)，市場(chǎng)空間廣闊。移動(dòng)端AI芯片市場(chǎng)不止于智能手機(jī)，潛在市場(chǎng)還包括：智能手環(huán)/手表、VR/AR眼鏡等市場(chǎng)。AI芯片在圖像及語(yǔ)音方面的能力可能會(huì)帶來(lái)未來(lái)人機(jī)交互方式的改變并進(jìn)一步提升顯示屏、攝像頭的能力，有可能在未來(lái)改變移動(dòng)端產(chǎn)品。

以往通過(guò)云數(shù)據(jù)中心做手機(jī)端AI推理任務(wù)面臨網(wǎng)絡(luò)帶寬延遲瓶頸的問(wèn)題，嚴(yán)重影響用戶使用體驗(yàn)，而CPU適合邏輯運(yùn)算，但并不適合AI并行運(yùn)算任務(wù)，目前市場(chǎng)上流行在SoC中增加協(xié)處理器或?qū)Ｓ眉铀賳卧獊?lái)執(zhí)行AI任務(wù)。以智能手機(jī)為代表的移動(dòng)互聯(lián)網(wǎng)終端是一個(gè)多傳感器融合的綜合數(shù)據(jù)處理平臺(tái)，AI芯片需要具備通用性，能夠處理多類型任務(wù)能力。由于移動(dòng)終端依靠電池驅(qū)動(dòng)，而受制于電池倉(cāng)大小和電池能量密度限制，芯片設(shè)計(jì)在追求算力的同時(shí)對(duì)功耗有著嚴(yán)格的限制，可以開(kāi)發(fā)專用的ASIC芯片或者是使用功耗較低的DSP作為AI處理單元。

目前手機(jī)芯片市場(chǎng)存在以下情況：1）、AI應(yīng)用場(chǎng)景、功能有限；2）、AI芯片廠商一般向SoC廠提供IP并收取授權(quán)費(fèi)，需要AI-IP與整塊SoC進(jìn)行良好的匹配，而創(chuàng)業(yè)公司缺少與SoC廠商合作經(jīng)驗(yàn)；3）、傳統(tǒng)手機(jī)SoC廠商和IP廠商都在開(kāi)發(fā)自己的AI加速器，傳統(tǒng)IP巨頭可以采取IP打包銷售的方式推廣其AI-IP產(chǎn)品。相比之下新進(jìn)廠商在成本、功能、產(chǎn)品線、匹配度等都不占優(yōu)的情況下很難在該領(lǐng)域存活。新進(jìn)廠商應(yīng)加強(qiáng)其軟件方面優(yōu)勢(shì)，并加深與手機(jī)廠商合作共同進(jìn)行手機(jī)AI功能開(kāi)發(fā)。

3、自動(dòng)駕駛

自動(dòng)駕駛汽車裝備了大量的傳感器、攝像頭、雷達(dá)、激光雷達(dá)等車輛自主運(yùn)行需要的部件，每秒都會(huì)產(chǎn)生大量的數(shù)據(jù)，對(duì)芯片算力有很高的要求， 但受限于時(shí)延及可靠性，有關(guān)車輛控制的計(jì)算不能再依托云端進(jìn)行，高算力、快速響應(yīng)的車輛端人工智能推理芯片必不可少。

目前，自動(dòng)駕駛所使用的芯片主要基于 GPU、FPGA 和 ASIC 三條技術(shù)路線。但由于自動(dòng)駕駛算法仍在快速更迭和進(jìn)化，因此大多自動(dòng)駕駛芯片使用 GPU+FPGA 的解決方案。未來(lái)算法穩(wěn)定后，ASIC將成為主流。

根據(jù)美國(guó)汽車工程師協(xié)會(huì)（SAE）將自動(dòng)駕駛按照車輛行駛對(duì)于系統(tǒng)依賴程度分為L(zhǎng)0~L5六個(gè)級(jí)別，L0為車輛行駛完全依賴駕駛員操縱，L3級(jí)以上系統(tǒng)即可在特定情況下實(shí)現(xiàn)駕駛員脫手操作，而L5級(jí)則是在全場(chǎng)景下車輛行駛完全實(shí)現(xiàn)對(duì)系統(tǒng)的依賴。目前商業(yè)化乘用車車型中僅有Audi A8、Tesla、凱迪拉克等部分車型可實(shí)現(xiàn)L2、3級(jí)ADAS。預(yù)計(jì)在2020年左右，隨著傳感器、車載處理器等產(chǎn)品的進(jìn)一步完善，將會(huì)有更多的L3級(jí)車型出現(xiàn)。而L4、5級(jí)自動(dòng)駕駛預(yù)計(jì)將會(huì)率先在封閉園區(qū)中的商用車平臺(tái)上實(shí)現(xiàn)應(yīng)用落地，更廣泛的乘用車平臺(tái)高級(jí)別自動(dòng)駕駛，需要伴隨著技術(shù)、政策、基礎(chǔ)設(shè)施建設(shè)的進(jìn)一步完善，預(yù)計(jì)至少在2025年~2030年以后才會(huì)出現(xiàn)在一般道路上。

目前汽車電子控制系統(tǒng)是分布式ECU架構(gòu)，不同的信息娛樂(lè)、車身、車輛運(yùn)動(dòng)和動(dòng)力總成系統(tǒng)及其細(xì)分功能分別由不同獨(dú)立的ECU單元進(jìn)行獨(dú)立控制，部分高檔車型上的ECU數(shù)量超過(guò)100個(gè)。未來(lái)隨著汽車進(jìn)入L3級(jí)以上的高級(jí)別自動(dòng)駕駛時(shí)代，隨著車載傳感器數(shù)量及其所產(chǎn)生的數(shù)據(jù)量劇增，分布式電子系統(tǒng)難以滿足對(duì)大量、多元的傳感器數(shù)據(jù)進(jìn)行高效融合處理，并綜合所有傳感器數(shù)據(jù)做出車輛控制決策等一系列操作需求。要滿足以上功能需求，汽車電子系統(tǒng)由需要向著域控制器（DCU）、多域控制器（MDC）等集中化方向發(fā)展，未來(lái)，汽車電子操控系統(tǒng)將會(huì)進(jìn)一步向著集中化、軟硬件解耦及平臺(tái)化方向發(fā)展，汽車將會(huì)由統(tǒng)一的超算平臺(tái)對(duì)傳感器數(shù)據(jù)進(jìn)行處理、融合、決策最終實(shí)現(xiàn)高級(jí)別的自動(dòng)駕駛功能。

伴隨人工智能技術(shù)在視覺(jué)領(lǐng)域的應(yīng)用，基于視覺(jué)技術(shù)的自動(dòng)駕駛方案逐漸變?yōu)榭赡?，這需要在傳統(tǒng)行車電腦平臺(tái)上添加用于視覺(jué)算法處理的AI芯片。自動(dòng)駕駛汽車計(jì)算單元設(shè)計(jì)需要考慮算力、功耗體積等問(wèn)題，出于硬件資源最優(yōu)化應(yīng)用，往往采取異構(gòu)計(jì)算平臺(tái)設(shè)計(jì)方案，及“CPU+XPU”（XPU包括：DSP/GPU/FPGA/ASIC），其中可采取DSP用于圖像特征提取任務(wù)、GPU/FPGA/ASIC等計(jì)算單元用于目標(biāo)識(shí)別、追蹤任務(wù)等，而CPU則會(huì)用于定位、決策等邏輯運(yùn)算任務(wù)。

目前最典型的產(chǎn)品如英偉達(dá)的DRIVE PX系列及后續(xù)的Xavier、Pegasus等。除硬件計(jì)算平臺(tái)外，英偉達(dá)為客戶提供配套的軟件平臺(tái)及開(kāi)放的上層傳感器布局和自定義模塊使得客戶能夠根據(jù)自身需要進(jìn)行二次開(kāi)發(fā)，其還為客戶提供感知、制圖以及行駛策略等解決方案。目前其產(chǎn)品已經(jīng)被包括ZF、Bosch、Audi、Benz以及Tesla等Tier1s、OEMs廠商及諸多自動(dòng)駕駛創(chuàng)業(yè)公司采用作為其處理器方案所使用。

在全部的邊緣計(jì)算場(chǎng)景中，用于自動(dòng)駕駛的計(jì)算芯片設(shè)計(jì)難度最大，這主要體現(xiàn)在：1）算力要求高， L3級(jí)以上自動(dòng)駕駛需要復(fù)數(shù)種類的傳感器實(shí)現(xiàn)傳感器冗余，包括：6~12顆單目攝像頭、3~12臺(tái)毫米波雷達(dá)、5臺(tái)以內(nèi)的激光雷達(dá)等（不同方案配置側(cè)重不同），因此產(chǎn)生的數(shù)據(jù)量極大（ 估計(jì)L5級(jí)一天可產(chǎn)生數(shù)據(jù)量4000GB），在車輛高速行駛的情況下系統(tǒng)需要能夠快速對(duì)數(shù)據(jù)進(jìn)行處理；2）汽車平臺(tái)同樣是由電池供電，因此對(duì)于計(jì)算單元功耗有較高的要求，早期計(jì)算平臺(tái)功耗大、產(chǎn)熱也較大，對(duì)于系統(tǒng)的續(xù)航及穩(wěn)定性都有較大的印象；3）汽車電子需要滿足ASIL-D車規(guī)級(jí)電子產(chǎn)品設(shè)計(jì)標(biāo)準(zhǔn)，而使自動(dòng)駕駛所需要的中央處理器達(dá)到ASIL-D級(jí)設(shè)計(jì)標(biāo)準(zhǔn)難度更大。

目前自動(dòng)駕駛市場(chǎng)尚處于發(fā)展早期，市場(chǎng)環(huán)境不夠成熟，但以英偉達(dá)、Intel（Mobileye、Altera）等科技巨頭為代表的廠商已經(jīng)投入巨資在該領(lǐng)域開(kāi)發(fā)出了相關(guān)的硬件產(chǎn)品及配套軟件技術(shù)。人工智能芯片創(chuàng)業(yè)公司應(yīng)該加強(qiáng)與OEMs、Tier1或產(chǎn)業(yè)聯(lián)盟合作為其提供AI芯片+軟件工具鏈的全套解決方案。

AI 芯片用于自動(dòng)駕駛之后，對(duì)傳統(tǒng)的汽車電子市場(chǎng)沖擊較大，傳統(tǒng)的汽車電子巨頭（恩智浦、英飛凌、意法半導(dǎo)體、瑞薩）雖然在自動(dòng)駕駛芯片市場(chǎng)有所斬獲，但風(fēng)頭遠(yuǎn)不及英特爾、英偉達(dá)、高通甚至是特斯拉。國(guó)內(nèi)初創(chuàng)企業(yè)如地平線、眼擎科技、寒武紀(jì)也都在積極參與。在自動(dòng)駕駛芯片領(lǐng)域進(jìn)展最快以及競(jìng)爭(zhēng)力最強(qiáng)的是英特爾和英偉達(dá)，英特爾強(qiáng)在能耗，英偉達(dá)則在算力和算法平臺(tái)方面優(yōu)勢(shì)明顯。

英特爾進(jìn)入自動(dòng)駕駛芯片市場(chǎng)雖然較晚，但通過(guò)一系列大手筆收購(gòu)確立了其在自動(dòng)駕駛市場(chǎng)上的龍頭地位。2016 年，公司出資 167 億美元收購(gòu)了 FPGA 龍頭 Altera；2017 年 3 月以 153 億美元天價(jià)收購(gòu)以色列 ADAS 公司 Mobileye，該公司憑借著 EyeQ 系列芯片占據(jù)了全球 ADAS 70%左右的市場(chǎng)，為英特爾切入自動(dòng)駕駛市場(chǎng)創(chuàng)造了條件。收購(gòu)?fù)瓿芍?，英特爾形成了完整的自?dòng)駕駛云到端的算力方案——英特爾凌動(dòng)/至強(qiáng)+Mobileye EyeQ+Altera FPGA。英特爾收購(gòu) Mobileye 之后，后者也直接推出了 EyeQ5，支持 L4-L5 自動(dòng)駕駛，預(yù)計(jì)在 2020 年量產(chǎn)。

英偉達(dá)在汽車AI芯片的競(jìng)爭(zhēng)中不落下風(fēng)。英偉達(dá)在2015年推出了世界首款車載超級(jí)計(jì)算機(jī)Drive PX，緊接著 2016 年推出 Drive PX2，2018 年推出新一代超級(jí)計(jì)算機(jī) Drive Xavier，同年，基于雙 Drive Xavier 芯片針對(duì)自動(dòng)駕駛出租車業(yè)務(wù)的 Drive PX Pegasu 計(jì)算平臺(tái)面世。2019 CES 上，英偉達(dá)推出了全球首款商用 L2+自動(dòng)駕駛系統(tǒng) NVIDIA DRIVE AutoPilot。DRIVE AutoPilot 的核心是 Xavier 系統(tǒng)級(jí)芯片。該芯片處理器算力高達(dá)每秒 30 萬(wàn)億次，已經(jīng)投產(chǎn)。

4、安防

安防市場(chǎng)是全球及國(guó)內(nèi) AI 最為確定以及最大的市場(chǎng)，尤其是 AI 中的圖像識(shí)別和視頻處理技術(shù)正在全面影響安防產(chǎn)業(yè)。其中，在安防產(chǎn)品中，攝像頭、交換機(jī)、IPC（網(wǎng)絡(luò)攝像機(jī)）、硬盤(pán)刻錄機(jī)、各類服務(wù)器等設(shè)備都需要芯片，這些芯片也決定了整個(gè)安防系統(tǒng)的整體功能、技術(shù)指標(biāo)、能耗以及成本。在安防芯片中，最為關(guān)注的還是四類與監(jiān)控相關(guān)的芯片（ISP 芯片、DVR SoC 芯片、IPC SoC芯片、NVR SoC 芯片）。

ISP 芯片(Image Signal Processing，圖像信號(hào)處理)主要負(fù)責(zé)對(duì)前端攝像頭所采集的原始圖像信號(hào)進(jìn)行處理；DVR（DigitalVideoRecorder，數(shù)字硬盤(pán)錄像機(jī)）SoC 芯片主要用于模擬音視頻的數(shù)字化、編碼壓縮與存儲(chǔ)；IPC （IP Camera，IP 攝像機(jī)）SoC 芯片通常集成了嵌入式處理器（CPU）、圖像信號(hào)處理（ISP）模塊、視音頻編碼模塊、網(wǎng)絡(luò)接口模塊等，具備入侵探測(cè)、人數(shù)統(tǒng)計(jì)、車輛逆行、丟包檢測(cè)等一些簡(jiǎn)單的視頻分析功能；NVR (Network Video Recorder，網(wǎng)絡(luò)硬盤(pán)錄像機(jī)) SoC 芯片主要用于視頻數(shù)據(jù)的分析與存儲(chǔ)，功能相對(duì)單一，但由于多與 IPC 聯(lián)合使用，市場(chǎng)增長(zhǎng)也較快。

通常情況下，安防視頻監(jiān)控模擬攝像機(jī)的核心部件包括一顆圖像傳感器和一顆 ISP 芯片，安防視頻監(jiān)控網(wǎng)絡(luò)攝像機(jī)的核心部件包括一顆圖像傳感器和一顆 IPC SoC 芯片。單從國(guó)內(nèi)來(lái)看，未來(lái)國(guó)內(nèi)視頻監(jiān)控行業(yè)增速仍將保持 12%-15%左右的水平增長(zhǎng)，其中網(wǎng)絡(luò)監(jiān)控設(shè)備增長(zhǎng)更為迅速，相關(guān)芯片產(chǎn)品需求十分旺盛。

安防 AI 芯片市場(chǎng)上，除了傳統(tǒng)芯片以及安防廠商，還有大量的創(chuàng)業(yè)企業(yè)在涌入。國(guó)外芯片廠商主要有英偉達(dá)、英特爾、安霸、TI、索尼、特威、三星、谷歌等；國(guó)內(nèi)廠商主要有海思（華為）、國(guó)科微、中星微、北京君正、富瀚微、景嘉微、寒武紀(jì)、深鑒科技、云天勵(lì)飛、中科曙光等。英偉達(dá)、英特爾等企業(yè)憑借著通用處理器以及物聯(lián)網(wǎng)解決方案的優(yōu)勢(shì)，長(zhǎng)期與安防巨頭如海康、大華、博世等保持緊密聯(lián)系；國(guó)內(nèi)寒武紀(jì)、地平線、云天勵(lì)飛等企業(yè)，都有 AI 芯片產(chǎn)品面世，海思本身就有安防攝像機(jī) SoC 芯片，在新加入 AI 模塊之后，競(jìng)爭(zhēng)力進(jìn)一步提升。

從安防行業(yè)發(fā)展的趨勢(shì)來(lái)看，隨著 5G 和物聯(lián)網(wǎng)的快速落地，“云邊結(jié)合”將是行業(yè)最大的趨勢(shì)，云端芯片國(guó)內(nèi)企業(yè)預(yù)計(jì)很難有所突破，但是邊緣側(cè)尤其是視頻處理相關(guān) AI 芯片還是有較大潛力，國(guó)產(chǎn)化替代將加速。但也看到，AI 芯片離在安防領(lǐng)域?qū)崿F(xiàn)大規(guī)?？焖俾涞厝杂芯嚯x。除了功耗和算力約束外，工程化難度大也是困擾行業(yè)的重要因素，尤其是在安防這種產(chǎn)業(yè)鏈長(zhǎng)而高度碎片化的產(chǎn)業(yè)，新技術(shù)落地需要長(zhǎng)時(shí)間的積累與打磨，以及人力資源的不斷投入。

5、智能家居

智能家居近年來(lái)也成為人工智能重要的落地場(chǎng)景。從技術(shù)應(yīng)用上講，人類 90%的信息輸出是通過(guò)語(yǔ)音，80%的是通過(guò)視覺(jué)，智能家居領(lǐng)域應(yīng)用最多的就是智能語(yǔ)音交互技術(shù)。近年來(lái)，正是看到語(yǔ)音交互技術(shù)與智能家居深度融合的潛力，谷歌、蘋(píng)果、微軟均將其作為進(jìn)入智能家居領(lǐng)域的重要切入口，發(fā)布了多款軟硬件平臺(tái)，如亞馬遜推出的智能音箱設(shè)備。國(guó)內(nèi)智能語(yǔ)音龍頭企業(yè)科大訊飛較早就切入了該領(lǐng)域，聯(lián)合地產(chǎn)商推出了硬件平臺(tái)魔飛（MORFEI）平臺(tái)，電視、咖啡機(jī)、電燈、空調(diào)、熱水器等產(chǎn)品都能通過(guò)融入相關(guān)平臺(tái)實(shí)現(xiàn)智能化。

當(dāng)前，無(wú)論是智能音箱還是其他智能家居設(shè)備，智能功能都是在云端來(lái)實(shí)現(xiàn)，但云端存在著語(yǔ)音交互時(shí)延的問(wèn)題，對(duì)網(wǎng)絡(luò)的需求限制了設(shè)備的使用空間，而且由此還帶來(lái)了數(shù)據(jù)與隱私危機(jī)。為了讓設(shè)備使用場(chǎng)景不受局限，用戶體驗(yàn)更好，端側(cè)智能已成為一種趨勢(shì)，語(yǔ)音 AI 芯片也隨之切入端側(cè)市場(chǎng)。國(guó)內(nèi)主要語(yǔ)音技術(shù)公司憑借自身在語(yǔ)音識(shí)別、自然語(yǔ)言處理、語(yǔ)音交互設(shè)計(jì)等技術(shù)上的積累，開(kāi)始轉(zhuǎn)型做 AI 語(yǔ)音芯片集成及提供語(yǔ)音交互解決方案，包括云知聲、出門問(wèn)問(wèn)、思必馳以及 Rokid。

市場(chǎng)上主流的 AI 語(yǔ)音芯片，一般都內(nèi)置了為語(yǔ)音識(shí)別而優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)加速方案，以實(shí)現(xiàn)語(yǔ)音離線識(shí)別。隨著算法的精進(jìn)，部分企業(yè)的語(yǔ)音識(shí)別能力得到了較快提升，尤其是在遠(yuǎn)場(chǎng)識(shí)別、語(yǔ)音分析和語(yǔ)義理解等方面都取得了重要進(jìn)展。云知聲在 2018 年 5 月，推出語(yǔ)音 AI 芯片雨燕，并在研發(fā)多模態(tài)芯片，以適應(yīng)物聯(lián)網(wǎng)場(chǎng)景，目前公司芯片產(chǎn)品已經(jīng)廣泛用于智能家電如空調(diào)之中；出門問(wèn)問(wèn)也在 2018 年推出了 AI 語(yǔ)音芯片模組“問(wèn)芯”MobvoiA1；Rokid 也發(fā)在 2018 年發(fā)布了 AI 語(yǔ)音芯片 KAMINO18；思必馳利用其聲紋識(shí)別等技術(shù)優(yōu)勢(shì)，2019 年初推出基于雙 DSP 架構(gòu)的語(yǔ)音處理專用芯片 TH1520，具有完整語(yǔ)音交互功能，能實(shí)現(xiàn)語(yǔ)音處理、語(yǔ)音識(shí)別、語(yǔ)音播報(bào)等功能。

由于語(yǔ)音芯片市場(chǎng)過(guò)于細(xì)碎，需要企業(yè)根據(jù)場(chǎng)景和商業(yè)模式需要設(shè)計(jì)出芯片產(chǎn)品，這對(duì)傳統(tǒng)的通用芯片企業(yè)的商業(yè)模式是一種顛覆，以致于在 2018 年以前都很少有芯片巨頭進(jìn)入該領(lǐng)域，這也給了國(guó)內(nèi)語(yǔ)音芯片企業(yè)較大的施展空間。而對(duì)算法公司來(lái)說(shuō)，通過(guò)進(jìn)入芯片市場(chǎng)，進(jìn)而通過(guò)解決方案直接面向客戶和應(yīng)用場(chǎng)景，通過(guò)實(shí)戰(zhàn)數(shù)據(jù)來(lái)訓(xùn)練和優(yōu)化算法。

6、機(jī)器人

機(jī)器人是人工智能行業(yè)最早的落地形態(tài)，也是現(xiàn)在和將來(lái)重要的應(yīng)用方向。機(jī)器人主要包括兩類——制造環(huán)境下的工業(yè)機(jī)器人和非制造環(huán)境下的服務(wù)機(jī)器人。工業(yè)機(jī)器人主要是面向工業(yè)領(lǐng)域的多關(guān)節(jié)機(jī)械手或多自由度機(jī)器人。服務(wù)機(jī)器人則是除工業(yè)機(jī)器人之外的、用于非制造業(yè)并服務(wù)于人類的各種先進(jìn)機(jī)器人。

隨著云物移大智等信息及智能化技術(shù)的發(fā)展，機(jī)器人在某些領(lǐng)域的工作效率高于人類，并在工業(yè)和服務(wù)場(chǎng)景中得到了大量應(yīng)用。據(jù)國(guó)際機(jī)器人聯(lián)盟統(tǒng)計(jì)，2017 年，全球工業(yè)機(jī)器人產(chǎn)量達(dá)到 38.1 萬(wàn)臺(tái)，同比增長(zhǎng) 30%，預(yù)計(jì) 2018-2021 年全球工業(yè)機(jī)器人產(chǎn)量將保持 10%以上增速增長(zhǎng)，2021 年產(chǎn)量預(yù)計(jì)將達(dá)到 63.0 萬(wàn)臺(tái)。中國(guó)是全球最大的工業(yè)機(jī)器人生產(chǎn)國(guó)，2017 年產(chǎn)量達(dá)到 13.79 萬(wàn)臺(tái)，同比大幅增長(zhǎng) 60%。服務(wù)機(jī)器人主要用于物流、防務(wù)、公共服務(wù)、醫(yī)療等領(lǐng)域，雖然規(guī)模不大，但是增長(zhǎng)迅速。2017 年全球產(chǎn)量為 10.95 萬(wàn)臺(tái)，同比大幅增長(zhǎng) 85%。預(yù)計(jì) 2018 年全球?qū)I(yè)服務(wù)機(jī)器人產(chǎn)量將達(dá)到 16.53 萬(wàn)臺(tái)，同比增長(zhǎng) 32%，2019-2021 年平均增速將保持在 21%左右。

機(jī)器人尤其是國(guó)內(nèi)產(chǎn)業(yè)規(guī)模的快速擴(kuò)大，將大幅帶動(dòng)國(guó)內(nèi)機(jī)器人相關(guān)智能芯片產(chǎn)業(yè)的發(fā)展。機(jī)器人由控制、傳感、驅(qū)動(dòng)和電源四大裝置構(gòu)成，其中控制裝置是機(jī)器人的“大腦”，核心是 AI 芯片。機(jī)器人芯片需要具備強(qiáng)大的數(shù)據(jù)計(jì)算、自主判斷思考和執(zhí)行能力，國(guó)外廠商如高通、英特爾、英偉達(dá)都在積極部署該領(lǐng)域，國(guó)內(nèi)企業(yè)目前處于追趕狀態(tài)，相關(guān)企業(yè)包括瑞芯微、珠海全志、炬力等。

三、AI芯片行業(yè)產(chǎn)業(yè)鏈及商業(yè)模式

半導(dǎo)體行業(yè)產(chǎn)業(yè)鏈長(zhǎng)，具有資本和技術(shù)壁壘雙高的行業(yè)特點(diǎn)

半導(dǎo)體行業(yè)產(chǎn)業(yè)鏈從上游到下游大體可分為：設(shè)計(jì)軟件（EDA）、設(shè)備、材料（晶圓及耗材）、IC設(shè)計(jì)、代工、封裝等。

Fabless與IDM廠商負(fù)責(zé)芯片設(shè)計(jì)工作，其中IDM廠商是指集成了設(shè)計(jì)、制造、封裝、銷售等全流程的廠商，一般是一些科技巨頭公司，F(xiàn)abless廠商相比IDM規(guī)模更小，一般只負(fù)責(zé)芯片設(shè)計(jì)工作。

分工模式（Fabless-Foundry）的出現(xiàn)主要是由于芯片制程工藝的不斷發(fā)展，工藝研發(fā)費(fèi)用及產(chǎn)線投資升級(jí)費(fèi)用大幅上升導(dǎo)致一般芯片廠商難以覆蓋成本，而 Foundry廠商則是統(tǒng)一對(duì)Fabless和IDM的委外訂單進(jìn)行流片，形成規(guī)?；a(chǎn)優(yōu)勢(shì)，保證盈利的同時(shí)不斷投資研發(fā)新的制程工藝，是摩爾定律的主要推動(dòng)者。當(dāng)前在半導(dǎo)體產(chǎn)業(yè)鏈中，我國(guó)在上游軟件、設(shè)備、高端原材料以及代工制造與全球一線廠商差距較大，而在封裝環(huán)節(jié)擁有長(zhǎng)電、華天、通富微等行業(yè)前十企業(yè)，今年來(lái)在IC設(shè)計(jì)領(lǐng)域也逐漸涌現(xiàn)了以海思為代表的一批優(yōu)秀企業(yè)。

半導(dǎo)體行業(yè)商業(yè)模式主要可分為：IP授權(quán)與流片生產(chǎn)模式

行業(yè)主要存在兩種商業(yè)模式IP授權(quán)和流片模式。其中在IP授權(quán)模式中，IP設(shè)計(jì)公司將自己設(shè)計(jì)的芯片功能單元，如：CPU、GPU、DSP、NPU等，授權(quán)給其他的IC設(shè)計(jì)公司，如華為海思麒麟970、980芯片獲得了寒武紀(jì)NPU的IP授權(quán)。被授權(quán)方將會(huì)向授權(quán)方支付一筆授權(quán)費(fèi)來(lái)獲得IP，并在最終芯片產(chǎn)品銷售中，以芯片最終售價(jià)的1%~3%向授權(quán)方支付版稅。授權(quán)費(fèi)用實(shí)現(xiàn)IP開(kāi)發(fā)成本的覆蓋，而版稅作為IP設(shè)計(jì)公司的盈利。但正如手機(jī)芯片市場(chǎng)，優(yōu)質(zhì)的IP資源往往集中在科技巨頭手中，擁有單一或少量IP的創(chuàng)業(yè)公司往往因?yàn)樽陨鞩P競(jìng)爭(zhēng)力不足、或是難以提供具有綜合競(jìng)爭(zhēng)力的完整解決方案而最終落得被收購(gòu)或退出市場(chǎng)的境地。

流片生產(chǎn)模式雖然前期投入較大，但一款成功的產(chǎn)品將會(huì)使公司獲得豐厚的利潤(rùn)，一般芯片產(chǎn)品定價(jià)采取8:20原則，即硬件成本：最終產(chǎn)品售價(jià)=8：20。該比率可能會(huì)隨廠商對(duì)市場(chǎng)話語(yǔ)權(quán)不同而上下波動(dòng)，因此一款成功的芯片銷售毛利應(yīng)在60%以上。但公司是否能夠最終實(shí)現(xiàn)盈利，還需要在毛利中進(jìn)一步扣除前期研發(fā)費(fèi)用。

芯片設(shè)計(jì)需要廠商承擔(dān)昂貴的EDA費(fèi)用及高昂的人力成本

芯片整體設(shè)計(jì)制造流程大體包括：1）IC設(shè)計(jì)公司進(jìn)行芯片架構(gòu)設(shè)計(jì)，2）將設(shè)計(jì)完成的芯片“圖紙”文件交由Foundry廠商進(jìn)行流片，3）裸片將會(huì)交由OSAT廠商進(jìn)行封裝，4）產(chǎn)品銷售。研發(fā)費(fèi)用主要包括：研發(fā)團(tuán)隊(duì)人力成本、EDA軟件及IP授權(quán)費(fèi)用及其他場(chǎng)地租金、水電費(fèi)用等。

其中，人力成本占研發(fā)成本主要部分，項(xiàng)目開(kāi)發(fā)效率與資深工程師數(shù)量正相關(guān)，國(guó)內(nèi)資深芯片設(shè)計(jì)工程師年薪一般在50~100萬(wàn)元之間。EDA工具是芯片設(shè)計(jì)工具，是發(fā)展超大型集成電路的基石，EDA工具可有效提升產(chǎn)品良率。目前，該領(lǐng)域被海外廠商高度壟斷，CR3大于70%。EDA廠商主要是通過(guò)向IC設(shè)計(jì)公司進(jìn)行軟件授權(quán)獲取盈利，根據(jù)調(diào)研，20人的研發(fā)團(tuán)隊(duì)設(shè)計(jì)一款芯片所需要的EDA工具采購(gòu)費(fèi)用在100萬(wàn)美元/年左右（包括EDA和LPDDR等IP購(gòu)買成本）。英偉達(dá)開(kāi)發(fā)Xavier，動(dòng)用了2000個(gè)工程師，開(kāi)發(fā)費(fèi)用共計(jì)20以美金，Xlinix ACAP動(dòng)用了1500個(gè)工程師，開(kāi)發(fā)費(fèi)用總共10億美金。

芯片設(shè)計(jì)技術(shù)積累+市場(chǎng)洞察力=芯片產(chǎn)品市場(chǎng)推廣成功與否

在IP授權(quán)和流片生產(chǎn)兩大類商業(yè)模式中，IP授權(quán)由于不涉及芯片制造，僅需要考慮研發(fā)費(fèi)用，資金占用相對(duì)小、風(fēng)險(xiǎn)較低。流片除前期的研發(fā)投入以外，還需要向代工廠支付巨額的代工費(fèi)用，對(duì)資金占用極大，需要芯片銷售達(dá)到一定量級(jí)才能分?jǐn)偟羟捌诰揞~投入實(shí)現(xiàn)盈利，若期間出現(xiàn)流片失敗（即流片未達(dá)設(shè)計(jì)期望性能指標(biāo)）或者市場(chǎng)推廣失利等情況，芯片設(shè)計(jì)廠商需要承擔(dān)前期巨額的研發(fā)和制造投入、費(fèi)用損失。芯片單位硬件成本主要包含掩膜、封裝、測(cè)試和晶圓成本，并受到制程工藝、產(chǎn)量、芯片面積等多因素的影響。

我們簡(jiǎn)要測(cè)算16nm制程工藝下，不同產(chǎn)量不同面積的芯片單位成本，可以看出芯片單位硬件成本隨芯片面積、產(chǎn)量上升逐漸下降。因此，一款芯片能否獲得廣大的市場(chǎng)認(rèn)可，并擁有較長(zhǎng)的產(chǎn)品生命周期，實(shí)現(xiàn)芯片產(chǎn)品的規(guī)模銷售和生產(chǎn)顯著決定了企業(yè)的盈虧情況。

四、國(guó)內(nèi)外AI芯片企業(yè)融資概況

從2012年開(kāi)始，英偉達(dá)將其GPU產(chǎn)品應(yīng)用于AI并行運(yùn)算應(yīng)用中，人們意識(shí)到了AI芯片的巨大潛力，傳統(tǒng)半導(dǎo)體行業(yè)巨頭、科技巨頭和眾多創(chuàng)業(yè)團(tuán)隊(duì)紛紛加入到該領(lǐng)域的產(chǎn)品研發(fā)中來(lái)。國(guó)內(nèi)創(chuàng)業(yè)公司多成立于15年以后，從2017年開(kāi)始大量的AI計(jì)算芯片產(chǎn)品陸續(xù)發(fā)布，產(chǎn)品逐步開(kāi)始實(shí)現(xiàn)落地。

傳統(tǒng)的半導(dǎo)體巨頭和科技巨頭也在布局AI芯片領(lǐng)域，除自主研發(fā)以外，基于資金優(yōu)勢(shì)通過(guò)對(duì)外投資收購(gòu)優(yōu)質(zhì)資產(chǎn)及創(chuàng)業(yè)團(tuán)隊(duì)等手段加速自身的AI芯片業(yè)務(wù)發(fā)展，典型代表如Intel，大手筆收購(gòu)了包括Altera、Nervana、Movidius以及Mobileye在內(nèi)的多家AI芯片企業(yè)，阿里巴巴也通過(guò)先后投資、收購(gòu)布局AI芯片的開(kāi)發(fā)。

國(guó)內(nèi)大量的AI芯片創(chuàng)業(yè)公司都是在2015-2017年成立，2018年新增企業(yè)數(shù)量減少。資本方面，受到宏觀經(jīng)濟(jì)影響雖然行業(yè)內(nèi)投融資事件相比2017年同比增長(zhǎng)了32%，但行業(yè)整體投融資金額驟減，但頭部企業(yè)在2018年依然持續(xù)獲得投資人青睞，多家企業(yè)創(chuàng)造了估值新高。

五、國(guó)內(nèi)外 AI 芯片廠商概覽

1、整體排名

近年來(lái)，各類勢(shì)力均在發(fā)力 AI 芯片，參與者包括傳統(tǒng)芯片設(shè)計(jì)、IT 廠商、技術(shù)公司、互聯(lián)網(wǎng)以及初創(chuàng)企業(yè)等，產(chǎn)品覆蓋了 CPU、GPU、FPGA 、ASIC 等。在市場(chǎng)調(diào)研機(jī)構(gòu) Compass Intelligence 2018年發(fā)布的 AI Chipset Index TOP24 榜單中，前十依然是歐美韓日企業(yè)，國(guó)內(nèi)芯片企業(yè)如華為海思、聯(lián)發(fā)科、Imagination（2017 年被中國(guó)資本收購(gòu)）、寒武紀(jì)、地平線機(jī)器人等企業(yè)進(jìn)入該榜單，其中華為海思排 12 位，寒武紀(jì)排 23 位，地平線機(jī)器人排 24 位。

2、芯片企業(yè)

芯片設(shè)計(jì)企業(yè)依然是當(dāng)前 AI 芯片市場(chǎng)的主要力量，包括英偉達(dá)、英特爾、AMD、高通、三星、恩智浦、博通、華為海思、聯(lián)發(fā)科、Marvell（美滿）、賽靈思等，另外，還包括不直接參與芯片設(shè)計(jì)，只做芯片 IP 授權(quán)的 ARM 公司。其中，英偉達(dá)、英特爾競(jìng)爭(zhēng)力最為強(qiáng)勁。

英偉達(dá)：AI 芯片市場(chǎng)的領(lǐng)導(dǎo)者，計(jì)算加速平臺(tái)廣泛用于數(shù)據(jù)中心、自動(dòng)駕駛等場(chǎng)景

英偉達(dá)創(chuàng)立于 1993 年，最初的主業(yè)為顯卡和主板芯片組。其主板芯片組主要客戶以前是 AMD，但是在 AMD 收購(gòu) ATI 推出自研芯片組之后，英偉達(dá)在該領(lǐng)域的優(yōu)勢(shì)就蕩然無(wú)存。于是，公司全面轉(zhuǎn)向到 GPU 技術(shù)研發(fā)，同時(shí)進(jìn)入人工智能領(lǐng)域。2012 年，公司神經(jīng)網(wǎng)絡(luò)技術(shù)在其 GPU 產(chǎn)品的支持下取得重大進(jìn)展，并在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理等方面得到廣泛應(yīng)用。

2016 年，全球人工智能發(fā)展加速，英偉達(dá)迅速推出了第一個(gè)專為深度學(xué)習(xí)優(yōu)化的 Pascal GPU。2017年，英偉達(dá)又推出了性能相比 Pascal 提升 5 倍的新 GPU 架構(gòu) Volta，同時(shí)推出神經(jīng)網(wǎng)絡(luò)推理加速器TensorRT 3。至此，英偉達(dá)完成了算力、AI 構(gòu)建平臺(tái)的部署，也理所當(dāng)然成為這一波人工智能熱潮的最大受益者和領(lǐng)導(dǎo)者。公司的戰(zhàn)略方向包括人工智能和自動(dòng)駕駛。

人工智能方面，英偉達(dá)面向人工智能的產(chǎn)品有兩類，Tesla 系列 GPU 芯片以及 DGX 訓(xùn)練服務(wù)器。

Tesla 系列是專門針對(duì) AI 深度學(xué)習(xí)算法加速設(shè)計(jì) GPU 芯片，DGX 則主要是面向 AI 研究開(kāi)發(fā)人員設(shè)計(jì)的工作站或者超算系統(tǒng)。2018 年，公司包含這兩款產(chǎn)品的數(shù)據(jù)中心業(yè)務(wù)收入大幅增長(zhǎng) 52%，其中Tesla V100 的強(qiáng)勁銷售是其收入的主要來(lái)源。

自動(dòng)駕駛方面。英偉達(dá)針對(duì)自動(dòng)駕駛等場(chǎng)景，推出了 Tegra 處理器，并提供了自動(dòng)駕駛相關(guān)的工具包。2018 年，基于 Tegra 處理器，英偉達(dá)推出了 NVIDIA DRIVE AutoPilot Level 2+，并贏得了豐田、戴姆勒等車企的自動(dòng)駕駛訂單。同時(shí)，2018 年，公司也正在積極推動(dòng) Xavier 自動(dòng)駕駛芯片的量產(chǎn)。

值得關(guān)注的是，英偉達(dá)還正在通過(guò)投資和并購(gòu)方式繼續(xù)加強(qiáng)在超算或者數(shù)據(jù)中心方面的業(yè)務(wù)能力。

2019 年 3 月，英偉達(dá)宣稱將斥資 69 億美元收購(gòu) Mellanox。Mellanox 是超算互聯(lián)技術(shù)的早期研發(fā)和參與者。通過(guò)與 Mellanox 的結(jié)合，英偉達(dá)將具備優(yōu)化數(shù)據(jù)中心網(wǎng)絡(luò)負(fù)載能力的能力，其 GPU 加速解決方案在超算或者數(shù)據(jù)中心領(lǐng)域的競(jìng)爭(zhēng)力也將得到顯著提升。

英特爾加速向數(shù)字公司轉(zhuǎn)型，通過(guò)并購(gòu)+生態(tài)優(yōu)勢(shì)發(fā)力人工智能

英特爾作為傳統(tǒng)的 CPU 設(shè)計(jì)制造企業(yè)，在傳統(tǒng) PC、服務(wù)器市場(chǎng)有著絕對(duì)的統(tǒng)治力。隨著互聯(lián)網(wǎng)時(shí)代的到來(lái)以及個(gè)人電腦市場(chǎng)的飽和，公司也在開(kāi)始加快向數(shù)字公司轉(zhuǎn)型。尤其在人工智能興起之后，英特爾憑借著技術(shù)和生態(tài)優(yōu)勢(shì)，打造算力平臺(tái)，形成全棧式解決方案。

英特爾主要產(chǎn)品為 CPU、FPGA 以及相關(guān)的芯片模組。雖然 CPU 產(chǎn)品在訓(xùn)練端的應(yīng)用效率不及英偉達(dá)，但推理端優(yōu)勢(shì)較為明顯。英特爾認(rèn)為，未來(lái) AI 工作周期中，推理的時(shí)長(zhǎng)將是訓(xùn)練時(shí)長(zhǎng)的 5 倍甚至 10 倍，推理端的芯片需求也會(huì)放量。同時(shí)，即使是云端訓(xùn)練，GPU 也需要同 CPU 進(jìn)行異構(gòu)。

目前，英特爾在人工智能芯片領(lǐng)域主要通過(guò)三條路徑：1）通過(guò)并購(gòu)快速積累人工智能芯片相關(guān)的技術(shù)和人才，并迅速完成整合。英特爾在收購(gòu)了 Altera 后，還先后收購(gòu)了 Nervana、Movidius 與 Mobileye等初創(chuàng)企業(yè)。在完成上述一系列并購(gòu)之后，英特爾設(shè)立了 AI 事業(yè)群，整合了 Xeon、Xeon Phi、Nervana、Altera、Movidius 等業(yè)務(wù)和產(chǎn)品，同時(shí)將原有的自動(dòng)駕駛業(yè)務(wù)板塊并入 Mobileye。2）建立多元的產(chǎn)品線。目前，英特爾正建構(gòu)滿足高性能、低功耗、低延遲等差異化芯片解決方案，除了 Xeon 外，包括可支持云端服務(wù) Azure 的 Movidius VPU 與 FPGA。3）通過(guò)計(jì)算平臺(tái)等產(chǎn)品，提供強(qiáng)大的整合能力，優(yōu)化 AI 計(jì)算系統(tǒng)的負(fù)載，提供整體解決方案。

在英特爾收購(gòu)的這些企業(yè)中，除了前面已經(jīng)提到的 Altera、Mobileye 之外，Nervana 也非常值得關(guān)注。2016 年 8 月，英特爾斥資超過(guò) 3.5 億美元收購(gòu)這家員工人數(shù)不超過(guò) 50 人的創(chuàng)業(yè)公司，但是經(jīng)過(guò)不到三年的成長(zhǎng)，這家公司已經(jīng)成為英特爾 AI 事業(yè)部的主體。依托 Nervana，英特爾成功在 2017年 10 月推出了專門針對(duì)機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)系列芯片，目前該芯片已經(jīng)升級(jí)至第二代，預(yù)計(jì) 2019年下半年將正式量產(chǎn)上市，該芯片在云端上預(yù)計(jì)能和英偉達(dá)的 GPU 產(chǎn)品一較高下。

3、IT 及互聯(lián)網(wǎng)企業(yè)

AI 興起之后，互聯(lián)網(wǎng)及 IT 企業(yè)憑借著在各大應(yīng)用場(chǎng)景上技術(shù)和生態(tài)積累，也在積極拓展 AI 相關(guān)市場(chǎng)，其中 AI 芯片是部署重點(diǎn)之一。相較而言，互聯(lián)網(wǎng)企業(yè)憑借著數(shù)據(jù)和場(chǎng)景先天優(yōu)勢(shì)，在 AI 算法和芯片領(lǐng)域優(yōu)勢(shì)更為明顯，如美國(guó)谷歌、國(guó)內(nèi)的 BAT。IT 企業(yè)如 IBM，在人工智能領(lǐng)域較早開(kāi)始研究，2018 年年中曾經(jīng)推出專門針對(duì)深度學(xué)習(xí)算法的原型芯片。

谷歌：TPU 芯片已經(jīng)實(shí)現(xiàn)從云到端，物聯(lián)網(wǎng) TPU Edge 是當(dāng)前布局重點(diǎn)

谷歌可謂是 AI 芯片行業(yè)的一匹黑馬，但是競(jìng)爭(zhēng)力強(qiáng)勁。谷歌擁有大規(guī)模的數(shù)據(jù)中心，起初同其他廠商的數(shù)據(jù)中心一樣，都采用 CPU+GPU 等異構(gòu)架構(gòu)進(jìn)行計(jì)算加速，用來(lái)完成圖像識(shí)別、語(yǔ)音搜索等計(jì)算服務(wù)。但是，隨著業(yè)務(wù)量的快速增長(zhǎng)，傳統(tǒng)的異構(gòu)模式也很難支撐龐大的算力需求，需要探索新的高效計(jì)算架構(gòu)。同時(shí)，谷歌也需要通過(guò)研發(fā)芯片來(lái)拓展 AI 平臺(tái) TensorFlow 的生態(tài)。因此，2016年，Google 正式發(fā)布了 TPU 芯片。

從谷歌 TPU 的本質(zhì)來(lái)看，它是一款 ASIC（定制芯片），針對(duì) TensorFlow 進(jìn)行了特殊優(yōu)化，因此該產(chǎn)品在其他平臺(tái)上無(wú)法使用。第一代 Cloud TPU 僅用于自家云端機(jī)房，且已對(duì)多種 Google 官方云端服務(wù)帶來(lái)加速效果，例如 Google 街景圖服務(wù)的文字處理、Google 相簿的照片分析、甚至 Google搜尋引擎服務(wù)等。Cloud TPU 也在快速改版，2017 年推出第二代，2018 年推出第三代芯片 TPU 3.0。

同時(shí)，谷歌對(duì) TPU 的態(tài)度也更為開(kāi)放，之前主要是自用，目前也在對(duì)用戶開(kāi)放租賃業(yè)務(wù)，但沒(méi)有提供給系統(tǒng)商。

除了云端，谷歌針對(duì)邊緣端推理需求快速增長(zhǎng)的趨勢(shì)，也在開(kāi)發(fā)邊緣 TPU 芯片。2017 年 11 月，Google 推出輕量版的 TensorFlow Lite（某種程度取代此前的 TensorFlow Mobile），使得能耗有限的移動(dòng)設(shè)備也能支持TensorFlow，2018年推出的Edge TPU芯片即是以執(zhí)行TensorFlow Lite為主，而非 TensorFlow。Edge TPU 性能雖然遠(yuǎn)不如 TPU，但功耗及體積大幅縮小，適合物聯(lián)網(wǎng)設(shè)備采用。

Edge TPU 可以自己運(yùn)行計(jì)算，不需要與多臺(tái)強(qiáng)大計(jì)算機(jī)相連，可在傳感器或網(wǎng)關(guān)設(shè)備中與標(biāo)準(zhǔn)芯片或微控制器共同處理 AI 工作。

按照谷歌的規(guī)劃，Edge TPU 將提供給系統(tǒng)商，開(kāi)放程度將進(jìn)一步提升。如果 Edge TPU 推廣順利，支持的系統(tǒng)伙伴將進(jìn)一步增多，谷歌將盡快推出下一代 Edge TPU 產(chǎn)品。即使推廣不順利，Google也可能自行推出 Edge 網(wǎng)關(guān)、Edge 設(shè)備等產(chǎn)品。

阿里巴巴：推出自研神經(jīng)網(wǎng)絡(luò)處理芯片，同時(shí)加速對(duì) AI 企業(yè)投資布局

阿里巴巴作為國(guó)內(nèi) AI 領(lǐng)域的領(lǐng)軍企業(yè)，在底層算力、算法技術(shù)以及應(yīng)用平臺(tái)方面都有較強(qiáng)積累。同Google 類似原因，阿里巴巴也在近年來(lái)開(kāi)始開(kāi)發(fā) AI 芯片，同時(shí)加大對(duì)相關(guān)領(lǐng)域的投資布局。

2017 年，阿里巴巴成立阿里達(dá)摩院，研究領(lǐng)域之一就是 AI 芯片技術(shù)。2018 年 4 月，阿里達(dá)摩院對(duì)外宣布正研發(fā)一款 Ali-NPU 神經(jīng)網(wǎng)絡(luò)芯片，預(yù)計(jì)將在 2019 年下半年問(wèn)世。這款芯片將主要應(yīng)用于圖像視頻分析、機(jī)器學(xué)習(xí)等 AI 推理計(jì)算。

阿里巴巴在自研 AI 芯片之前，主要在通過(guò)投資的方式布局 AI 芯片領(lǐng)域。目前，寒武紀(jì)、深鑒科技、杭州中天微等都有阿里巴巴的入股，其中 2016 年 1 月份還成為了 AI 芯片設(shè)計(jì)企業(yè)杭州中天微的第一大股東。

百度：通過(guò)自研、合作以及投資等多種方式布局 AI 芯片

百度作為搜索企業(yè)，其對(duì) AI 芯片的需求更為明確。早在 2011 年，百度就在 FPGA 和 GPU 進(jìn)行了大規(guī)模部署，也開(kāi)始在 FPGA 的基礎(chǔ)上研發(fā) AI 加速器來(lái)滿足深度學(xué)習(xí)運(yùn)算的需要。此后，百度就不斷通過(guò)合作、投資和自研的方式來(lái)推進(jìn)該業(yè)務(wù)。

1）加強(qiáng)同芯片設(shè)計(jì)及 IP 企業(yè)合作。2017 年 3 月，百度發(fā)布了 DuerOS 智慧芯片，并與紫光展銳、ARM、上海漢楓達(dá)成戰(zhàn)略合作。這款芯片搭載了對(duì)話式人工智能操作系統(tǒng)，可以賦予設(shè)備可對(duì)話的能力，能廣泛用于智能玩具、藍(lán)牙音箱、智能家居等多種設(shè)備。2017 年 8 月，百度又與賽思靈（Xilinx）發(fā)布了 XPU，這是一款 256 核、基于 FPGA 的云計(jì)算加速芯片。同在 2017 年，百度同華為達(dá)成合作，推動(dòng)終端 AI 芯片的落地。

2）參與 AI 芯片企業(yè)投資。2018 年 2 月 5 日，美國(guó)初創(chuàng)公司 Lightelligence 宣布獲得了 1000 萬(wàn)美元種子輪融資，由百度風(fēng)投和美國(guó)半導(dǎo)體高管財(cái)團(tuán)領(lǐng)投。Lightelligence主要利用基于光學(xué)的新技術(shù)，來(lái)加速人工智能的工作負(fù)載，通過(guò)光子電路的新興技術(shù)來(lái)加速信息處理。

3）自研芯片也正在加速部署。2018 年 7 月，百度正式發(fā)布了自研的 AI 芯片“昆侖”，這是當(dāng)時(shí)國(guó)內(nèi)第一款云端全功能 AI 芯片，其中包含訓(xùn)練芯片昆侖 818-300，推理芯片昆侖 818-100。昆侖 AI 芯片是基于百度 CPU、GPU、FPGA 的 AI 加速器研發(fā)，能夠在 100W 左右的功耗下，提供高達(dá) 260 萬(wàn)億次/秒的運(yùn)算速度，算力處于業(yè)界領(lǐng)先水平。

4、創(chuàng)業(yè)企業(yè)

寒武紀(jì)：同時(shí)發(fā)力終端和云端芯片，技術(shù)綜合實(shí)力較強(qiáng)

寒武紀(jì)發(fā)源于中科院，是目前全球領(lǐng)先的智能芯片公司，由陳天石、陳云霽兄弟聯(lián)合創(chuàng)辦，團(tuán)隊(duì)成員主要人員構(gòu)成也來(lái)自于中科院，其中還有部分參與龍芯項(xiàng)目的成員。2018 年 6 月公司，公司獲得數(shù)億美元投資，此輪融資之后，寒武紀(jì)科技估值從上年的 10 億美金大幅上升至 25 億美元。公司是目前國(guó)內(nèi)為數(shù)不多的同時(shí)具備云端和終端 AI 芯片設(shè)計(jì)能力的企業(yè)。

公司最早發(fā)力的是終端芯片，主要為 1A 系列，包括 1A、1H8 和 1H16，公司通過(guò) IP 授權(quán)的模式賦能終端或者芯片設(shè)計(jì)企業(yè)，目前主要合作伙伴包括華為，其中麒麟 970 就采用其 1A 處理器。另外，公司還推出了面向低功耗場(chǎng)景視覺(jué)應(yīng)用的寒武紀(jì) 1H8，高性能且擁有廣泛通用性的寒武紀(jì) 1H16，以及用于終端人工智能產(chǎn)品的寒武紀(jì) 1M。2018 年 9 月，華為發(fā)布的麒麟 980 依然集成了優(yōu)化版的寒武紀(jì) 1H 新一代智能處理器。

公司云端芯片也取得較大突破。云端芯片一直是英特爾、英偉達(dá)等公司的領(lǐng)地，國(guó)內(nèi)企業(yè)很難進(jìn)入。2018 年 5 月，寒武紀(jì)推出算力達(dá)到 128Tops 的 MLU 100 云端智能芯片，可用于訓(xùn)練和推理。MLU100相比傳統(tǒng)的 GPU 和 CPU 芯片，MLU 芯片擁有顯著的性能功耗比和性能價(jià)格比優(yōu)勢(shì)，適用范圍覆蓋了圖像識(shí)別、安防監(jiān)控、智能駕駛等多個(gè)重點(diǎn)應(yīng)用領(lǐng)域。

2019年6月20日，寒武紀(jì)正式推出了第二代云端AI芯片——思元270（MLU270）及板卡產(chǎn)品。思元270采用的是寒武紀(jì)自主研發(fā)的MLUv02指令集，可支持視覺(jué)、語(yǔ)音、自然語(yǔ)言處理以及傳統(tǒng)機(jī)器學(xué)習(xí)等高度多樣化的人工智能應(yīng)用，更為視覺(jué)應(yīng)用集成了充裕的視頻和圖像編解碼硬件單元。具體性能指標(biāo)方面，思元270芯片處理非稀疏深度學(xué)習(xí)模型的理論峰值性能提升至上一代MLU100的4倍，達(dá)到了128TOPS（INT8）；同時(shí)在定點(diǎn)訓(xùn)練領(lǐng)域取得關(guān)鍵性突破，兼容INT4和INT16運(yùn)算，理論峰值分別達(dá)到256TOPS和64TOPS；支持浮點(diǎn)運(yùn)算和混合精度運(yùn)算。

綜合來(lái)看，公司在 AI 芯片方面競(jìng)爭(zhēng)力較強(qiáng)。公司擁有自己的處理器架構(gòu)和指令集，而且通過(guò)硬件神經(jīng)元虛擬化、開(kāi)發(fā)通用指令集、運(yùn)用稀疏化處理器架構(gòu)解決了 ASIC 用于深度學(xué)習(xí)時(shí)存在的云端算力的挑戰(zhàn)、能效瓶頸、手機(jī)端和云端超大規(guī)模計(jì)算場(chǎng)景應(yīng)用問(wèn)題。

地平線機(jī)器人：公司AI芯片和計(jì)算平臺(tái)在嵌入式及智能駕駛領(lǐng)域具備優(yōu)勢(shì)

地平線成立于 2015 年，主要從事邊緣人工智能芯片和計(jì)算平臺(tái)業(yè)務(wù)，場(chǎng)景聚焦于智能駕駛和 AIoT邊緣計(jì)算。2018 年起，公司逐漸實(shí)現(xiàn)產(chǎn)品化落地。2019 年 2 月，公司官方宣布已獲得 6 億美元 B輪融資，SK 中國(guó)、SK Hynix 以及數(shù)家中國(guó)一線汽車集團(tuán)（與旗下基金）聯(lián)合領(lǐng)投。B 輪融資后，地平線估值達(dá) 30 億美元。

2017 年 12 月，地平線發(fā)布中國(guó)首款全球領(lǐng)先的嵌入式人工智能視覺(jué)芯片征程（Journey）系列和旭日（Sunrise）系列。旭日 1.0 處理器面向智能攝像頭等應(yīng)用場(chǎng)景，具備在前端實(shí)現(xiàn)大規(guī)模人臉檢測(cè)跟蹤、視頻結(jié)構(gòu)化的處理能力，可廣泛用于智慧城市、智慧零售等場(chǎng)景。征程 1.0 處理器面向智能駕駛，具備同時(shí)對(duì)行人、機(jī)動(dòng)車、非機(jī)動(dòng)車、車道線、交通標(biāo)志牌、紅綠燈等多類目標(biāo)進(jìn)行精準(zhǔn)的實(shí)時(shí)檢測(cè)與識(shí)別的處理能力，同時(shí)滿足車載嚴(yán)苛的環(huán)境要求以及不同環(huán)境下的視覺(jué)感知需求，可用于高性能 L2 級(jí)別的高級(jí)駕駛輔助系統(tǒng) ADAS 。

2018 年 2 月，地平線自主研發(fā)的高清智能人臉識(shí)別網(wǎng)絡(luò)攝像機(jī)，搭載地平線旭日人工智能芯片，提供基于深度學(xué)習(xí)算法的人臉抓拍、特征抽取、人臉特征值比對(duì)等功能?？梢栽跀z像機(jī)端實(shí)現(xiàn)人臉庫(kù)最大規(guī)模為 5 萬(wàn)的高性能人臉識(shí)別功能，適用于智慧城市、智慧零售等多種行業(yè)。

2018 年 4 月，公司發(fā)布地平線 Matrix1.0 自動(dòng)駕駛計(jì)算平臺(tái)。目前已經(jīng)更新到性能更強(qiáng)的升級(jí)版本，地平線 Matrix 自動(dòng)駕駛計(jì)算平臺(tái)結(jié)合深度學(xué)習(xí)感知技術(shù)，具備強(qiáng)大的感知計(jì)算能力，能夠?yàn)?L3 和 L4 級(jí)別自動(dòng)駕駛提供高性能的感知系統(tǒng)。地平線 Matrix 自動(dòng)駕駛計(jì)算平臺(tái)已向世界頂級(jí)Robotaxi 廠商大規(guī)模供貨，成功開(kāi)創(chuàng)了中國(guó)自動(dòng)駕駛芯片產(chǎn)品出海和商業(yè)化的先河。

比特大陸：區(qū)塊鏈礦機(jī)霸主進(jìn)軍AI領(lǐng)域

比特大陸是全球領(lǐng)先的算力芯片設(shè)計(jì)企業(yè)，其致力于開(kāi)發(fā)高性能、低功耗、全定制的算力芯片，是全球少數(shù)幾家掌握最先進(jìn)7nm制程設(shè)計(jì)能力并可規(guī)模量產(chǎn)7nm芯片的公司之一。

目前，比特大陸的產(chǎn)品主要應(yīng)用于區(qū)塊鏈和人工智能兩個(gè)領(lǐng)域，區(qū)塊鏈礦機(jī)的市場(chǎng)份額高達(dá)74.5%。2017年，比特大陸正式發(fā)布了面向人工智能領(lǐng)域的子品牌——“算豐”，并推出了針對(duì)深度學(xué)習(xí)推理的第一代云端AI芯片BM1680。2018年3月，比特大陸快速推出了第二代云端人工智能芯片BM1682，2018年9月份推出了面向終端的AI芯片產(chǎn)品BM1880，并計(jì)劃于2019年推出其第三代云端AI芯片BM1684。

此外，比特大陸基于其芯片，在云端還研發(fā)了加速卡、服務(wù)器等產(chǎn)品，在終端推出了計(jì)算棒、模組、開(kāi)發(fā)板等產(chǎn)品，為不同行業(yè)的客戶提供適應(yīng)多種應(yīng)用場(chǎng)景的產(chǎn)品。

在項(xiàng)目落地方面，比特大陸基于云端AI芯片的人臉閘機(jī)助力福建618展會(huì)與廈門98投洽會(huì)成功舉辦，累計(jì)通行超過(guò)30萬(wàn)人次，通道表現(xiàn)穩(wěn)定可靠，狀況良好。在第二屆數(shù)字中***會(huì)安保系統(tǒng)中，搭載比特大陸自研芯片的算豐人工智能服務(wù)器與?？低?/u>人臉識(shí)別算法相融合，全程應(yīng)用于峰會(huì)安全保障工作，3D人臉軌跡系統(tǒng)為日均6萬(wàn)余人次、累計(jì)150余萬(wàn)張人臉圖片的海量分析提供算力支持。