Artificial Intelligence Industry News

　　随着人工智能新兴产业的高速发展，传统的芯片已不能满足人工智能产业对芯片性能及算力等方面的要求。

　　因此，如何构建出高效的人工智能芯片，将芯片技术与人工智能技术有效地结合起来成为当前的热点话题。人工智能芯片领域的研究，或将科技发展推向一个更高的阶层。

　　亿欧认为，人工智能芯片作为人工智能及相关应用的基础与核心，必将迎来光明的未来。

　　本报告对AI芯片主流类型进行拆解分析，展现中国人工智能芯片的发展现况，探究其发展的困境和机遇，希望能为广大从业者和各方关注人士提供有益的帮助。

　　01

　　中国人工智能芯片行业发展现状1.1 研究主体界定：面向人工智能领域的芯片及其技术、算法与应用广义的AI芯片：专门用于处理人工智能应用中大量计算任务的模块，即面向人工智能领域的芯片均被称为AI芯片。狭义的AI芯片：针对人工智能算法做了特殊加速设计的芯片。本报告将对针对狭义的AI芯片即人工智能算法做特殊加速设计的四种主流芯片GPU、ASIC、FPGA、类脑芯片以及系统级AI芯片技术、实现AI的主流算法及在场景中的应用情况进行解析。“无芯片不AI ”, 以AI芯片为载体实现的算力是人工智能发展水平的重要衡量标准。

　　1.2 AI芯片的发展历程：模仿人脑建立的模型和算发与半导体芯片发展交替进行人工智能算法需要在计算机设备上实现，而芯片又是计算机设备运作的核心零件，因此AI芯片的发展主要依赖两个领域：第一个是模仿人脑建立的数学模型与算法，第二个是半导体集成电路即芯片。优质的算法需要足够的运算能力也就是高性能芯片的支持。亿欧智库2019年发布AI芯片行业研究报告认为，人工智能于芯片的发展分为三个阶段：第一阶段由于芯片算力不足，神经网络算法未能落地；第二阶段芯片算力提升，但仍无法满足神经网络算法需求；第三阶段，GPU和新架构的AI芯片促进了人工智能的落地。目前，随着第三代神经网络的出现，弥合了神经科学与机器学习之间的壁垒，AI芯片正在向更接近人脑的方向发展。

　　1.3 中国政策环境：在政策的引导支持下，中国人工智能芯片市场持续快速发展

　　芯片产业是信息产业的核心部件与基石。当前，我国芯片高度依赖进口非常不利于国家安全与行业发展。因此，近年来国家高度关注人工智能芯片产业的发展，发布一系列产业支持政策，为人工智能芯片行业建立了优良的政策环境，促进行业的发展。

　　2021年，《“十四五”规划纲要和2035年远景目标纲要》指出，“十四五”期间，我国新一代人工智能产业将聚焦高端芯片等关键领域。从国家战略高度为人工智能芯片行业建立了优良的政策环境。

　　各地方也根据各自的背景与条件，发布促进和扶持人工智能产业发展的方案方针。截止2021年9月，包括北京、天津、上海、江苏、福建等20余省、市、地区发布人工智能相关政策，进一步支持引导人工智能及芯片产业发展。

　　1.4 中国市场环境：需求是主要驱动力，边缘/终端芯片市场将持续增长2018年12月，中央经济会议把人工智能与5G、工业互联网、物联网等定义为新型基础设施建设，各行业数字化转型加速，产生了更多样化的人工智能产业应用数据和更复杂的深度学习算法需求。目前，中国人工智能产业链中，应用层企业比例超过80%，结合场景的应用落地是人工智能产业的主要驱动力。根据亿欧智库数据，中国人工智能企业的十大应用技术领域中，计算机视觉、机器人、自然语言处理、机器学习、生物识别占比居前五；企业服务、机器人和通用方案以及安防、汽车是Al应用的主要方向，边缘/终端芯片需求将持续增长。

　　1.5 市场规模测算：市场规模平稳增长，产业融合加速人工智能整体市场已从2020年的疫情影响中恢复，同时，随着技术的成熟以及数智化转型升级，内在需求增加，中国人工智能核心产业市场规模将持续平稳增长，预计2025年将达到约4000亿元。随着大算力中心的增加以及终端应用的逐步落地，中国Al芯片需求也持续上涨。2021年疫情缓解，市场回暖，产生较大增幅。

　　1.6 中国投资环境：资本持续进入，交易金额均超亿元相较2020年，人工智能领域投资数量有所减少，但单笔投资规模呈上升趋势。Al芯片产业也持续有资本进入，单笔融资金额均超亿元。截止2022年1月，2021年中国人工智能芯片相关领域融资事件共计92起，总金额约300亿人民币。

　　1.7 中国人工智能芯片人才市场：各领域人才缺口仍较大，国家开始重视人才培养AI芯片的实现包含软件和硬件两个方面。既需研究高效率的智能算法，同时要研究如何将这些算法结合在半导体硅片上，形成最终的产品。目前，仍有部分企业在人才招聘中遇到不少阻碍，人才缺乏、成本高是主要的问题。根据工信部人才交流中心发布的数据显示，人工智能不同技术方向岗位的人才供需比均低于0.4，其中人工智能芯片岗位人才供需比为0.32，机器学习、自然语言处理等技术人才供需仅0.2。国家也开始重视人工智能相关人才的培养，中央及各地方政府出台了多个人才培养与引进相关政策。

　　1.8 中国AI芯片产业图谱

　　02人工智能芯片解读2.1 技术层面基于技术架构、部署位置及实践目标的AI芯片分类Al芯片一般泛指所有用来加速Al应用，尤其是用在基于神经网络的深度学习中的硬件。Al芯片根据其技术架构，可分为GPU、FPGA、ASIC及类脑芯片，同时CPU可执行通用Al计算，其中类脑芯片还处于探索阶段。Al芯片根据其在网络中的位置可以分为云端Al芯片、边缘及终端Al芯片；根据其在实践中的目标，可分为训练（training）芯片和推理（inference）芯片。云端主要部看训练芯片和推理芯片，承担训练和推理任务，具体指智能数据分析、模型训练任务和部分对传输带宽要求比高的推理任务。

　　GPU：从图形处理器到通用数据并行处理器平博pinnacle体育平台

　　GPU（Graphics Processing Unit）图形处理器最初是一种专门用于图像处理的微处理器，随着图像处理需求的不断提升，其图像处理能力也得到迅速提升。

　　英伟达与AMD仍占据GPU霸主地位，2018年至今，国产GPU也积极发展中，已有部分产品落地。

　　ASIC与FPGA:AI芯片领域“兵家必争之地”FPGA全称是Field Programmable Gate Array：可编程逻辑门阵列，是一种“可重构”芯片，具有模块化和规则化的架构，主要包含可编程逻辑模块、片上储存器及用于连接逻辑模块的克重购互连层次结构。ASIC（Application-Specific Integrated Circuit）是指应特定用户要求和特定电子系统的需要而设计、制造的集成电路。ASIC从性能、能效、成本均极大的超越了标准芯片，非常适合Al计算场景，是当前大部分Al初创公司开发的目标产品。

　　ASIC与FPGA：功能与市场定位不同，竞争关系不明显FPGA具有开发周期短，上市速度快，可配置性等特点，目前被大量的应用在大型企业的线上数据处理中心和军工单位。目前，处理器中开始集成FPGA，也出现了可编程的ASIC，同时，随着SoC的发展，两者也在互相融合。

　　基于不同硬件实现方式的AI芯片：系统级芯片

　　在手机、可穿戴设备等端设备中，很少有独立的芯片，Al加速将由SoC上的一个IP实现。

　　SoC（System-on-chip，片上系统）作为ASIC设计方法学中的新技术，始于20世纪90年代中期，是以嵌入式系统为核心，以IP复用技术为基础，集软、硬件于一体的集成芯片。

　　由于高集成效能，SoC已经成为微电子芯片发展的必然趋势。

　　基于不同计算范式的AI芯片：类脑芯片

　　CPU/GPU/GFPGA/ASIC及SOC是目前用的较多的Al芯片，此类Al芯片大多是基于深度学习，也就是深度神经网络（DNN），以并行方式进行计算的芯片，此类A芯片又被称为深度学习加速器。

　　如今，模仿大脑结构的芯片具有更高的效率和更低的功耗，这类基于神经形态计算，也就是脉冲神经网络（SNN）的芯片为类脑芯片。

　　目前，部分企业产品已进入小批量试用阶段，类脑芯片最快将于2023年成熟，能效比有望较当前芯片提高2-3个数量级。

　　AI芯片发展：向着更低功耗、更接近人脑、更靠近边缘的方向现在用于深度学习的Al芯片（包括CPU、GPU、FPGA、ASIC）为了实现深度学习的庞大乘积累加运算和并行计算的高性能，芯片面积越做越大，带来了成本和散热等问题。最终，Al芯片将近一步提高智能，向着更接近人脑的高度智能方向不断发展，并向着边缘逐步移动以获得更低的能耗。

　　AI芯片发展：计算范式创新方向及其硬件实现

　　Al硬件加速技术已经逐渐走向成熟。未来可能更多的创新会来自电路和器件级技术的结合，比如存内计算，类脑计算。

　　同时，如果算法不发生大的变化，按照现在Al加速的主要方法和半导体技术发展的趋势，或将在不远的将来达到数字电路的极限（约1到10TFlops/W），往后则要靠近似计算，模拟计算，甚至是材料或基础研究上的创新。

　　2.2 应用层面

　　应用概况：算力向边缘侧移动，逐渐专注于特殊场景的优化随着技术成熟化，Al芯片的应用场景除了在云端及大数据中心，也会随着算力逐渐向边缘端移动，部署于智能家居、智能制造、智慧金融等领域；同时还将随着智能产品种类日渐丰富，部署于智能手机、安防摄像头、及自动驾驶汽车等智能终端，智能产品种类也日趋丰富。未来，Al计算将无处不在。

　　云端：当前仍是AI的中心，需更高性能计算芯片以满足市场需求当前，大多数Al训练和推理工作负载都发生在公共云和私有云中，云仍是Al的中心。在对隐私、网络安全和低延迟的需求推动下，云端出现了在网关、设备和传感器上执行All练和推理工作负载的现象，更高性能的计算芯片及新的Al学习架构将是解决这些问题的关键。互联网是云端算力需求较旺盛产业，因此除传统芯片企业、芯片设计企业等参与者外，互联网公司纷纷入局AI芯片产业，投资或自研云端Al芯片。

　　边缘侧：数据向边缘下沉，随着行业落地市场将有很大增量5G与物联网的发展以及各行业的智能化转型升级，带来了爆发式的数据增长。海量的数据将在边缘侧积累，建立在边缘的数据分析与处理将大幅度的提高效率、降低成本。随着大量的数据向边缘下沉，边缘计算将有更大的发展，IDC预测，未来，超过50%的数据需要在边缘侧进行储存、分析和计算，这就对边缘侧的算力提出了更高的要求。在人工智能算法的驱动下，边缘Al芯不但可以自主进行逻辑分析与计算，而且可以动态实时地自我优化，调整策略，典型的应用如黑灯工厂等。

　　终端设备：终端产品类型逐渐多样，出货量增加催生大量芯片需求

　　根据亿欧数据测算，中国自动驾驶行业规模增速在2022年将达到24%；智能摄像头产品出货量增速超15%；手机、平板、VR/AR眼镜等智能产品出货量也均有较大增速，催生出大量的智能芯片需求。

　　同时，智能终端产品种类也逐渐多样，智能音响、服务/商用机器人等消费硬件、工业/数控设备等工业产品以及通信产品等日渐丰富，不同产品类型也对芯片性能与成本提出更多的要求。

　　2.3 典型企业酷芯微电子：高端智能视觉芯片领导者上海酷芯微电子有限公司，成立于2011年7月。公司依托智能感知、智能计算、智能传输三大核心技术，通过自主研发芯片架构及核心IP，提供专用于人工智能的高性能芯片及解决方案。

　　酷芯微电子：高端智能视觉芯片领导者

　　目前，酷芯微电子产品已应用于智能安防、智能硬件、智能车载、无线图传等多个领域。

　　昆仑芯科技：专注通用人工智能芯片昆仑芯科技的前身是百度智能芯片及架构部，2021年完成独立融资。公司专注于打造拥有强大通用型、易用性和高性能的通用人工智能芯片，是国内为数不多可支撑互联网大规模核心算法的Al芯片。目前，昆仑芯拥有100%自研核心架构及7nm制程量产经验，产品已在近百家客户部署实践。配合百度飞桨平台，获得更友好开发环境。

　　寒武纪：云-端、软硬一体AI智能解决方案寒武纪成立与2016年，专注于人工智能芯片产品的研发与技术创新，是目前国际上少数全面掌握通用型智能芯片及其基础系统软件研发和产品化核心技术的企业之一，可提供智能芯片产品及平台化基础系统软件产品。目前，寒武纪产品已广泛用于服务器厂商和产业公司，涵盖互联网、金融、交通、能源、电力和制造等多个领域，为复杂Al应用场景提供充足算力，推动人工智能赋能的产业升级。

　　地平线：“芯片+算法+工具链”，完整底层技术平台赋能机器地平线成立于2015年6月，致力于开发边缘人工智能芯片及相关解决方案，产品可面向智能驾驶以及更广泛的智能物联网领域，提供包括效能边缘Al芯片，丰富算法IP、开放工具链等在内的全面赋能服务。基于其创新的人工智能专用计算架构BPU（Brain processing Unit），地平线为Al芯片规划了完备的研发路线图。目前，地平线是业界唯一能够提供覆盖从L2到L4全场景整车智能芯片方案的人工智能平台型企业，与奥迪、比亚迪、长安汽车等企业达成了深度合作，构建合作供应的智能汽车芯生态，加速智能驾驶创新产品成熟落地。

　　黑芝麻智能：芯片赋能未来驾驶

　　黑芝麻智能成立于2016年，是行业领先的车规级自动驾驶计算芯片和平台研发企业，专注于大算力计算芯片与平台等技术领域的高科技研发，能够提供完整的自动驾驶、车路协同解决方案。目前，已和中国一汽、博世、上汽、上汽通用五菱、东风悦享、经纬恒润、亚太、保隆、所托瑞安、联友科技等在L2/3级ADAS和自动驾驶感知系统解决方案上展开商业合作。

　　SynSense时识科技：类脑智能先行者SynSense时识科技于2017年2月在瑞士苏黎世成立（原名aiCTX），并于2020年4月将全球运营总部迁至中国。目前，类脑芯片产品已流片成功，进入小规模试用环节，即将进入量产。未来，产品将广泛适用于loT实时信号处理及Al边缘运算。

　　埃瓦科技：专注细分领域专用芯片创业公司

　　埃瓦科技成立于2018年，聚焦于芯片设计和视觉算法的系统解决方案，提供拥有自主产权的3DAl处理器的消费级和工业级视觉模组。

　　目前，埃瓦已累计申请知识产权百余件，人脸识别模组已获得BCTC国家金融支付级安全认证。产品赋能智能门锁门禁、机器人、智能硬件、刷脸支付等多个人工智能落地场景。

　　03中国人工智能芯片行业的挑战与机遇3.1 设计软件、制造设备及先进制程等仍不及世界领先水平在芯片设计制造领域，中国仍缺乏设计软件，先进制程及设备与世界领先水平之间仍有差距，该领域部分产品及装备仍十分依赖进口。

　　3.2 政策及监督管理体系的建立将更大发挥中国庞大数据集的价值数据的数量和质量决定了人工智能模型的准确度。目前，大部分资料数据普遍属于不同的机构或部门，如政府部门、金融行业或医疗行业，很难将其整合为一个完全体，对人工智能技术的提升造成了较大阻碍。在充分认识到数据的重要性后，各地方政府成立大数据管理局，从政府层面将数据有效地利用在安防、政务、法务等领域。疫情以来，人们更多地关注在网络上，更多的数据被积累。2021年，领先的互联网公司大数据达到上干PB（计算机存储单位，拍字节），传统行业龙头型企业数据量也达到了PB级，个人产生的数据达到TB级（计算机存储单位，太字节）；数据占比方面，2018年，中国占全球数据量的23%，预计2025年将达到27.8%。

　　3.3 国际影响力提升吸引人才回流，产学研深度结合推动进一步发展当前，中国数字化的变革方向驱动了底层技术的逐渐提升，国际影响力也在逐年上涨，同时，在大数据、芯片设计及应用落地方面，逐步建立起了优势地位。产业发展也吸引更多海外人才回国创业、就业。未来，产业链结构或将重构，更多的企业、高校、组织或将形成合力，共同推动人工智能及芯片的新发展。

　　3.4 完整流畅的生态监管系统助力技术与丰富场景的贴合，加快AI落地在人工智能芯片领域内有数据与算法企业、其他硬件平台，还有IP和技术提供商。要想赢得市场的信赖，企业就需要协调此三个方面，从而构建完整流畅的生态系统。技术与场景的贴合以及对AI使用的监管，将有助于AI落地，发挥其最大价值。未来几年，制造业及交通将是AI较大的应用场景。同时，AI也将被广泛应用于发展医疗保健、教育，媒体及金融和客户服务等领域。

　　以上为2022中国人工智能芯片行业研究报告部分内容，供参考。后台回复本公众号“2022中国人工智能芯片”，可下载本文献。

　　相关精彩：

　　行业报告 | 中国人工智能政策分析

　　协会动态 | 科技大篷车40天驶进6城16校，广东省人工智能产业协会志愿者奏响粤港澳大湾区科普最强音平博pinnacle

　　协会动态 | AI+工业质检，让机器充满智慧——走访慧眼自动化科技（广州）有限公司Artificial Intelligence Industry News

　　联系方式：

　　官方网站：www.zhinengxiehui.com

　　官方邮箱：gdai2017@126.com

　　联系人：刘小姐 15815953745