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
“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。 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。
AI芯片的发展历程：模仿人脑建立的模型和算法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。
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。
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AI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；类脑等新型芯 片预计最早于2023年进入量产，因此2024及2025年或有较大增长，预计市场规模将于2025年达到1740亿元。
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。AI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。
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；在2018-2021年，超过300所高校开设 了人工智能专业；部分企业也开始与高校进行合作，以产学研合作教学模式共同培养综合能力突出的优质人才。
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
AI芯片一般泛指所有用来加速AI应用，尤其是用在基于神经网络的深度学习中的硬件。 AI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AI计算，其中类脑芯片还处于探索阶段。 AI芯片根据其在网络中的位置可以分为云端AI芯片、边缘及终端AI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。 云端主要部署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；边缘 和终端主要部署推理芯片，承担推理任务，需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。
GPU：从图形处理器到通用数据并行处理器
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。目前，GPU主要采用数据并行计算模式完成顶点渲染、像素渲染、几何渲染、物理计算和通用计算等任务。因其超过CPU数十倍 的计算能力，已成为通用计算机和超级计算机的主要处理器。其中通用图形处理器GPGPU(GeneralPropose Computing on GPU)常用于数据 密集的科学与工程计算中。 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。在较低的功耗下达到GFLOPS数量级的算力使之成为并行实现人工神经 网络的替代方案。 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AI计算场景，是当前大部分AI初创公司开发的目标产品。
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，AI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。在一个芯片上实现信号的传输、存储、处理和I/O等功能，包含嵌入软件及整个系统的全部内容。 由于高集成效能，SoC已经成为微电子芯片发展的必然趋势。
类脑芯片
CPU/GPU/GFPGA/ASIC及SoC是目前用的较多的AI芯片，此类AI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AI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AI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。AI芯片软件编程的成熟度、芯片的安全，神经网络的稳定性等问题也未能得到很好的解决，因此，在现有基础 上进行改进和完善此类AI芯片仍是当前主要的研究方向。 最终，AI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。
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，AI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，AI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AI训练和推理工作负载都发生在公共云和私有云中，云仍是AI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AI训练和推理工作负载的现象，更高性能的计算芯片及新的AI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AI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。芯片作为实现计算能力的重要基础硬件，也将具备更多的发展。ABI Research预测，2025年，边缘AI芯片市场 将超过云端AI芯片。 在人工智能算法的驱动下，边缘AI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。
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。公司于2016年荣获高新技术企业，2017年被认定为上海科技小巨人，2019年入选上海市 “专精特新”企业名单。目前公司有员工近200人，其中80%为技术开发人员。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AI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AI应用场景提供充足 算力，推动人工智能赋能的产业升级。
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。
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；同时制定更好的数 据管理政策，使数据更好的服务于地方实体经济，有效打破“数据孤岛”。 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千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%。
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。
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。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
