近年來，AI芯片在云計算、數(shù)據(jù)中心、邊緣計算、消費(fèi)電子、智能制造、智能駕駛、智能金融及智能教育等領(lǐng)域的應(yīng)用越來約廣泛，由此AI芯片被業(yè)界廣泛關(guān)注，如今該領(lǐng)域新的生產(chǎn)設(shè)計商不斷涌現(xiàn)，行業(yè)市場規(guī)模不斷增長。

據(jù)TrendForce顯示，預(yù)期2022年全球AI芯片市場規(guī)模將達(dá)到390億美元，成長率18.2％。由于目前AI芯片的應(yīng)用以云端運(yùn)算、安防、機(jī)器人與車用居多，2023年將進(jìn)入高成長期，特別是由云端運(yùn)算、車用兩大領(lǐng)域引領(lǐng)市場快速成長，到2025年全球AI芯片市場規(guī)模有望達(dá)到740億美元，2022～2025年CAGR將達(dá)到23.8％。

 

核心觀點(diǎn)

源起基金認(rèn)為，隨著消費(fèi)性電子設(shè)備市場需求增加，且多數(shù)用中小型設(shè)備開發(fā)商偏向7nm的ASIC。另外，5G、低軌道衛(wèi)星通訊、云端與邊緣運(yùn)算的工作負(fù)載與結(jié)構(gòu)化需求推動，電信系統(tǒng)將成為最大的終端使用市場。

因此，在多方需求高漲下，AI芯片將迎來快速發(fā)展期，預(yù)期2026年AI芯片市場規(guī)模有望達(dá)到930億美元，其中CPU、GPU與ASIC芯片的市場主要份額穩(wěn)健，在AI市場規(guī)模的比重有望達(dá)到33％、34％、26％，而ASIC芯片市場相對增長較快，未來前景廣闊。

AI芯片市場規(guī)模及行業(yè)格局

2020～2021年新冠疫情帶動數(shù)字化浪潮，加之美國、中國與歐盟各國相繼出臺“數(shù)智能化發(fā)展策略”催化國家暨產(chǎn)業(yè)數(shù)字轉(zhuǎn)型，如美國大力推進(jìn)“美國制造”與“數(shù)字經(jīng)濟(jì)”進(jìn)程，前者主要側(cè)重半導(dǎo)體產(chǎn)業(yè)，鎖定IC設(shè)計、生產(chǎn)制程與核心設(shè)備；后者主要專注在數(shù)字美元，現(xiàn)正處于驗證系統(tǒng)開發(fā)與法案擬定階段。歐盟則推出歐洲數(shù)字羅盤（Europe's Digital Compass）計劃，主要圍繞人才培育、確保安全與永續(xù)、企業(yè)數(shù)字轉(zhuǎn)型、公共服務(wù)數(shù)字化四大類，其中企業(yè)數(shù)字轉(zhuǎn)型為重中之重，且期望至2030年有75％廠商能廣泛使用云端運(yùn)算、大數(shù)據(jù)與AI，至少90％以上中小企業(yè)應(yīng)達(dá)到基本的數(shù)字密集程度。

隨著機(jī)器視覺、自動駕駛技術(shù)快速發(fā)展，加深倉儲物流、供應(yīng)鏈的物流運(yùn)輸、自駕車等領(lǐng)域應(yīng)用，使全球AI芯片需求高漲，且快速擴(kuò)大其在整體半導(dǎo)體市場的市占率，其市占率從2020年的5.9％擴(kuò)展到2021年的6.4％，市場規(guī)模也從2020年260億美元增長到2021年330億美元，成長幅度達(dá)到26.9％。

行業(yè)格局方面，目前，GPU 作為Deep Learning（DL）最廣泛的芯片，隨著深度學(xué)習(xí)對運(yùn)算需求不斷提升，以及為達(dá)到DNN（Deep Neural Network）的運(yùn)算要求，NVIDIA、寒武紀(jì)、Google、Intel等廠商積極探索GPU在高效能運(yùn)算方面的應(yīng)用與突破，同時專注于高效能運(yùn)算的芯片研發(fā)與相關(guān)生產(chǎn)計劃。

其中，部分廠商竭力尋求基于FPGA（現(xiàn)場可程序化邏輯匣陣列）架構(gòu)的半客制化芯片，例如Google研發(fā)的張量運(yùn)算處理器TPU、寒武紀(jì)研發(fā)的神經(jīng)網(wǎng)絡(luò)運(yùn)算處理器NPU，以及Intel旗下的Altera Stratix V FPGA。

此外，Intel也嘗試推廣面向不同品牌、不同種類硬件的XPU Programming，并以SYCL作為統(tǒng)一的程序設(shè)計語言且充分利用Intel oneAPI，使原本的開發(fā)框架從封閉性轉(zhuǎn)為開放性，以期更有效支援開發(fā)人員構(gòu)建高性能異構(gòu)應(yīng)用。

另一方面，芯片公司與算法公司的合作也逐漸增多，同時芯片企業(yè)逐漸往產(chǎn)業(yè)鏈上游布局與合作，上下游產(chǎn)業(yè)鏈整合趨勢明顯。譬如，地平線主要從事邊緣人工智能芯片的研發(fā)，具有領(lǐng)先的人工智能算法和芯片設(shè)計能力，致力于通過底層技術(shù)賦能，推動汽車產(chǎn)業(yè)的創(chuàng)新發(fā)展，是國內(nèi)唯一一家實(shí)現(xiàn)車規(guī)級人工智能芯片前裝量產(chǎn)的企業(yè)，核心產(chǎn)品包括征2、征程3、征程5等。寒武紀(jì)專注于人工智能芯片產(chǎn)品的研發(fā)與技術(shù)創(chuàng)新，致力于打造人工智能領(lǐng)域的核心處理器芯片；2021年思元290智能芯片及加速卡、玄思1000智能加速器量產(chǎn)落地。

在公司注冊方面，我國AI芯片企業(yè)注冊量快速增長，由2017年的1110家迅速增長至2021年的13492家，年均復(fù)合增長率達(dá)86.7%。最新數(shù)據(jù)顯示，2022年1-5月，我國AI芯片企業(yè)注冊量達(dá)6783家，已超過2020年新增企業(yè)數(shù)量，行業(yè)競爭進(jìn)一步加劇。

AI芯片領(lǐng)域投融資概況

數(shù)據(jù)顯示，2021年我國AI芯片投資數(shù)量共109起，投資金額達(dá)396.36億元，同比增長57.6%。截至2022年6月22日，2022年我國AI芯片投資數(shù)量共37起，投資金額達(dá)92.47億元。

 

2022年AI芯片行業(yè)投資事件37起，融資金額達(dá)近百億元。2022年6月，芯視達(dá)完成近3億元C+輪融資，由屹唐長厚基金和星河資本聯(lián)合領(lǐng)投，無錫聯(lián)泰投資、玖兆投資等數(shù)家機(jī)構(gòu)跟投，原股東張江浩珩繼續(xù)追加投資；銳思智芯完成近2億元的A輪融資，巡星投資（OPPO旗下投資公司）和同創(chuàng)偉業(yè)聯(lián)合領(lǐng)投，虹軟科技、舜宇光學(xué)產(chǎn)業(yè)基金、耀途資本、深圳天使母基金、聯(lián)想創(chuàng)投、清科創(chuàng)投跟投。

截至2022年7月28日，今年我國人工智能芯片行業(yè)共發(fā)生投資事件101起，已披露投資金額最高的為ESWIN奕斯偉公司在C輪中收到的25億人民幣投資。

 

圖 | 2021年下半年至今，AI芯片領(lǐng)域部分大額融資事件（來源：IT桔子）

強(qiáng)算力時代,AI芯片在多場景應(yīng)用中商業(yè)化加速

AI芯片大致可分為CPU、GPU、FPGA與ASIC（客制化芯片）；其中，GPU是由大量運(yùn)算單元組成的大規(guī)模并行運(yùn)算架構(gòu)，專為同時處理多重任務(wù)而設(shè)計，多應(yīng)用于工作站、個人計算機(jī)、游戲設(shè)備、智能型手機(jī)等設(shè)備，處理圖形、圖像相關(guān)運(yùn)算工作；再者，該芯片采用統(tǒng)一渲染架構(gòu)，能在算法尚未定型的領(lǐng)域中使用，故通用性程度較高、商業(yè)化較成熟。

 

FPGA主要是能提供用戶根據(jù)自身的需求進(jìn)行重復(fù)程序設(shè)計，解決可程序化元件電路數(shù)不足問題，且運(yùn)行效率高于GPU、CPU，功耗也相對較低，但當(dāng)處理的任務(wù)重復(fù)性不強(qiáng)、邏輯較為復(fù)雜時，該芯片效率就會低于使用馮紐曼架構(gòu)的處理器。

ASIC是一種根據(jù)特定算法、架構(gòu)的客制化芯片，其客制化程度比GPU、FPGA更高、專用性較強(qiáng)，故運(yùn)算水平一般高于CPU、GPU、FPGA，但初始投入大，且算法一旦改變，運(yùn)算能力將大幅下降，需重新設(shè)計客制，不過隨著數(shù)據(jù)量不斷增加和芯片技術(shù)的極限到來，對算力的訴求越難以被滿足。

尤其是部分特定領(lǐng)域的數(shù)據(jù)量日益龐大，算法逐漸固定，對以ASIC架構(gòu)為基礎(chǔ)設(shè)計而成的DPU、TPU與NPU之需求增加，特別是DPU，因DPU能部分取代CPU、GPU部分功能，解決數(shù)據(jù)量驟增而導(dǎo)致CPU與Memory間數(shù)據(jù)傳輸問題，改善并加速網(wǎng)絡(luò)數(shù)據(jù)傳輸運(yùn)算速度。

目前廣泛用在大型數(shù)據(jù)中心，因大型數(shù)據(jù)中心的流量處理需占據(jù)整體運(yùn)算近30％，加上數(shù)據(jù)中心在節(jié)點(diǎn)間交換效率和節(jié)點(diǎn)內(nèi)I/O切換效率偏低，故透過DPU與CPU、GPU協(xié)同運(yùn)行能有效解決松耦合問題。

因此隨著物聯(lián)網(wǎng)設(shè)備不斷擴(kuò)增，例如工業(yè)機(jī)器人、AGV/AMR、智能型手機(jī)、智能音箱、智能攝影機(jī)等，加上自動駕駛、影像辨識、語音語意辨識、運(yùn)算等技術(shù)在各領(lǐng)深化運(yùn)用、升級，將催化AI芯片與技術(shù)市場迅速成長。

以2022年整體市場來看，在智能汽車、機(jī)器人與數(shù)據(jù)中心三大領(lǐng)域?qū)I芯片的需求將持續(xù)增加，進(jìn)而不斷提升運(yùn)算能力、技術(shù)架構(gòu)以滿足此三大領(lǐng)域需求；其中，智能汽車方面，自汽車電子電氣架構(gòu)從分布式走向集中式，MPU、MCU需求逐年增加，加上現(xiàn)在電動車緊密貼合先進(jìn)駕駛輔助系統(tǒng)（ADAS）技術(shù)應(yīng)用，使車廠利用AI芯片解決復(fù)雜的運(yùn)算條件、整車運(yùn)行功耗與數(shù)據(jù)傳輸?shù)葐栴}，增強(qiáng)整車的穩(wěn)定性、安全性。

此外，近年機(jī)器人的技術(shù)擴(kuò)散相當(dāng)快，應(yīng)用場景已從工業(yè)環(huán)境延伸到飯店、餐廳、醫(yī)院、倉儲物流、國防與太空探索等，然為了讓機(jī)器人能運(yùn)行影像處理、人臉辨識等功能都會選擇GPU、FPG。

當(dāng)前機(jī)器人正快速朝向3D實(shí)體、工作分解結(jié)構(gòu)（Work Breakdown Structure，WBS）與時間等多維度處理能力發(fā)展。有鑒于此，現(xiàn)階段的GPU、FPGA架構(gòu)將持續(xù)創(chuàng)新突破，甚至針對特殊需求進(jìn)行設(shè)計，這勢必牽引制造、封測與設(shè)備，以及材料與軟件的全鏈同步升級。

免責(zé)聲明：本公眾號發(fā)布內(nèi)容部分信息來源網(wǎng)絡(luò)，本平臺不對文章信息或資料真實(shí)性、有效性、準(zhǔn)確性及完整性承擔(dān)責(zé)任。文章僅供閱讀參考，不作任何投資建議，如有侵權(quán)請聯(lián)系刪除。