AI芯片发展趋势

什么是人工智能芯片人工智能：根据1956年达特茅斯会议的定义，就是“让机器行为看起来就像是人所表现出来的智能行为一样，包含语言、图像、行为等的自主理解、判断、执行”。发展阶段划分：弱人工智能、强人工智能、超人工智能；现阶段处于弱人工智能阶段；专注于完成某个特定的任务，例如语音识别、图像识别和翻译，是擅长于单个方面的人工智能。它们只是用于解决特定的具体类的任务问题而存在，大都是统计数据和深度学习，以此从中归纳出模型发展程度并没有达到模拟人脑思维的程度，所以弱人工智能仍然属于“工具”的范畴广义上，满足人工智能应用需求的芯片都可以称之为人工智能芯片；产业基础摩尔定律数据高速网络物联网技术驱动语音识别图像识别深度学习并行计算应用驱动智慧交通病例研判语音助手自主驾驶本产业图谱不涉及严格意义的供应链：比如晶圆厂、封测；用AI芯片、AI应用描述；第一页，共9页。发展现状：根据应用场景算力需求来设计专用芯片成为现阶段的核心特点英伟达（Tesla）GOOGLE(TPU2.0)工业级大规模网络加速大功率、高并发能力Amazon(EC2

F1)百度(KintexFPGA)Intel(ADAS-EysQ5+凌动C3**4)高并行处理能力矩阵计算能力功耗和性能均衡华为（麒麟970）Qualcomm（骁龙845）地平线（Sunrise)语音感知本地化计算处理图像、视频处理低功耗设备推断云端推断云端深度训练、推断现阶段的核心应用集中在智能家居、自动驾驶、大数据医疗、工业自动化。算法、数据和硬件算力组成了人工智能应用高速发展的三要素。而作为人工智能主流算法之一，深度学习的兴盛带来计算量急剧增加，对算力提出更高要求。在云端和应用端存在着算法（并行处理、矩阵计算、深度学习算法）和算力（功率、能耗、价格、部署等）的差异，故而有不同应用路线：GPU、FPGA、ASIC等处理器被用于算法加速。第二页，共9页。全球主要AI芯片分析：老将依旧、新军突起，IC与IT企业主导主流量产AI芯片主要为冯·诺依曼结构结构，主要为传统IC企业和新兴IT公司，针对应用端和云端的需求，从算力区别为：基于GPU、FPGA等通用芯片的半定制方案：主要为老牌图像处理、算力需求巨大的企业；代表企业英伟达、GOOGLE、AMD；针对深度学习算法的专用芯片：中国和美国拥有大部分企业集中在此领域，包含传统的Intel、Xilinx、Altera、IBM；新兴力量：Amazon、Facebook、Apple；以及中国新生力量：阿里云、百度云、寒武纪、深鉴科技、地平线等；第三页，共9页。全球主要AI芯片分析：类脑神经元结构芯片将成为新兴力量，中美主导发展类人脑神经元结构将成为新兴芯片技术：类脑计算芯片：使用神经元和突触的人脑结构替代传统冯诺依曼架构体系，使芯片能够进行异步、并行、低速和分布式处理信息数据，并具备自主感知、识别和学习的能力。主要有IBM、Intel、Qualcomm，中国西井科技、寒武纪、浙大杭电大“达尔文芯片”，AI-CTX团队。核心优势：单位功耗低、容错性高，并发处理能力高，可用于类脑机器人；发展问题：尚处于国家核心竞争体系，集中在军事国防；商用和规模化国产缓慢。第四页，共9页。AI芯片市场规模和中国影响力根据TracTIca研究所的数据，到2025年，AI年收入预计将达到368亿美元。年复合增长率40%以上；AI芯片现阶段主要应用27种不同的细分行业及191个使用场景。特别是工业自动化、语音助手、机器视觉、深度学习等应用领域。中国成为核心骨干力量，在应用市场的庞大需求下，倒逼芯片供应商在专业市场开发芯片业务。从中国AI产业链企业数量来看，中国占据全球22%的企业，成为仅次于美国的Ai大国。第五页，共9页。AI芯片主要应用市场社会治理和民生服务：安防：视频监控、危险预警；交通：自动驾驶、智能网联；产业转型和消费升级：工业：工业机器人、无人工厂医疗：影像诊断、远程医疗个人：智能家居、智能手机消费：无人商店全球GNSS市场规模第六页，共9页。AI芯片中国代表企业中国拥有强势的面向应用端的芯片、架构和软件服务；代表企业有：云服务类：阿里云、百度云、腾讯云、华为云机器视觉类：商汤科技、海思半导体、大华股份语音识别类：地平线、百度深度学习类：比特大陆、深思创芯类脑