人工智能芯片行业发展趋势与行业竞争格局分析

当前,传统芯片已不能满足人工智能对芯片性能及算力的要求,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。

据最新的市场研究资料显示，近几年我国人工智能芯片行业内企业的数量呈现逐年增加的趋势，由2016年的1058家增长至2020 年的6632家，年平均复合增长率约为105.37%;到2021年企业数量达到13493家左右，较上年同期相比同比增长了103.45%，未来 几年国内人工智能芯片行业内企业的数量将会继续增加，同时也将会使市场竞争程度进一步加剧。截止到2021年末，北京市、上 海市、广东省和浙江省等地区的人工智能企业数量合计占比全国总数的81%，整体来看企业分布较为集中，市场格局发展相对密集。

人工智能芯片行业发展趋势与行业竞争格局分析

人工智能芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。业界关于AI芯片的定义仍然缺乏一套严格和公认的标准。比较宽泛的看法是，面向人工智能应用的芯片都可以称为AI芯片。由于需求的多样性，很难有任何单一的设计和方法能够很好地适用于各类情况。因此，涌现出多种专门针对人工智能应用的新颖设计和方法，覆盖了从半导体材料、器件、电路到体系结构的各个层次。

AI芯片主要包括三类：经过软硬件优化可以高效支持AI应用的通用芯片，例如GPU;侧重加速机器学习(尤其是神经网络、深度学习)算法的芯片，这也是目前AI芯片中最多的形式;受生物脑启发设计的神经形态计算芯片。AI技术的落地需要来自多个层面的支持，贯穿了应用、算法机理、芯片、工具链、器件、工艺和材料等技术层级。各个层级环环紧扣形成AI的技术链，而AI芯片本身处于整个链条的中部，向上为应用和算法提供高效支持，向下对器件和电路、工艺和材料提出需求。

人工智能芯片具有两个突出特点：一是算法与芯片的高度契合，面向终端和云端不同需求提升计算能力;二是专门面向细分应用场景的智能芯片，如语音识别芯片、图像识别芯片、视频监控芯片等。当前的人工智能正处于产业化的早期阶段，所有的国家都站在了同一条起跑线上。而中国政府从上至下给予了人工智能高度的关注，完成了一系列政策层面的顶层设计。而拥有大量的数据并对数据主权的管理以及应用场景的本土化，也必将进一步助力中国本地芯片公司的崛起。而作为扎根中国的外资企业们，也应积极投身中国的人工智能发展大潮之中，在技术、市场和人才等方面和本土公司开展共赢合作，共同助力中国人工智能产业的发展和壮大。

目前国内人工智能芯片市场呈现出百花齐放的态势。AI芯片的应用领域广泛分布在金融证券、商品推荐、安防、消费机器人、智能驾驶、智能家居等众多领域，催生了大量的人工智能创业企业，如地平线、深鉴科技、寒武纪、云知声、云天励飞等。在政策大力支持下，国内人工智能芯片市场发展迅猛。相关数据显示，2021年我国人工智能芯片市场规模约为437亿元。

全球半导体市场已经进入分化时代，而在整个半导体产业的起伏中，AI芯片却“风景这边独好”。

AI企业特别是AI算法类企业，在2022年面临的最大质疑就是巨额融资之后依然连续亏损，企业难以找到持续商业化变现手段，众多人工智能企业因此也在资本市场上面临市值缩水、撤回上市申请等问题。当然，一些AI芯片企业也未能幸免。对于和英伟达等企业抢夺云端AI芯片市场的寒武纪来说，2022年也经历了股价的低迷。

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。

据中研普华产业院研究报告《2022-2027年中国人工智能芯片行业发展分析及投资风险预测报告》数据显示

第三章 国际人工智能芯片行业发展分析及经验借鉴

第一节 全球人工智能芯片市场总体情况分析

一、 全球人工智能芯片行业的发展历程

全球半导体产业发展至今，总共有三次转移历程。

第一阶段：由美国转移到日本。日本从装配开始全面学习美国半导体技术，电器时代向PC时代转变;

第二阶段：由美国、日本转移到台湾、韩国。日本芯片产业受美国施压及本土经济乏力而衰落，PC时代持续繁荣;

第三阶段：由美国、台湾、韩国转移到中国。中国芯片产业拥有巨大下游市场，劳动力丰富，且背靠国家产业政策和活跃社会资本的支持。PC时代向万物互联、人工智能时代转变，激发对AI芯片的需求。

二、 全球人工智能芯片市场规模

图表：2019-2021年全球人工智能芯片行业市场规模(单位：亿美元)

数据来源：中研普华产业研究院

2021年全球AI芯片市场规模约为260亿美元。随着人工智能技术日趋成熟，数字化基础设施不断完善，人工智能商业化应用将加速落地，推动AI芯片市场高速增长。

三、 全球人工智能芯片市场区域分布

欧美依然是全球人工智能芯片行业发展领先区域

城市AI技术的创新在一定程度上也代表着这个城市的AI芯片的发展水平以及发展潜力。城市是承载AI技术创新融合应用的综合性载体，也是人类与AI技术产生全面感知的集中体验地。过去几年，全球各地的主要城市都在AI技术的发展中发挥了差异化作用，构建了各自的生态体系，并在赋能产业应用、助力区域经济发展方面实现初步效果，掀起了人类对新一轮产业革命的思考、认知和行动。

随着AI应用纷纷落地于城市层面，城市逐渐成为AI创新融合应用的主战场。虽然全球各地AI技术的关键成功要素各有差异，但总体而言都构建了有利于技术与城市融合的生态发展体系。

四、 全球人工智能芯片行业竞争格局

近年来，各类势力均在发力AI芯片，参与者包括传统芯片设计、IT厂商、技术公司、互联网以及初创企业等，产品覆盖了CPU、GPU、FPGA、ASIC等。

根据相关市场调研机构发布的榜单来看，前十依然是欧美韩日企业，国内芯片企业如华为海思、联发科、Imagination、寒武纪、地平线机器人等企业进入该榜单，其中华为海思排12位，寒武纪排23位，地平线机器人排24位。

图表：全球人工智能芯片行业企业排名

数据来源：中研普华产业研究院

五、 全球人工智能芯片行业发展趋势

(1)更高效的大卷积解构/复用

在标准SIMD的基础上，CNN由于其特殊的复用机制，可以进一步减少总线上的数据通信。而复用这一概念，在超大型神经网络中就显得格外重要。如何合理地分解、映射这些超大卷积到有效的硬件上成为了一个值得研究的方向，

(2)更低的Inference计算/存储位宽

AI芯片最大的演进方向之一可能就是神经网络参数/计算位宽的迅速减少——从32位浮点到16位浮点/定点、8位定点，甚至是4位定点。在理论计算领域，2位甚至1位参数位宽，都已经逐渐进入实践领域。

(3)更多样的存储器定制设计

当计算部件不再成为神经网络加速器的设计瓶颈时，如何减少存储器的访问延时将会成为下一个研究方向。通常，离计算越近的存储器速度越快，每字节的成本也越高，同时容量也越受限，因此新型的存储结构也将应运而生。

(4)更稀疏的大规模向量实现

神经网络虽然大，但是，实际上有很多以零为输入的情况，此时稀疏计算可以高效的减少无用能效。来自哈佛大学的团队就该问题提出了优化的五级流水线结，在最后一级输出了触发信号。在Activation层后对下一次计算的必要性进行预先判断，如果发现这是一个稀疏节点，则触发SKIP信号，避免乘法运算的功耗，以达到减少无用功耗的目的。

(5)计算和存储一体化

计算和存储一体化(process-in-memory)技术，其要点是通过使用新型非易失性存储(如ReRAM)器件，在存储阵列里面加上神经网络计算功能，从而省去数据搬移操作，即实现了计算存储一体化的神经网络处理，在功耗性能方面可以获得显著提升。

近几年，AI技术不断取得突破性进展。作为AI技术的重要物理基础，AI芯片拥有巨大的产业价值和战略地位。但从大趋势来看，目前尚处于AI芯片发展的初级阶段，无论是科研还是产业应用都有巨大的创新空间。现在不仅英伟达、谷歌等国际巨头相继推出新产品，国内百度、阿里等纷纷布局这一领域，也诞生了寒武纪等AI芯片创业公司。在CPU、GPU等传统芯片领域与国际相差较多的情况下，中国AI芯片被寄望能实现弯道超车。

欲了解更多关于人工智能芯片行业的市场数据及未来行业投资前景，可以点击查看中研普华产业院研究报告《2022-2027年中国人工智能芯片行业发展分析及投资风险预测报告》。