人工智能芯片行业研究结论及建议 AI芯片的相关研发逐渐成为学术界和工业界研发的热点

人工智能芯片行业研究结论及建议

从2015年开始，AI芯片的相关研发逐渐成为学术界和工业界研发的热点。到目前为止，在云端和终端已经有很多专门为AI应用设计的芯片和硬件系统。同时，针对目标应用是“训练”还是“推断”，我们可以把AI芯片的目标领域分成4个象限。其中，在边缘/嵌入设备中以推断应用为主，训练的需求还不是很明确。有些高性能的边缘设备虽然也会进行训练，但从硬件本身来说，它们更类似于云端设备。未来的边缘和嵌入设备可能都需要具备一定的学习能力，以支持在线学习功能。其他几个象限都有自身实现的需求和约束，目前也都有针对性的芯片和硬件系统。

人工智能芯片子行业研究结论及建议

目前市场上可以买到的人工智能芯片按照处理任务的不同可以分为两类。

一类是面向训练和推断(Inference)的，这个工作GPU可以干，CPU也可以干，FPGA也可以干。但如果开发人工智能的芯片，则干得更好。因为人工智能芯片是专业干这个的，相当于是“专家”。

另一类是推断加速芯片。这类芯片就是把神经网络训练好的模型放在芯片上跑。比如寒武纪的神经网络芯片，深鉴科技的DPU，地平线机器人的BPU都是这类产品。

如果按使用场景划分，人工智能芯片主要分为云端和终端芯片。

目前主流的深度学习人工神经网络算法包括训练和推断两个环节。由于训练需要大量数据去训练人工神经网络，因此训练主要在云端进行。比如百度在2018年的AI开发者大会上推出的昆仑芯片--这是中国首款云端全功能AI芯片。

而终端芯片更侧重低成本和低功耗，目前中国的人工智能芯片初创企业主要布局在这个领域。

以手机为例，日常的拍照美颜手机如果是带有移动端的人工智能芯片，那么手机可以根据用户平时的喜好，在照片拍摄完成后同步完成照片美化。

当然，一片在指甲盖大小的面积上集成了超过55亿个晶体管的AI芯片不可能只用来拍拍照这么简单。目前手机上已经有语音服务、机器视觉识别、图像处理等智能应用，未来还会增加包含医疗、AR、游戏AI等更多元化的应用类型。

中研普华人工智能芯片行业发展建议

一、行业发展策略建议

围绕提升我国人工智能国际竞争力的迫切需求，新一代人工智能关键共性技术的研发部署要以算法为核心，以数据和硬件为基础，以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点，形成开放兼容、稳定成熟的技术体系。

知识计算引擎与知识服务技术。重点突破知识加工、深度搜索和可视交互核心技术，实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力，形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱。

跨媒体分析推理技术。重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，实现跨媒体知识表征、分析、挖掘、推理、演化和利用，构建分析推理引擎。

群体智能关键技术。重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术，建立群智知识表示框架，实现基于群智感知的知识获取和开放动态环境下的群智融合与增强，支撑覆盖全国的千万级规模群体感知、协同与演化。

混合增强智能新架构与新技术。重点突破人机协同的感知与执行一体化模型、智能计算前移的新型传感器件、通用混合计算架构等核心技术，构建自主适应环境的混合增强智能系统、人机群组混合增强智能系统及支撑环境。

自主无人系统的智能技术。重点突破自主无人系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性智能导航等共性技术，无人机自主控制以及汽车、船舶和轨道交通自动驾驶等智能技术，服务机器人、特种机器人等核心技术，支撑无人系统应用和产业发展。

虚拟现实智能建模技术。重点突破虚拟对象智能行为建模技术，提升虚拟现实中智能对象行为的社会性、多样性和交互逼真性，实现虚拟现实、增强现实等技术与人工智能的有机结合和高效互动。

智能计算芯片与系统。重点突破高能效、可重构类脑计算芯片和具有计算成像功能的类脑视觉传感器技术，研发具有自主学习能力的高效能类脑神经网络架构和硬件系统，实现具有多媒体感知信息理解和智能增长、常识推理能力的类脑智能系统。

二、行业投资方向建议

建设布局人工智能创新平台，强化对人工智能研发应用的基础支撑。人工智能开源软硬件基础平台重点建设支持知识推理、概率统计、深度学习等人工智能范式的统一计算框架平台，形成促进人工智能软件、硬件和智能云之间相互协同的生态链。群体智能服务平台重点建设基于互联网大规模协作的知识资源管理与开放式共享工具，形成面向产学研用创新环节的群智众创平台和服务环境。混合增强智能支撑平台重点建设支持大规模训练的异构实时计算引擎和新型计算集群，为复杂智能计算提供服务化、系统化平台和解决方案。自主无人系统支撑平台重点建设面向自主无人系统复杂环境下环境感知、自主协同控制、智能决策等人工智能共性核心技术的支撑系统，形成开放式、模块化、可重构的自主无人系统开发与试验环境。人工智能基础数据与安全检测平台重点建设面向人工智能的公共数据资源库、标准测试数据集、云服务平台等，形成人工智能算法与平台安全性测试评估的方法、技术、规范和工具集。促进各类通用软件和技术平台的开源开放。

发展支撑新一代物联网的高灵敏度、高可靠性智能传感器件和芯片，攻克射频识别、近距离机器通信等物联网核心技术和低功耗处理器等关键器件。

三、行业投资方式建议

行业投资方式主要有两种：一是自己生产;二是以技术、资金等方式合资生产。就人工智能芯片行业而言，技术是关键。潜在进入者如果掌握了技术，可选择自行生产或与人合资生产;而假如潜在进入者本身并无关键技术，想要进入人工智能芯片行业较为困难，风险性也高，由于人工智能芯片行业的研发周期长，目前尚未有完全的造血能力，仅仅依靠外部融资支持，再加上技术更新变化多样，单纯的跟进投资，可能导致血本无归。因此，人工智能芯片行业虽然是风口，但是潜在进入者不可盲目进入，可在产业链及相关行业逐步进入。

《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》由中研普华人工智能芯片行业分析专家领衔撰写，主要分析了人工智能芯片行业的市场规模、发展现状与投资前景，同时对人工智能芯片行业的未来发展做出科学的趋势预测和专业的人工智能芯片行业数据分析，帮助客户评估人工智能芯片行业投资价值。