一、人工智能芯片概述
人工智能（AI）行业发展有三个至关重要的因素：算法、数据和算力，目前数据尤其是海量数据的获取和处理难度在下降，算法也在深度学习模型的基础上不断优化，而负责将数据和深度算法统一协调起来的芯片能否快速发展，AI发展中成为不可或缺的一环。
深度学习算法对芯片性能需求主要表现在三个方面：1、海量数据在计算和存储单元之间的高速通信需求，2、专用计算能力需求高，3、海量数据自身处理对芯片的要求。
传统CPU可以进行AI所需的计算，但是CPU还有大量的计算逻辑控制单元，这些单元在AI计算中是用不上的，造成了CPU在AI计算中的性价比较低。正因为CPU在AI计算上的弱点，给了可以实现海量并行计算且能够对进行计算加速的AI芯片留下了市场空间。从广义上讲，面向AI计算的芯片都可以称为AI芯片，包括基于传统架构的GPU、FPGA以及ASIC（专用芯片），也包括正在研究但离商用还有较大差距的类脑芯片、可重构AI芯片等。
GPU、FPGA、ASIC性能特点对比
资料来源：公开资料整理
按照部署位置划分，AI芯片可以分为云端芯片和边缘端芯片。
云端芯片和边缘端芯片
资料来源：公开资料整理
按照承担的任务分，AI芯片可以划分为训练芯片和推理芯片。训练是指通过大量标记过的数据在平台上进行“学习”，并形成具备特定功能的神经网络模型；推理则是利用已经训练好的模型输入新数据通过计算得到各种结论。训练芯片对算力、精度要求非常之高，而且还需要具备一定的通用性，以适应多种算法的训练；推理芯片更加注重综合能力，包括算力能耗、时延、成本等因素。
综合来看，训练芯片由于对算力的特殊要求，只适合在云端部署，而且多采用的是“CPU+加速芯片”类似的异构模式，加速芯片可以是GPU，也可以是FPGA或者是ASIC专用芯片。AI训练芯片市场集中度高，英伟达和谷歌领先，英特尔和AMD正在积极切入。推理在云端和终端都可进行，市场门槛相对较低，市场参与者较多。云端推理芯片除了传统的英伟达、谷歌、赛灵思等芯片大厂外，Groq等国际新兴力量也在加入竞争，国内寒武纪、比特大陆也有不错表现；终端推理芯片市场较为分散，场景各异，参与者除了英伟达、英特尔、ARM和高通之外，国内企业如寒武纪、地平线、云知声、云天励飞等在各自细分领域均有所建树。
相关报告：华经产业研究院发布的《2019-2025年中国人工智能芯片行业市场深度分析及发展前景预测报告》
二、人工智能芯片主要应用领域及市场规模
2017年AI芯片市场规模已达到39.1亿美元，其中全球数据中心AI芯片规模23.6亿美元，全球手机AI芯片市场规模3.7亿美元，全球安防摄像头AI芯片市场规模3.3亿美元，全球自动驾驶AI芯片的市场规模在8.5亿美元。
资料来源：公开资料整理
1、数据中心市场
2017年全球数据中心AI芯片规模合计23.6亿美元，其中云端训练芯片市场规模20.2亿美元，云端推断芯片3.4亿美元。云端训练芯片市场规模在2022年将达到172亿美元，CAGR~54%。云端推断芯片市场规模在2022年将达到72亿美元，CAGR~84%。
数据中心是AI训练芯片应用的最主要场景，主要涉及芯片是GPU和专用芯片（ASIC）。如前所述，GPU在云端训练过程中得到广泛应用。目前，全球主流的硬件平台都在使用英伟达的GPU进行加速，AMD也在积极参与。亚马逊网络服务AWSEC2、Google Cloud Engine（GCE）、IBM Softlayer、阿里云、平安云等计算平台都使用了英伟达的GPU产品提供深度学习算法训练服务。
在云端推理市场上，由于芯片更加贴近应用，市场更多关注的是响应时间，需求也更加的细分。除了主流的CPU+GPU异构之外，还可通过CPU+FPGA/ASIC进行异构。目前，英伟达在该市场依然保持着领军位置，但是FPGA的低延迟、低功耗、可编程性优势（适用于传感器数据预处理工作以及小型开发试错升级迭代阶段）和ASIC的特定优化和效能优势（适用于在确定性执行模型）也正在凸显，赛灵思、谷歌、Wave Computing、Groq、寒武纪、比特大陆等企业市场空间也在扩大。
2、手机市场
2017年手机AI芯片市场规模3.7亿美元，用于智能手机的边缘推断芯片市场规模2022年将达到38亿美元，CAGR~59%。
手机芯片市场主要企业目前包括(1)苹果，三星，华为这类采用芯片+整机垂直商业模式的厂商，以及(2)高通，联发科，展锐等独立芯片供应商和(3)ARM，Synopsys、Cadence等向芯片企业提供独立IP授权的供应商。
从2017年开始，苹果，华为海思，高通，联发科等主要芯片厂商相继发布支持AI加速功能的新一代芯片，AI芯片逐渐向中端产品渗透。由于手机空间有限，独立的AI芯片很难被手机厂采用。在AI加速芯片设计能力上有先发优势的企业（如寒武纪）一般通过IP授权的方式切入。
资料来源：公开资料整理
3、安防市场
视频监控行业在过去十几年主要经历了“高清化”、“网络化”的两次换代，而随着2016年以来AI在视频分析领域的突破，目前视频监控行业正处于第三次重要升级周期——“智能化”的开始阶段。预计应用安防摄像头的推断芯片市场规模，将从2017年的3.3亿美元，增长至2022年的18亿美元，CAGR~41%。
积极布局智能安防的除了英伟达、Movidius（计算机视觉创企），还有传统视频解码芯片厂商。业内，海思、安霸与Nvidia、Movidius形成有力竞争。
国内面向安防AI芯片的企业及主要产品
资料来源：公开资料整理
4、自动驾驶市场
车用半导体强大需求已经使供给端产能开始吃紧，而用于自动驾驶的推断芯片需求，同样有望在未来5年内实现高速增长。预计其市场规模将从2017年的8.5亿美元，增长至2022年的52亿美元，CAGR~44%。
自动驾驶芯片市场仍处于初期起步阶段，对比其他终端应用场景，自动驾驶不仅计算复杂程度最高，车规级要求也为芯片设立了更高的准入门槛，其硬件升级落地相对缓慢。
三、人工智能芯片现状
1、人工智能芯片市场现状
由于具有得天独厚的技术和应用优势，英伟达和谷歌几乎占据了人工智能处理领域80%的市场份额，而且在谷歌宣布其CloudTPU开放服务和英伟达推出自动驾驶处理器Xavier之后，这一份额占比在2018年有望进一步扩大。其他厂商，如英特尔、特斯拉、ARM、IBM以及Cadence等，也在人工智能处理器领域占有一席之地。
资料来源：公开资料整理
2、人工智能芯片现状
GPU持续保持AI芯片的领导地位。GPU作为市场上AI计算最成熟、应用最广泛的通用型芯片，应用潜力较大。凭借其强大的计算能力、较高的通用性，GPU将继续占领AI芯片的主要市场份额。当前，两大GPU厂商都还在不断升级架构并推出新品，深度学习性能提升明显，未来应用的场景将更为丰富。英伟达凭借着其在矩阵运算上的优势，率先推出了专为深度学习优化的Pascal GPU，而且针对GPU在深度学习上的短板，2018年推出了Volta架构，正在完成加速-运算-AI构建的闭环；AMD针对深度学习，2018年推出Radeon Instinct系列，未来将应用于数据中心、超算等AI基础设施上。预计在效率和场景应用要求大幅提升之前，作为数据中心和大型计算力支撑的主力军，GPU仍具有很大的优势。
3、全球人工智能芯片企业现状
2018年发布的人工智能芯片企业排名TOP24中，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（2017年被中国资本收购）、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。
全球人工智能芯片企业排名
资料来源：公开资料整理
四、人工智能芯片未来趋势
1、人工智能芯片发展趋势
根据GPU、FPGA、ASIC三种人工智能芯片的优缺点，未来三种芯片可能都会长期存在，面向各种细分领域不断发展。
GPU主要发展方向是高级复杂算法和通用型人工智能平台。（1）高端复杂算法实现方向。由于GPU本身就具备高性能计算优势，同时对于指令的逻辑控制上可以做的更复杂，在面向复杂AI计算的应用方面具有较大优势。（2）通用型的人工智能平台方向。GPU由于通用性强，性能较高，可以应用于大型人工智能平台够高效地完成不同种类的调用需求。
FPGA未来在垂直行业有着较大的空间。由于在灵活性方面的优势，FPGA对于部分市场变化迅速的行业最为实用。同时，FPGA的高端器件中也可以逐渐增加DSP、ARM核等高级模块，以实现较为复杂的算法。随着FPGA应用生态的逐步成熟，FPGA的优势也会逐渐为更多用户所认可，并得以广泛应用。
ASIC长远来看非常适用于人工智能，尤其是应对未来爆发的面向应用场景的定制化芯片需求。ASIC的潜力体现在，AI算法厂商有望通过算法嵌入切入该领域，以进入如安防、智能驾驶等场景。由于其具备高性能低消耗的特点，可以基于多个人工智能算法进行定制，以应对不同的场景，未来在训练和推理市场上都有较大空间。
2、人工智能芯片市场发展趋势
伴随着全球AI产业的快速增长，AI芯片需求大幅上升。未来几年，全球各大芯片企业、互联网巨头、初创企业都将在该市场上进行角逐，预计到2023年全球市场规模将达到323亿美元。未来五年（2019-2023年）平均增速约为50%，其中数据中心、个人终端、物联网芯片均是增长的重点。
