人工智能芯片行業(yè)分析報告 2022年人工智能芯片行業(yè)發(fā)展前景及規(guī)模分析

1、人工智能芯片行業(yè)分析報告 2022年人工智能芯片行業(yè)發(fā)展前景及規(guī)模分析人工智能芯片的概念分析人工智能(Artificial Inelligence，英文縮寫為AI)，是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門科學(xué)技術(shù)。人工智能的本質(zhì)是對人類思維過程的模擬。從1956年正式提出“人工智能”概念算起，在半個多世紀(jì)的發(fā)展歷程中，人們一直在這一領(lǐng)域進(jìn)行長期的科學(xué)探索和技術(shù)攻堅，試圖了解智能的實質(zhì)。和任何曾經(jīng)處于發(fā)展過程中的新興學(xué)科一樣，人工智能早期發(fā)展并非一帆風(fēng)順， 它曾受到多方質(zhì)疑，不斷經(jīng)歷起伏。近些年，大數(shù)據(jù)的積聚、理論算法的革新、計算能力的提升及網(wǎng)絡(luò)設(shè)施的演進(jìn)，使

2、得持續(xù)積累了半個多世紀(jì)的人工智能產(chǎn)業(yè)又一次迎來革命性的進(jìn)步，人工智能的研究和應(yīng)用進(jìn)入全新的發(fā)展階段。當(dāng)前，人工智能正逐漸發(fā)展為新一代通用技術(shù)，加快與經(jīng)濟社會各領(lǐng)域滲透融合，已在醫(yī)療、金融、安防、教育、交通、物流等多個領(lǐng)域?qū)崿F(xiàn)新業(yè)態(tài)、新模式和新產(chǎn)品的突破式應(yīng)用，帶動生產(chǎn)流程、產(chǎn)品、信息消費和服務(wù)業(yè)的智能化、高附加值轉(zhuǎn)型發(fā)展。人工智能已處于新科技革命和產(chǎn)業(yè)變革的核心前沿，成為推動經(jīng)濟社會發(fā)展的新引擎。AI芯片是人工智能產(chǎn)業(yè)的核心硬件。從廣義上講只要能夠運行人工智能算法的芯片都叫作人工智能芯片，但是通常意義上的人工智能芯片指的是針對人工智能算法做了特殊加速設(shè)計的芯片。我國人工智能芯片起步較晚，但進(jìn)步

3、巨大，發(fā)展?jié)摿o窮。人工智能芯片的特性分析1、通用芯片（GPU）GPU是單指令、多數(shù)據(jù)處理，采用數(shù)量眾多的計算單元和超長的流水線，主要處理圖像領(lǐng)域的運算加速。GPU是不能單獨使用的，它只是處理大數(shù)據(jù)計算時的能手，必須由CPU進(jìn)行調(diào)用，下達(dá)指令才能工作。但CPU可單獨作用，處理復(fù)雜的邏輯運算和不同的數(shù)據(jù)類型，但當(dāng)需要處理大數(shù)據(jù)計算時，則可調(diào)用GPU進(jìn)行并行計算。2、半定制化芯片（FPGA）FPGA適用于多指令，單數(shù)據(jù)流的分析，與GPU相反，因此常用于預(yù)測階段，如云端。FPGA是用硬件實現(xiàn)軟件算法，因此在實現(xiàn)復(fù)雜算法方面有一定的難度，缺點是價格比較高。與 GPU 不同，F(xiàn)PGA 同時擁有硬件流水線

4、并行和數(shù)據(jù)并行處理能力，適用于以硬件流水線方式處理一條數(shù)據(jù)，且整數(shù)運算性能更高，因此常用于深度學(xué)習(xí)算法中的推斷階段。不過FPGA 通過硬件的配置實現(xiàn)軟件算法，因此在實現(xiàn)復(fù)雜算法方面有一定的難度。將FPGA 和 CPU 對比可以發(fā)現(xiàn)兩個特點，一是 FPGA 沒有內(nèi)存和控制所帶來的存儲和讀取部 分速度更快，二是 FPGA 沒有讀取指令操作，所以功耗更低。劣勢是價格比較高、編程復(fù)雜、整體運算能力不是很高。目前國內(nèi)的AI 芯片公司如深鑒科技就提供基于 FPGA 的解決方案。3、全定制化芯片（ASIC）ASIC是為實現(xiàn)特定場景應(yīng)用要求時，而定制的專用AI芯片。除了不能擴展以外，在功耗、可靠性、體積方面都

5、有優(yōu)勢，尤其在高性能、低功耗的移動設(shè)備端。定制的特性有助于提高 ASIC 的性能功耗比，缺點是電路設(shè)計需要定制，相對開發(fā)周期長，功能難以擴展。但在功耗、可靠性、集成度等方面都有優(yōu)勢，尤其在要求高性能、低功耗的移動應(yīng)用端體現(xiàn)明顯。谷歌的 TPU、 寒武紀(jì)的 GPU，地平線的 BPU都屬于 ASIC芯片。谷歌的 TPU比 CPU和 GPU的方案快 30 至 80 倍，與 CPU和 GPU相比，TPU把控制電路進(jìn)行了簡化，因此減少了芯片的面積，降低了功耗。4、類腦芯片類腦芯片架構(gòu)是一款模擬人腦的神經(jīng)網(wǎng)絡(luò)模型的新型芯片編程架構(gòu)，這一系統(tǒng)可以模擬人腦功能進(jìn)行感知方式、行為方式和思維方式。有人說，ASIC

6、是人工智能芯片的一個主要發(fā)展方向，但真正的人工智能芯片未來發(fā)展的方向是類腦芯片。類腦芯片研究是非常艱難的，IBM、高通、英特爾等公司的芯片策略都是用硬件來模仿人腦的神經(jīng)突觸。全球人工智能芯片行業(yè)規(guī)模分析伴隨5G技術(shù)普及，移動寬帶的增強、海量機器類的通信提升、超高可靠低時延以及邊緣計算能力的提升也逐漸落地。同時人工智能得益于5G的技術(shù)便利，可以全方位提升算法、算力和獲取及處理數(shù)據(jù)的能力，其應(yīng)用場景也逐步擴張至消費電子、汽車電子、視頻處理、邊緣計算及智能制造等下游領(lǐng)域，發(fā)展前景廣闊。2021年全球人工智能芯片市場規(guī)模為127.60億美元。統(tǒng)計數(shù)據(jù)顯示，2017年全球人工智能芯片市場規(guī)模32.36億

7、元，2021年全球人工智能芯片市場規(guī)模127.60億元。2017-2022年全球人工智能芯片市場規(guī)模如下：圖表：2017-2022年全球人工智能芯片行業(yè)市場規(guī)模人工智能芯片行業(yè)市場規(guī)模分析統(tǒng)計數(shù)據(jù)顯示，2017-2022年中國人工智能芯片行業(yè)市場規(guī)模增長率在2%-120%之間，2017年中國人工智能芯片行業(yè)市場規(guī)模33.79億元，2021年中國人工智能芯片行業(yè)市場規(guī)模69.56億元。圖表：2017-2022年中國人工智能芯片行業(yè)市場規(guī)模技術(shù)發(fā)展趨勢預(yù)測1、更高效的大卷積解構(gòu)/復(fù)用。在標(biāo)準(zhǔn)SIMD的基礎(chǔ)上，CNN由于其特殊的復(fù)用機制，可以進(jìn)一步減少總線上的數(shù)據(jù)通信，而復(fù)用這一概念，在超大型神經(jīng)網(wǎng)絡(luò)中就顯得格外重要。如何合理地分解、映射這些超大卷積到有效的硬件上成為了一個值得研究的方向。2、更低的Inference計算/存儲位寬。AI芯片最大的演進(jìn)方向之一可能就是神經(jīng)網(wǎng)絡(luò)參數(shù)/計算位寬的迅速減少從32位浮點到16位浮點/定點、8位定點，甚至是4位定點。在理論計算領(lǐng)域，2位甚至1位參數(shù)位寬，都已經(jīng)逐漸進(jìn)入實踐領(lǐng)域。3、更多樣的存儲器定制設(shè)計。當(dāng)計算部件不再成為神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計瓶頸時，如何減少存儲器的訪問延時將會成為下一個研究方向。通常，離計算越近的存儲器速度越快，每字節(jié)的成本也越高，同時容量也越受限，因此新型的存儲結(jié)構(gòu)也將應(yīng)運而生。4、計算和存儲一體化。其