40张图解析“中国芯”玩家阵营-技术圈

本文参考自“40张图表解析中国“芯”势力”。AI芯片是专门用于处理人工智能应用中大量计算任务的模块，是诞生于人工智能应用快速发展时代的处理计算任务硬件，广义来讲，凡是面向人工 智能应用的芯片均为被称为AI芯片。

下载链接：

半导体研究框架：详解八大芯片材料（2022）

半导体2022年策略：国产化4.0+电动化 2.0

狭义的AI芯片指针对人工智能算法做了特殊加速设计的芯片，目前来讲，由于深度学习算法在人工智能领域认可度及应用程度不断上升，AI芯片 一般指针对大量数据进行数据训练（training）与推断（inference）设计的芯片口 GPU，FPGA及ASIC是目前最常用的三类AI片的技术架构。

GPU 图形处理器（Graphics processing unit），在计算方面具有高效的并行性。用于图像处理的GPU芯片因海量数据并行运算能力，被最先引入深度学习。功耗比较低。

FPGA现场可编程门阵列（Field programmable gate array），是一种集成大量基本门电路及存储器的芯片，最大特点为可编程。具有能耗优势明显、低延时和高吞吐的特性。

ASIC专用集成电路（Application specific integrated circuit，特定应用集成电路），是专用定制芯片，为实现特定要求而定制的芯片。除不能扩展应用以外，在功耗、可靠性、体积方面都有优势。

AI芯片根据所在服务器在网络中的位置可以分为云端AI芯片，边缘及终端AI芯片。

AI芯片根据实践中的目标不同，可大致分为两类∶ 1）训练AI芯片∶ 指用于构建神经网络等模型；2）推理AL芯片∶利用模型进行推理预测。

边缘层计算能力的提升推动云-边-端的协同，使得更多行业的人工智能应用场景得以实现，推动A芯片行业的发展。

全球对人工智能应用的需求逐步提升，根据Cisco的数据，2017年超级数据中心不超过400座，仅占所有数据中心比例的31.5%。

同时，边缘计算被视为人工智能的下一个战场。边缘计算市场的快速增长不仅拉动了AI芯片在边缘计算行业需求、并且推动了AI芯片在各行业及场景的应用。

总体来讲，产业趋于冷静，AI芯片从创新为王转为落地为胜，PPT造芯再难说服投资者，AI芯片产品的核心技术及商业化落地的能力已经受到 投资人认可。

AI芯片的开发成本巨大，对于融资金额在几千万美元的企业来讲，需要合理规划资金的使用，从落地及核心技术方向之一寻找突破。

云端训练A芯片，一般采用"CPU+加速芯片"的异构模式，目前主要有三种模式∶

√ 英伟达的GPU+CUDA计算平台是最成熟的AT训练方案

√第三方异构计算平台OpenCL+AMD GPU或OpenCL+Intel/Xilinx的FPGA

√ 云计算服务商自研加速芯片（如Google的TPU）

云端芯片市场GPU仍占主导，英伟达一家独大、但是市场份额在逐年降低。

√ 英伟达GPU产品线丰富、编程环境成熟、产品支持市场上主要的开发框架和语言。使得其在GPU市场占有绝对主导位置

√ GPU产品存在功耗大、价格昂贵、不善于推断市场等问题，各大厂商都在探索新的方案摆脱英伟达一家独大的垄断情况

√ 随着摩尔定律的失效，市场期待性能更好的芯片可以替代GPU的功能，架构创新和优化是新的方向。

云端训练AI芯片主要应用于数据中心（各类云厂商）

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AWS EC2、Google Cloud Engine（GCE）、IBM Softlaver、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

预计未来2年中国的数据中心市场规模将会有较大的增长

AI芯片作为人工智能产业发展的基石，将在诸多场景中广泛展开应用

根据行业及应用特点不同，以智能驾驶、智慧安防、消费电子及智能家居为例，智能驾驶所需要的算力更高，而智能家居所需算力一般小于lTOPS。

作为边缘智能的灵魂边缘 AI芯片有着重要地位，边缘智能（EI）其实就是在业务层、终端侧部署的人工智能，而AI芯片则是人工智能的核心，是人工智能的物理基础、业内素有"无芯片，不AI"的说法。可见AI 芯片的重要性。根据IDC 的预测.到2021年，将有43%的物联网计算将发生在边缘，而AI芯片是边缘计算及学习能力的重要支撑。