前言

智能芯片的分类有很多，一般智能芯片就相当于一个单片机，负责处理收集到的感应信号，再通过电器开关驱动电力马达，将指令传递给传动系统来完成初始要达到的效果。那么智能芯片发展前景会是怎样的呢?

近年来，AI厚积薄发，因深度学习获得突破，创业和投资的情绪高涨，全球科技巨头如谷歌、微软、苹果、IBM、Facebook、英特尔等都砸入巨额投资，将人工智能视为下一个技术引爆点，包括欧、美、日本与中国大陆等国纷纷将人工智能技术纳入国家蓝图，人工智能显然已成为各国、各科技企业竞争的下一个战场。

一、AI芯片发展现状

1.中国智能芯片市场广阔

2016年，我国固定互联网宽带接入用户29721万户，比上年增加3774万户，其中固定互联网光纤宽带接入用户22766万户，比上年增加7941万户;移动宽带用户94075万户，增加23464万户。移动互联网接入流量93.6亿G，比上年增长123.7%。

互联网上网人数7.31亿人，增加4299万人，其中手机上网人数6.95亿人，增加7550万人。互联网普及率达到53.2%，其中农村地区互联网普及率达到33.1%。软件和信息技术服务业完成软件业务收入48511亿元，比上年增长14.9%。

通过对智能芯片市场前景分析，2016年全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。整体来看，AI产业不论是行业规模、还是吸金能力都在飞速扩张中。根据金准人工智能专家预测的数据：未来五年人工智能的年复合增速36%，预计2020年将达到700亿美元。

随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆发。2016年人工智能芯片市场规模达到6亿美金，预计到2022年将达到60亿美金，年复合增长率达到46.7%，增长迅猛，发展空间巨大。从云端芯片来看，目前GPU占据云端人工智能主导市场，占人工智能芯片市场份额的35%。

人工智能（AI）与芯片发展趋势，被认为是中美贸易摩擦的关键原因之一，不过根据最新发布的全球AI芯片公司排名显示，在全球前24名的AI芯片公司名单中，美国公司依然独霸该行业。中国公司虽占有6席，表现最佳的华为却仅排名第12位，再次为中国业界亮起警讯。

金准人工智能专家根据市场研究公司Compass Intelligence近日以公司表现、产品表现、市场表现以及独特市场等四大指针，评比出全球前24名AI芯片企业，美国企业共囊括14家，其中辉达（Nvidia）、英特尔（Intel）与IBM雄踞前3强。中国企业部分，有华为海思（12名）、Imagination（15名）、瑞芯微（20名）、芯原（21名）、寒武纪（23位）以及地平线（24名）等入榜。

通过对智能芯片市场前景分析，从全部GPU市场来看，英特尔目前占了71%，英伟达占了16%，AMD占了13%。但从分立式GPU市场来看，英伟达占了71%，AMD占了29%。因此英伟达在分立式GPU市场产品中占有占有绝对的优势，其产品广泛应用于数据中心的人工智能训练。

中国人工智能市场份额年增速高达50%，远超全球平均水平的19.7%。随着相关知识产权的不断开放和技术的不断积累，未来我国在人工智能芯片领域的发展速度有望大幅提高。国内已经有部分企业在沿人工智能产业链进行布局，在核心芯片、大数据、生物识别、物联网、安防等领域，国内公司均已顺利切入并取得一定突破进展。

2.中国智能芯片依赖进口

中国企业入榜家数虽为全球第二，但没有一家挤进全球前10。此前，美国政府上月宣布，禁止该国公司在7年内向中国通信设备大厂中兴通讯销售芯片等产品，该份榜单此时出炉再次引发众多讨论与担忧。评论文章不禁表示：中国芯片要崛起还有多远？

为从制造大国变身制造强国，中国政府于2015年宣布了“中国制造2025”计划，其重中之重就是推动半导体发展，美国政府屡屡抨击该计划是中国力挺其企业收购美国半导体公司，以获得美国尖端科技的工具。

金准数据显示，自2013年以来，中国每年需要进口超过2千亿美元的芯片，已连续多年超越石油位居进口品项之霸，2017年更达到历史新高的2,601亿美元，由此可见，中国芯片高度依赖进口的危机。

金准人工智能专家分析指出，目前中国的芯片产品，主要集中在电源、逻辑、存储、MCU、半导体分立器件等中低端产品。在高度要求稳定性和可靠性的通讯、工业、医疗以及国防军事和航空航天的应用方面，中国国产芯片远远落后于国际水平。尤其在高速光通信接口、大规模FPGA、高速高精度ADC╱DAC等核心领域的高技术含量的关键器件，仍完全依赖美国供货商。

3.中国政府百亿资金力挺产业

因此稍早美国对中兴祭出7年禁售令，不啻为一严重警讯，且也激起中国官方与企业对半导体产业的加速投入热潮。

4月26日，中国国家主席习近平到武汉视察武汉新芯集成电路制造有限公司时表示，要加快在芯片技术上取得重大突破。随后即有消息传出，国家集成电路产业投资基金（俗称大基金）已接近完成1,200亿元人民币的二期募资，预计该笔资金将有更大比例的金额投入芯片设计等环节。本月初又有消息指，中国政府今年已安排近百亿元资金，将主要投入半导体、新材料、工业互联网等领域。

另外，4月下旬，中国互联网巨头阿里巴巴先是宣布正在研发一款超级AI芯片，紧接着又宣布全资收购一家大规模量产芯片的科技公司。此外，中国科学院则是在本月初发布中国首款云端AI芯片：寒武纪MLU100云端智能芯片。为避免重蹈中兴覆辙，降低对国外芯片产品依赖，中国大陆正加速半导体布局。

二、人工智能专用芯片的主要驱动因素

为展望人工智能芯片领域的发展前景，金准人工智能专家主要分析了人工智能芯片的驱动因素、行业格局和发展轨迹。金准人工智能专家还将回顾从一般应用到神经网络应用对计算性能要求的转变，以及这种转变对高性能计算提出了何种挑战。基于此，很多创业公司都在寻找创新方法，提出针对人工智能算法而优化的新架构。

然后金准人工智能专家将评估巨头们在云端技术中的主导地位，同时也将评估那些分别以云计算和边缘计算为切入点的优秀创业公司。大部分行业巨头还是倾向把精力聚焦在云服务上，而创业者们则多选择关注边缘计算。

最后金准人工智能专家将探讨新的前沿技术包括类脑芯片和量子计算等，以探索新兴技术带来的人工智能芯片架构改变的可能性。

目前越来越多的企业借助人工智能为业务赋能，这将会持续推动人工智能芯片的发展。

这些新的人工智能应用将大多建立在基础设施层的解决方案上。

包括云端，终端设备和混合环境。

同时这些新的应用（如：无人驾驶等）会产生更多的数据。

不仅是新的应用，随着IoT技术和5G网络的发展，预计会有更多的数据产生。

而与其他机器学习的算法不同，与深度学习相关的算法，其能力会随着训练数据的增多而提高。

鉴于未来的应用场景会更加复杂，人工智能需要实现自动编程。

但是现有的处理器最初并不是为人工智能算法而设计的，因此需要开发新的为人工智能算法而优化的硬件。

三、人工智能主导的对算力的需求如何推动趋势发展

以上金准人工智能专家分析了人工智能的驱动因素。接下来，金准人工智能专家将探讨由人工智能主导的对算力的需求将如何推动这些趋势：

（1）未来基于深度学习的神经网络算法的训练将会依赖更大量的数据集；

（2）这将会导致对计算性能的要求从一般应用转向基于神经网络的应用，即增加对高性能计算的需求；

（3）深度学习算法既是计算密集型的，又是内存密集型的，对处理器的性能要求极高。

因此，一些创业公司研发新的人工智能优化芯片将会加速人工智能在各个领域的应用。

深度学习将持续推动神经网络算法训练。

人工智能算法的优化需要越来越多的数据集。

对计算性能的要求将会从一般应用转向基于神经网络的应用。

深度学习算法既是计算密集型的，又是内存密集型的。

提高处理器的性能可以通过以下几种方式：矩阵乘法。

神经网络的量化

图像处理

AI芯片，可以说是深度学习的专用芯片，具备在很高的内在并行度、大量的浮点计算能力以及矩阵预算的能力，算法、算力、数据，是它三个核心的元素。在相同的精度下，与传统的通用CPU相比，它的处理速度更快、所需的服务器更少、功耗更低。一个简单的显性例子是，AI芯片下的处理能力每秒能够达到5700张图片，而如今所用的CPU则每秒仅能识别140张图片。

一些新的方法专注于图像处理和稀疏矩阵的特性，强调计算时输入和输出的通信。

以及在内存架构中针对人工智能算法的优化和芯片的大规模并行计算能力。

对芯片的选择取决取决于应用场景：即用于训练还是推断，云端还是终端亦或是两者的混合。

行业巨头正在尝试不同的方案。

延迟和场景化是边缘计算的关键驱动因素。

展望未来，我们更可能会看到联合学习——一个多层次的基础设施，学习不仅发生在云端也发生在终端。

人工智能芯片领域，可以分为面向云端数据中心的芯片和面向终端的嵌入式人工智能芯片两大门类。而英伟达的GPU已经成为在云端服务器的霸主，金准数据显示，世界上目前约有3000多家AI初创公司，大部分都采用了英伟达提供的硬件平台。在端方面，英伟达推出了16nm的AI芯片XAVIER、自动驾驶平台DRIVEPX，并且开源了DLA深度学习加速器项目。凭借着巨大的优势，英伟达的股价已经从2016年初的30美元，飙升至如今的255美元，飞升了八倍之多。

这将会推动ASIC、FPGA和其他新兴类型的芯片组产量的增加。

四、AI专用芯片中国正齐头赶上

虽然在通用芯片领域中国已经失去先发优势，但是对于AI芯片，我们看到了不同的市场面貌。

目前， 主要用于底层运算的芯片，从行业上来讲，大概有三个方向：

第一个方向是以英伟达为代表的GPU方案，很多企业正在使用的通用芯片；

第二个是FPGA方案，作为专用集成电路（ASIC）领域中的一种半定制电路而出现；

第三个是自研集成电路，比如像深鉴、寒武纪、地平线这些公司，他们都在自己做一些专用的人工智能芯片，用来做深入学习的训练或运算。

GPU的运算架构恰好适合于深度学习大量的并行计算，因此迅速进入了AI市场，FPGA的特点在于和硬件结合比较紧密，编程比较灵活，底层配置和构建比较灵活。但从开发难度、架构难度到功耗、成本和运算成本等角度，这两种方式都有弊端。所以最理想的方式，就是自研一种真正适合人工智能运算的专有芯片。

当然，专有芯片研发周期长、成本大，比起GPU等通用芯片，专有芯片的研发尚处于早期，竞争格局也尚未明朗。竞争格局不明朗，对于中国来说，就意味着机会。

1. 国家政策利好

第一是产业政策，中国的产业园或者说产业政策本来就有聚焦效应，这对于芯片产业的发展来说非常重要；第二是资本市场支持，芯片作为国家核心科技战略很难去美国上市，国家未来一定会让其在A股上市，对于收入、利润满足不了现有A股上市标准的，将会有一系列改革，这是必然趋势，现在国家已经有指导意见但还没有细则；第三，国家有可能从补贴的角度给予芯片创业项目支持。

2. 新兴技术领域中国并未落后

近几年在人工智能、无人驾驶、VR／AR等新兴技术领域，中国并未落后，最为典型的就是人工智能领域，中美的差距不是特别大，并不像工业时代。

3. 人工智能设备的本地化计算趋势是自研芯片的机会

过去人工智能设备都是云端运算，但是云端识别在运算速度、网络占用、交互体验等方面都有很大的弊端，比如智能音箱简单的唤醒功能需要将信息上传至服务器，经过云端处理之后再返回至本地机器人，一旦网络出现问题，整个交互体验都会受到影响。因此，未来本地化运算将是人工智能发展的趋势之一，未来如果每台终端都有一个本地化的计算芯片，体验会更好。

4. 通用芯片大厂的路径依赖，为自研芯片的发展创造了时间和空间

移动互联网时代英特尔转型移动端芯片是失败的，巨头多年巨额的研发支出，很难被摒弃。

芯片的竞争本质上是运行速度和成本的竞争。通用与专用，GPU、FPGA、ASIC三个技术路线如何实现分工和接替，是接下来AI芯片市场的一个焦点。

总结

基于人工智能的发展趋势，金准人工智能专家认为基于软件算法的技术创新类项目未来竞争壁垒会进一步降低，而硬件技术的创新比软件算法创新更具壁垒，同时在大厂路径依赖的情况下，某些领域创业公司反而更快、更有优势。

但是，芯片研发周期性很长，研发成功率低，是一个资金密集型和人力密集型行业。作为门槛较高的领域，要实现国产芯片的赶超，做芯片的创业公司对团队和投资人都有一定要求。

首先需要团队背景过硬，团队本身有强大的技术、资源等光环，只有这样的团队才更容易获得资本的支持。目前发展比较好的深鉴科技、寒武纪都是这样的团队。

二是投资者需要了解行业。芯片投资是高风险、高回报的，芯片创业不像做企业服务，3个月产品就能上线，半年之后产生数据，芯片的研发就需要三到五年，芯片的投资也是长期的而不是短期的，这是跟其很多行业都不同的投资逻辑。

作为投资人，必须懂芯片，才能了解为什么在天使阶段就有高估值，才了解行业规律愿意承担投资的风险，在早期参与进去并且保证创业团队不会因为资金问题而无法坚持。

目前我国已经在政策层面多次出台相关文件，将人工智能作为重点布局领。AI芯片是AI行业发展的必然路径，行业驱动因素较为明显。虽然目前英伟达在GPU上获得了较高的地位，但随着技术的演进以及前端芯片的打开，未来行业格局仍有可能有较大的改变。

基于芯片的强需求性，以及目前芯片运行速度和成本均无法满足现有需求的现状，星河互联会重点关注AI芯片领域。