2021年中國人工智能芯片行業全產業鏈市場運行態勢監測調研及項目可行性研究預測

?

人工智能芯片指應用在人工智能算法加速，主要實現大規模并行計算的芯片。而在更廣泛的概念下，任何應用在人工智能領域的芯片都可被稱為人工智能芯片。

（1）人工智能芯片以場景和功能分類：人工智能芯片可根據場景和功能分為云端訓練、云端推理、終端訓練和終端推理四個類別：

?

（2）人工智能芯片以技術路線分類：深度學習架構下的人工智能芯片以技術路線進行劃分，主要包括?GPU、FPGA、ASIC、ASIP?等類別：GPU?使用?SIMD?讓多個執行單元同時處理不同的數據，其離散化和分布式的特征，以及用矩陣運算替代布爾運算的設計使之適合處理深度學習所需要的非線性離散數據。與同樣基于馮·諾依曼架構的?CPU?不同的是，在傳統的馮·諾依曼結構中，CPU?每執行一條指令都需要存儲讀取、指令分析、分支跳轉才能進行運算，從而限制了處理器的性能；而?GPU?大部分的晶體管可以組成各類專用電路、多條流水線，運算單元明顯增多，適合大規模的并行計算。GPU?擁有更多的?ALU?用于數據處理，這樣的結構適合對密集型數據進行并行處理，獲得高于?CPU?幾十倍甚至上千倍的運行速度。在云端，通用?GPU，被廣泛應用于深度神經網絡訓練和推理。但是，GPU?并非專門針對?AI算法，在執行算法中能耗相對較高、效率相對較低，有一定的時延問題。

FPGA?利用門電路直接運算，而用戶可以自由定義這些門電路和存儲器之間的布線，改變執行方案。其基本原理是集成大量的基本門電路以及存儲器，通過大量的可編程邏輯單元實現針對性的算法設計，即實現以硬件定義軟件。FPGA通過可編程邏輯綜合，在并行計算上能夠獲得和?GPU?接近的并行計算性能，相比?CPU，有明顯的性能提升，同時在功耗上優勢明顯在深度學習算法仍處于高速迭代的狀態下，FPGA?因其可重構特性而具有顯著優勢。FPGA?市場化的阻礙主要在于高昂的硬件和開發成本，編程相對復雜，為實現重構而降低了計算資源占比，整體運算能力受到影響。

ASIC?則為專用定制芯片的統稱，在架構、設計、成本等方面存在更大的多樣性，其中?VPU?是為圖像處理和視覺處理設計的定制芯片。ASIC?的架構相對簡單，性能和功耗與通用型產品相比更低。由于不需要包含?FPGA?用于實現重構的可配置片上路由與連線，相同工藝的?ASIC?計算芯片可以擁有?FPGA5-10?倍的運算速度，實現?PPA?最優化設計。ASIC?針對場景的定制化設計使其更適合終端推理場景，而如今它的主要劣勢在于初期設計的資金投入和研發周期，且針對性設計限制了芯片的通用性。

中金企信國際咨詢公布《2021-2027年中國人工智能芯片市場發展規劃及投資戰略可行性預測報告》

ASIP?是一種新型的定制化指令集的處理器芯片，它為某個或某一類型應用而專門設計，通過權衡速度、功耗、成本、靈活性等多個方面的設計約束，設計者可以定制?ASIP?以達到最好的平衡點，從而適應嵌入式系統的需要。ASIP?集合了?FPGA?和?ASIC?各自的優點，不僅可以提供?ASIC?級別的高性能和低功耗，還能提供處理器級別的指令集靈活性，實現可重新編程，更適用于需求尚未被明確定義、需要芯片具備一定通用性和可編程性的應用場景，從而滿足?AI?算法快速更新迭代的需求，并延長芯片的使用生命周期。

?

未來，類腦芯片的神經擬態計算將帶來更大的想象空間，其內存、CPU?和通信部件將集成為一體，信息處理可以在本地進行。類腦芯片的設計目的也將不局限于加速深度學習算法，而是在芯片結構甚至器件層面上改變設計，開發出全新的類腦計算機體系結構。目前此項技術還尚未得到大規模應用，但很有可能成為行業內長期發展的路徑和方向。

（3）人工智能芯片行業市場規模與行業構成：市場規模方面，AI?芯片的需求正在快速擴大，預測全球AI?芯片市場規模將在未來五年內飆升，預計將從?2018?年的?42.7?億美元增長至2023?年的?343?億美元。2018?年，全球?AI?芯片市場呈現快速增長趨勢，市場規模達到?45.3?億美元，增速達?48.5%。2018?年，中國?AI?芯片市場占據全球?25.9%的市場份額，預計未來幾年仍將以超過?50%的速度快速增長。而根據《新一代人工智能發展規劃》預計，到?2020?年，中國智能計算芯片市場規模將達到?100?億元。

根據中金企信國際咨詢統計數據：從行業結構分布來看，在?2018?年安防行業是?AI?芯片落地應用的最大市場，市場規模達到?13.1?億元，占比?16.2%。其余用途比較廣泛的場景還包括零售、醫療、教育、制造、金融、物流、交通等領域。