皇冠足彩官网_全球AI芯片投资版图公开！机会都在这五大场景

过去一年，随着人工智能在各个行业的逐步落地，AI芯片的发展路径渐渐明朗。在行业走到残暴生长，开始加快落地、加快统合的过程中，也有更加多的AI芯片公司也开始走进属于自己的差异化路线。

　　以下为智能内参整理呈现出的干货：　　AI芯片投资地图　　AI芯片设计是人工智能产业链的重要一环。自2017年5月以来，各AI芯片厂商的新品竞相公布，经过一年多的发展，各环节分工渐渐显著。　　▲AI芯片新品竞相公布（自2017年5月以来公布的AI芯片一览）　　AI芯片的应用于场景仍然局限于云端，部署于智能手机、安防摄像头、及自动驾驶汽车等终端的各项产品日益非常丰富。

除了执着性能提高外，AI芯片也渐渐专心于类似场景的优化。　　目前，人工智能产业链中，还包括获取AI加快核的IP许可商，各种AI芯片设计公司，以及晶圆代工企业。

　　▲AI芯片投资地图　　如上图右图，按部署的方位来分，AI芯片可以部署在数据中心（云端），和手机，安防摄像头，汽车等终端（边缘）上。　　按分担的任务来分，可以被分成用作建构神经网络模型的训练芯片，与利用神经网络模型展开推测的推测芯片。训练芯片侧重意味著的计算能力，而推测芯片更加侧重综合指标，单位能耗算力、时延、成本等都要考虑到。

　　训练芯片受算力约束，一般只在云端部署。推测芯片按照有所不同应用于场景，分成手机边缘推测芯片、安防边缘推测芯片、自动驾驶边缘推测芯片。为便利起见，我们也称之为它们为手机AI芯片、安防AI芯片和汽车AI芯片。　　由于AI芯片对单位能耗算力拒绝较高，一般使用14nm/12nm/10nm等先进设备工艺生产。

台积电目前和Nvidia、Xilinx等多家芯片厂商进行合作，攻坚7nmAI芯片。　　五大场景塑造成352亿美元市场　　▲AI芯片市场规模及竞争格局　　根据中金公司对涉及上市AI芯片公司的收益统计资料，及对AI在各场景中渗透率的估计，2017年AI芯片市场规模已超过39.1亿美元，具体情况如下：　　1、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，云端推测芯片3.4亿美元。　　2、2017年全球手机AI芯片市场规模3.7亿美元。　　3、2017年全球安防摄像头AI芯片市场规模3.3亿美元。

　　4、2017年全球自动驾驶AI芯片的市场规模在8.5亿美元。　　可观的市场前景和战略意义使得AI芯片夺得了巨头们的盼望注目。

Nvidia在2017年时认为，到2020年，全球云端训练芯片的市场规模将超过110亿美元，而推测芯片（云端+边缘）的市场规模将超过150亿美元。　　Intel也在刚完结的2018DCI峰会上，也申明了数据业务驱动硬件市场快速增长的观点。Intel将2022年与用作数据中心继续执行AI加快的FPGA的TAM预测，由70亿美元调低至80亿美元。

　　而同时，中金公司也注意到：　　1、手机SoC价格大大下降、AI向中端机型渗入都将为行业建构更加辽阔的市场空间。　　2、安防芯片获益于现有设备的智能化升级，芯片市场需求不断扩大。　　3、自动驾驶方面，针对丰田公司明确提出的算力市场需求，我们看见当下芯片算力与L5级自动驾驶还有较小差距。

（英飞凌公司得出了各自动驾驶等级中的半导体价值预测，可以为我们的TAM估计获取参照。）　　▲历代Apple手机芯片成本趋势　　▲自动驾驶算力市场需求加快芯片升级　　▲英飞凌对各自动驾驶等级中半导体价值的预测　　融合以上观点，及我们对AI在各应用于场景下渗透率的分析，中金公司预测：　　1、云端训练芯片市场规模在2022年将超过172亿美元，CAGR~54%。　　2、云端推测芯片市场规模在2022年将超过72亿美元，CAGR~84%。

　　3、用作智能手机的边缘推测芯片市场规模2022年将超过38亿美元，CAGR~59%。　　4、用作安防摄像头的边缘推测芯片市场规模2022年将超过18亿美元，CAGR~41%。　　5、用作自动驾驶汽车的边缘推测芯片市场规模2022年将超过52亿美元，CAGR~44%。　　以下是五个应用于场景的详细分析。

　　云端训练芯片：英伟达霸主　　▲AI芯片工作流程　　训练是指通过大量的数据样本，代入神经网络模型运算并重复递归，来取得各神经元准确权重参数的过程。CPU由于计算出来单元较少，并行计算能力较强，不合适必要继续执行训练任务，因此训练一般使用CPU+加快芯片的异构计算模式。目前Nvidia的GPU+CUDA计算出来平台是最成熟期的AI训练方案，除此还有：　　1、第三方异构计算平台OpenCL+AMDGPU或OpenCL+Intel/Xilinx的FPGA。

　　2、云计算服务商自研加快芯片（如Google的TPU）这两种方案。　　各芯片厂商基于有所不同方案，都发售了针对于云端训练的AI芯片。

　　从整个云端训练芯片的市场竞争格局来看，目前NvidiaGPU的优势继续显著，即便是Google的一些深度自学训练任务，某种程度必不可少NvidiaGPU；在GPU之外，云端训练的新入竞争者是谷歌的TPU，但目前并不对外必要销售；英特尔方面，则在大力布局CPU+FPGA异构计算，并持续优化XeonCPU结构；某种程度耕耘FPGA的还有Xilinx；GPU销量仍然甚好的AMD也开始紧贴深度自学训练任务。　　云端推测芯片：百家争鸣　　推测是指利用现有神经网络模型展开运算，利用新的输出数据来重复使用取得准确结论的过程。推测过程对响应速度一般有较高拒绝，因此不会使用AI芯片（配备训练已完成的神经网络模型）展开加快。

　　比起训练芯片，推测芯片考虑到的因素更为综合：单位功耗算力，时延，成本等等。初期推测也使用GPU展开加快，但由于应用于场景的特殊性，依据明确神经网络算法优化不会带给更高的效率，FPGA/ASIC的展现出有可能更加引人注目。　　除了Nvidia、Google、Xilinx、Altera（Intel）等传统芯片大厂投身于云端推测芯片以外，Wavecomputing、Groq等初创公司也重新加入竞争。中国公司里，寒武纪、比特大陆某种程度大力布局云端芯片业务。

未来，云端推测芯片将针对智能语音辨识、智能搜寻等应用于场景，呈现出百花齐放的态势。　　手机端的推测芯片：格局平稳　　手机芯片市场目前还包括(1)苹果，三星，华为这类使用芯片+整机横向商业模式的厂商，以及(2)高通，联发科，展锐等独立国家芯片供应商和(3)ARM，Synopsys、Cadence等向芯片企业获取独立国家IP许可的供应商。　　使用横向商业模式厂商的芯片不对外发售，只服务于自身品牌的整机，性能针对自身软件作出了类似优化，靠效率取得胜利。

独立国家芯片供应商以比较更加强劲的性能指标，来取得剩下厂商的市场份额。　　▲手机AI芯片对比　　从2017年开始，苹果，华为海思，高通，联发科等主要芯片厂商陆续公布反对AI加快功能的新一代芯片（如下图），AI芯片渐渐向中端产品渗入。　　由于手机空间受限，独立国家的AI芯片很难被手机厂使用。

在AI加快芯片设计能力上有先发优势的企业（如寒武纪）一般通过IP许可的方式紧贴。　　▲智能手机SoC市占率分析（2017）　　对这些厂商来说，中金公司指出AI简化的主要起到是提高芯片可选价值与产品单价。

根据IHS的数据，随着硬件性能的强化及针对于AI的运算结构大大渗入，苹果A11芯片的成本已超过27.5美元。　　芯片成本持续下跌未来将会造就横向模式厂商整机售价走高，在出货量完全相同的情况下为现有芯片厂商贡献更好的营业收入。高通、联发科、展锐等独立国家芯片供应商则不会获益于芯片本身ASP的提高。　　安防边缘推测芯片：四方天下无敌　　视频监控行业在过去十几年主要经历了高清化、网络化的两次新一代，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最重要升级周期智能化的开始阶段。

　　前端摄像头装备终端推测芯片，可以动态对视频数据展开结构化处置，云+边缘的边缘计算出来解决方案渐渐渗入。中金公司预计，应用于安防摄像头的推测芯片市场规模，将从2017年的3.3亿美元，快速增长至2022年的18亿美元，CAGR~41%。　　边缘推测芯片在安防端的主要应用于，基于将视频流在本地转化成为结构化数据。

这样既节省云端存储空间，也提高系统工作效率。因此，大力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构成有力竞争。

　　▲安防AI芯片对比　　中金公司指出，目前整个安防AI芯片市场竞争格局平稳，现有厂商凭借与下游客户长年的合作，未来将会之后获益于安防智能化的升级，归属于新的转入者的市场空间受限。　　安防AI芯片下游客户平稳，为海康威视、大华股份等视频监控解决方案提供商。客户与传统视频解码芯片厂商的长年合作具备粘性，某种程度发售新产品，初创公司的竞争优势很弱一些，特别是在是在安防AI芯片性能差异化很难做相当大的情况下。　　自动驾驶边缘推测芯片：一片蓝海　　除了智能手机，安防外，自动驾驶汽车也是人工智能的落地场景之一。

　　车用半导体强劲市场需求早已使供给末端生产能力开始严重不足，而用作自动驾驶的推测芯片市场需求，某种程度未来将会在未来5年内构建高速快速增长。中金公司预计，其市场规模将从2017年的8.5亿美元，快速增长至2022年的52亿美元，CAGR~44%。　　▲自动驾驶算力市场需求加快芯片升级　　若想使车辆构建确实的自动驾驶，要经历在感官-建模-决策三个阶段，每个阶段都必不可少终端推测芯片的计算出来。不管是环境感官还是避障规划，自动驾驶都对芯片算力明确提出了很高的拒绝。

而受限于时延及可靠性，有关自动驾驶的计算出来无法在云端展开，因此边缘推测芯片升级势在必行。　　根据丰田公司的统计数据，构建L5级几乎自动驾驶，最少必须12TOPS的推测算力，按现行先进设备的NvidiaPX2自动驾驶平台测算，差不多必须15块PX2车载计算机，才能符合几乎自动驾驶的市场需求。　　▲自动驾驶平台对比　　近些年来，各传统车载半导体供应商争相醉心自动驾驶业务，发售了各自的自动驾驶，或辅助驾驶员平台；但下一代产品，中金公司预计Mobileye和新秀Nvidia未来将会构建领先。

　　自动驾驶芯片市场仍正处于初期跟上阶段，对比其他终端应用于场景，自动驾驶不仅计算出来复杂程度最低，车规级拒绝也为芯片成立了更高的管理制度门槛，其硬件升级落地比较较慢。　　目前各厂商下一代的自动驾驶平台最先计划于2019年量产，现今上市平台中，芯片大多只反对L2/3级。

　　虽然NXP等传统半导体厂商耕耘于汽车电子多年，取得了一定的客户粘性，但在自动驾驶业务上，整个市场还并未构成非常明显的竞争格局。客户也在大大测试芯片厂商的产品，来构建拟合自由选择。　　从客户的偏爱来看，传统大厂不愿自行搭起平台，再行订购所须要芯片，而新车厂偏向于必要出售自动驾驶平台。　　介于构建几乎自动驾驶非常复杂，目前还在跟上阶段，中金公司指出初创公司在整个行业的发展中是有机会的，并寄予厚望技术领先，能与车厂达成协议密切合作的初创公司。

　　本土新一代盘点　　中国大陆目前有超强20家企业投放AI芯片的研发中来。除了像华为海思、紫光展锐这种耕耘于芯片设计多年的企业之外，也有不少初创公司展现出出色，如寒武纪、比特大陆等。　　此外，台湾地区的GUC（创新电子）是一家IC后端设计公司，凭借20年的行业经验，和投资方晶圆生产巨头台积电的鼎力支持，在AI芯片高速发展的大环境下也未来将会获益。

　　▲中国大陆主要AI芯片设计公司最少有20家　　以下是中金公司引荐注目的AI芯片企业：　　海思半导体　　海思半导体（Hisilicon）正式成立于2004年10月，是华为集团的全资子公司。海思的芯片产品覆盖面积无线网络、固网及数字媒体等多个领域，其AI芯片为Kirin970手机SoC及安防芯片Hi3559AV100。

Kirin970构建NPU神经处理单元，是全球第一款手机AI芯片，它在处置静态神经网络模型方面有得天独厚的优势。而Hi3559AV100是一款性能领先的反对8k视频的AI芯片。　　清华紫光展锐　　清华紫光集团（TsinghuaUNISOC）于2013年、2014年先后已完成对展讯及锐迪科微电子的并购，2016年再行将二者拆分，正式成立紫光展锐。紫光展锐是全球第三大手机基带芯片设计公司，是中国领先的5G通信芯片企业。

　　Gartner的数据表明，紫光展锐手机基带芯片2017年出货量的全球占比为11%。除此之外，展锐还享有手机AI芯片业务，发售了使用8核ARMA55处理器的人工智能SoC芯片SC9863，反对基于深度神经网络的人脸识别技术，AI处置能力比上一代提高6倍。　　GUC　　GUC（台湾创新电子）是弹性客制化IC领导厂商（TheFlexibleASICLeaderTM），主要专门从事IC后端设计。后末端设计工作以布局布线为起点，以分解可以呈报晶圆厂展开流片的GDS2文件为起点，必须很多的经验，是芯片构建流片的重要一环。

　　在AI芯片设计发展的大环境下，再加大股东台积电的反对，GUC未来将会取得大量的后端订单。公司已在台湾证券交易所上海证券交易所上市，股票代号为3443。　　寒武纪科技　　寒武纪（CambriconTechnologies）创办于2016年3月，是中科院产卵的高科技企业，主要投资人为国投创业和阿里巴巴等。

　　公司产品分成终端AI芯片及云端AI芯片。终端AI芯片使用IP许可模式，其产品Cambricon-1A是全球首个构建商用的深度自学处理器IP。去年年底公司新的公布了第三代机器学习专用IPCambricon-1M，使用7nm工艺，性能差不多高达1A约10倍。云端产品上，寒武纪研发了MLU100AI芯片，反对训练和推测，单位功耗算力展现出引人注目。

　　比特大陆　　比特大陆（Bitmain）正式成立于2013年10月，是全球第一大比特币矿机公司，目前攻占了全球比特币矿机60%以上的市场。　　由于AI行业发展很快及公司发展必须，公司将业务扩展至AI领域，并于与2017年发售云端AI芯片BM1680，反对训练和推测。目前公司已发售第二代产品BM1682，相比上一代性能提高5倍以上。

　　地平线机器人　　正式成立于2015年7月，地平线（HorizonRobotics）是一家侧重软硬件融合的AI初创公司，由Intel、嘉实资本、低瓴资本领有投。　　公司主攻安防和自动驾驶两个应用于场景，产品为征程1.0芯片（反对L2自动驾驶）和旭日1.0（用作安防智能摄像头），具备高性能（实时处理1080P@30帧，并对每帧中的200个目标展开检测、追踪、辨识）、低功耗（典型功耗在1.5W）、和较低延后的优势（延后大于30毫秒）。

公司二代自动驾驶芯片将于1Q19流片，构建语义建模。　　云天励飞　　云天励飞（Intellifusion）创办于2014年8月，由山水每每传媒、松禾资本领有投，主攻安防AI芯片。

其自研IPU芯片是低功耗的深度自学专用处理器，含有专用图像处理加快引擎，通过级联拓展最少可处置64路视频。能耗比引人注目，多达2Tops/Watt。

　　异构智能　　异构智能（NovuMind）创办于2015年8月，由洪泰基金、宽带资本、真格基金和英诺天使投资。　　2018年公司展出了其首款云端AI芯片NovuTensor，基于FPGA构建，性能已超过目前最先进设备的桌面服务器GPU的一半以上，而耗电量仅有1/20。

公司将要发售的第二款ASIC芯片，能耗不超强5W，计算出来性能约15TOPs，将被用作安防和自动驾驶应用于中。　　龙加智　　创办于2017年7月，龙加智（Dinoplus）是专心于云端芯片的AI初创公司，由挚信资本和翊翎资本领有投。

　　公司产品Dino-TPU在75W功耗下，计算能力多达除最新款NvidiaVolta之外的所有GPU，时延仅有为VoltaV100的1/10。同时，Dino-TPU获取市场上独一无二的校验备份和数据安全确保。

公司计划于2018年底已完成第一款芯片的流片。　　智东西指出，GPU早已在训练芯片方面站稳脚跟，但随着人工智能场景简化的逐步了解，针对性更加强劲的TPU和更加灵活性的FPGA将瓜分新的市场，而边缘计算出来（推测）方面，多样化的场景应用于给传统玩家、芯片厂商和新兴创企获取了充裕的竞争平台。

本文来源：皇冠足彩官网-www.groovereviewed.com