|
当前AI芯片设计方案繁多，包括但不限于GPUFPGAASICDSP等。所以目前市场上对于AI芯片并无明确统一的定义，广义上所有面向人工智能（Artificial Intelligence，AI）应用的芯片都可以被称为AI芯片。 在人工智能发展初期，算法已经通过数据中心（云端）在大数据分析、精准营销、商业决策等方面实现了成功地应用落地。 而未来，智能化将会逐渐渗透进入能源、交通、农业、公共事业等更多行业的商业应用场景中，考虑到智能化任务运算力需求，以及传输带宽、数据安全、功耗、延时等客观条件限制，现有云端计算解决方案难以独自满足人工智能本地应用落地计算需求，终端、边缘场景同样需要专用的AI芯片。 应用场景：云计算 云计算发展自互联网厂商提升服务器使用效率而逐渐开始的服务器Web租赁服务。在云计算产业链中，云厂商负责基础设施和云组织架构的搭建，并为客户提供PaaS、SaaS服务，具有极高的资本和技术门槛，在产业链中享有极大的话语权。 通过云服务模式，采取按需租用超算中心计算资源可极大降低项目期初资本投入，同时也省却了项目开发期间的硬件运维费用，实现资本配置效率的最大化提升。 云计算服务模型 云计算是一种按使用计费的IT服务模型，实现对高可靠、可配置的计算资源池（服务器、存储、网络、应用程序和服务）方便快捷的访问，资源可通过最少的管理工作快速的配置和发布。 云计算具有：资源池、广泛的网络访问、按需自助服务、快速弹性膨胀、测量服务等5个基本特征。 云计算市场需求 中国云计算产业比美国发展晚2~4年左右，在全球云计算市场中，美国占比达到54.1%，中国仅为5%。2017年中国IT支出为2.4万亿人民币，仅占全球IT总支出金额的9.92%，对应中国GDP水平仍有较大的提升空间。 中国虽然起步较晚但发展迅猛，对比亚马逊及阿里巴巴云计算资本支出数据，可以看到阿里巴巴在云计算领域支出总金额绝对值虽然少于亚马逊，但增速却显著超过了亚马逊的资本支出增速，这显示了近年来国内加大对于计算资源基础设施的建设力度，将极大受益于服务器厂商及上游芯片厂商业绩。 云计算AI芯片市场规模 当前全球云计算AI芯片市场英伟达一家独大（尤其是训练端），主要原因是英伟达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，产品广受AI开发者好评。 但同时其产品也存在着功耗偏大、价格昂贵等问题，因此各大云厂商纷纷提出自己的AI芯片开发计划以摆脱上游AI芯片供货商一家独大的垄断市场情况。 在当前智能服务器渗透率尚低，GPU产品并非完美解决方案的情况下，对于其他AI芯片厂商云计算中心市场依然存在着较大的市场空间可以进入。 应用场景：边缘计算 在边缘计算场景，AI芯片主要承担推断任务，通过将终端设备上的传感器（麦克风阵列、摄像头等）收集的数据代入训练好的模型推理得出推断结果。 由于边缘侧场景多种多样、各不相同，对于计算硬件的考量也不尽相同，芯片可以是IP inSoC，也可以是边缘服务器，对于运算力和能耗等性能需求也有大有小。 因此不同于云端场景的“高端、通用”，应用于边缘计算的AI芯片需要针对特殊场景进行针对性设计以实现最优的解决方案。 智慧安防市场 在国内，安防市场是最为确定的边缘侧AI应用场景，主要原因是大量的监控视频数据分析对人力的需求与当前基层人力缺失、人力成本上升之间的显著矛盾。 需求来自于包括政府、大中企业以及个人安防需求，主要市场需求来自于政府，包括平安城市、智慧交通管控、智慧城市、雪亮工程等。 另外智能摄像头的应用可以有效解决基层数据传输带宽压力以及基层警力人员缺失等问题，因而政府项目将会对智能安防摄像头市场带来较大的驱动作用。 移动互联网市场 智能手机在经历了近10年的高速增长后，市场已趋于饱和，出货增速趋近于0，行业逐渐转为存量市场。 近年来，一批国产厂商在产品质量上逐渐达到了第一梯队的水平，进一步加剧了头部市场的竞争。为实现差异化竞争，各厂商加大手机AI 功能的开发，通过在手机SoC芯片中植入AI芯片实现在低功耗情况下AI功能的高效运行。 随着未来竞争进一步加剧，以及产量上升所带来的成本下降，预计AI芯片将会进一步渗透进入到中等机型市场，市场空间广阔。 移动端AI芯片市场不止于智能手机，潜在市场还包括：智能手环/手表、VR/AR眼镜等市场。 自动驾驶市场 根据美国汽车工程师协会（SAE）将自动驾驶按照车辆行驶对于系统依赖程度分为L0~L5六个级别，L0为车辆行驶完全依赖驾驶员操纵，L3级以上系统即可在特定情况下实现驾驶员脱手操作，而L5级则是在全场景下车辆行驶完全实现对系统的依赖。 目前商业化乘用车车型中仅有Audi A8、Tesla、凯迪拉克等部分车型可实现L2、3级ADAS。预计在2020年左右，随着传感器、车载处理器等产品的进一步完善，将会有更多的L3级车型出现。 而L4、5级自动驾驶预计将会率先在封闭园区中的商用车平台上实现应用落地，更广泛的乘用车平台高级别自动驾驶，需要伴随着技术、政策、基础设施建设的进一步完善，预计至少在2025年~2030年以后才会出现在一般道路上。 伴随人工智能技术在视觉领域的应用，基于视觉技术的自动驾驶方案逐渐变为可能，这需要在传统行车电脑平台上添加用于视觉算法处理的AI芯片。 自动驾驶汽车计算单元设计需要考虑算力、功耗体积等问题，出于硬件资源最优化应用，往往采取异构计算平台设计方案，及“CPU+XPU”（XPU包括：DSP/GPU/FPGA/ASIC），其中可采取DSP用于图像特征提取任务、GPU/FPGA/ASIC等计算单元用于目标识别、追踪任务等，而CPU则会用于定位、决策等逻辑运算任务。 芯片研发、制造成本高昂，对资金需求极大，预计未来1~2年，随着各厂商首批AI芯片产品的面市，市场将会对各厂商的产品和技术进行实际检验，技术不足、产品缺乏竞争力的团队在缺乏后续订单和盈利支撑的情况下将会陆续退出市场，存活下来的企业将会是技术和产品领先、获得市场认可的优秀企业和团队。 当前已经有一批企业在产品研发和市场推广上做出了一定的成绩，其中包括海外和国内的科技巨头和创业公司，如：英伟达、华为海思、寒武纪、比特大陆等，其产品在云端、自动驾驶、智慧安防、移动互联网等场景中获得了较好地应用。
|
