《2017年全球及中国人工智能芯片行业市场前景研究报告》由会员分享，可在线阅读，更多相关《2017年全球及中国人工智能芯片行业市场前景研究报告（12页珍藏版）》请在金锄头文库上搜索。
1、2017 年全球及中国人工智能芯片行业市场前景研究报告一、人工智能的高速发展催生一、人工智能的高速发展催生 AIAI 芯片芯片随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆 发。而人工智能的实现依赖三个要素：算法是核心，硬件和数据是基础，芯片 就是硬件的最重要组成部分。它其实包括两个计算过程：1、训练（Train）； 2、应用（Inference）。为什么需要人工智能芯片？神经网络算法应用的不断发展，使得传统的 CPU 已经无法负担几何级增长的计算量。深度学习作为机器学习的分支，是当 前人工智能研究的主流方式。简单说就是用数学方法模拟人脑神经网络，用大 量数据训练机器来模拟人
2、脑学习过程，其本质是把传统算法问题转化为数据和 计算问题。所以对底层基础芯片的要求也发生了根本性改变：人工智能芯片的 设计目的不是为了执行指令，而是为了大量数据训练和应用的计算。AI 芯片的诞生之路资料来源：公开资料整理二、人工智能芯片三种技术路线分析二、人工智能芯片三种技术路线分析目前适合深度学习的人工智能芯片主要有 GPU、FPGA、ASIC 三种技术路线。 三类芯片代表分别有英伟达（NVIDIA）的 Tesla 系列 GPU、赛灵思（Xilinx） 的 FPGA 和 Google 的 TPU。GPU 最先被引入深度学习，技术最为成熟；FPGA 具 有硬件可编程特点，性能出众但壁垒高。AS
3、CI 由于可定制、低成本是未来终端 应用的趋势。1 1、DPUDPUGPU 使用 SIMD（单指令多数据流）来让多个执行单元以同样的步伐来处理 不同的数据，原本用于处理图像数据，但其离散化和分布式的特征，以及用矩 阵运算替代布尔运算适合处理深度学习所需要的非线性离散数据。作为加速器 的使用，可以实现深度学习算法。GPU 由并行计算单元和控制单元以及存储单元构成 GPU 拥有大量的核（多 达几千个核）和大量的高速内存，擅长做类似图像处理的并行计算，以矩阵的 分布式形式来实现计算。同 CPU 不同的是，GPU 的计算单元明显增多，特别适 合大规模并行计算。GPU 与 CPU 的比较资料来源：中商产
4、业研究院2 2、FPGAFPGAFPGA 是用于解决专用集成电路的一种方案。专用集成电路是为特定用户或 特定电子系统制作的集成电路。人工智能算法所需要的复杂并行电路的设计思 路适合用 FPGA 实现。FPGA 计算芯片布满“逻辑单元阵列”，内部包括可配置 逻辑模块，输入输出模块和内部连线三个部分，相互之间既可实现组合逻辑功 能又可实现时序逻辑功能的独立基本逻辑单元。FPGA 相对于 CPU 与 GPU 有明显的能耗优势，主要有两个原因。首先，在 FPGA 中没有取指令与指令译码操作，在 Intel 的 CPU 里面，由于使用的是 CISC 架构，仅仅译码就占整个芯片能耗的 50%；在 GPU
5、里面，取指令与译码也消耗 了 10%20%的能耗。其次，FPGA 的主频比 CPU 与 GPU 低很多，通常 CPU 与 GPU 都在 1GHz 到 3GHz 之间，而 FPGA 的主频一般在 500MHz 以下。如此大的频率差 使得 FPGA 消耗的能耗远低于 CPU 与 GPU。3 3、ASICASICASIC（专用定制芯片）是为实现特定要求而定制的芯片，具有功耗低、可 靠性高、性能高、体积小等优点，但不可编程，可扩展性不及 FPGA，尤其适合 高性能/低功耗的移动端。目前，VPU 和 TPU 都是基于 ASIC 架构的设计。针对图像和语音这两方面的 人工智能定制芯片，目前主要有专用于图像
6、处理的 VPU，以及针对语音识别的 FAGA 和 TPU 芯片。图像应用和语音应用人工智能定制芯片资料来源：中商产业研究院三、全球人工智能芯片行业发展现状三、全球人工智能芯片行业发展现状1 1、全球人工智能芯片行业规模分析、全球人工智能芯片行业规模分析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。数据来源：中商产业研究院2 2、全球人工智能芯片行业格局分析、全球人工智能芯片行业格局分析2016 年成为芯片企业和互联网巨头们在芯片领域全面展开部署的一年。而 在这其中，英伟达保持着绝对的领先地位。
7、但随着包括谷歌、脸书、微软、亚 马逊以及百度在内的巨头相继加入决战，人工智能领域未来的格局如何，仍然 待解。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%。而在这其中，GPU 的领跑者英伟达（Nvidia）因其在人工智能 领域的优势使其成为了资本市场的绝对宠儿：在过去的一年中，曾经以游戏芯 片见长的 Nvidia 股价从十几年的稳居 30 美元迅速飙升至 120 美元。据悉，世界上目前约有 3000 多家 AI 初创公司，大部分都采用了 Nvidia 提供的硬件平台。互联网和芯片行业巨头纷纷布局 AI 芯片领域资料来源：公开资料整理3 3、FPGAF
8、PGA 潜力被低估了，未来大有可为潜力被低估了，未来大有可为算法正向有利于 FPGA 发展的方向迭代。模型压缩是从训练环节走向推理 环节的必要过程。深鉴科技在将 LSTM 模型的尺寸压缩 20 倍后，采用了搭建在 FPGA 上的硬件框架 ESE，获得了高一个数量级的能量效率提升。能量效率分别 为 CPU 的 40 倍和 GPU 的 11.5 倍。FPGA 受益于芯片 NRE 费用指数级上升带来的规模效应。随着制程工艺不断 提高，芯片 NRE 费用指数级上升，越来越多的 ASIC 芯片将由于达不到规模经济 而被迫放弃，从而转向直接基于 FPGA 开发设计。四、中国人工智能芯片行业发展现状四、中国
9、人工智能芯片行业发展现状1 1、我国人工智能芯片行业正处于起步阶段、我国人工智能芯片行业正处于起步阶段目前，我国的人工智能芯片行业发展尚处于起步阶段。华为在 2017 年德 国柏林国际消费类电子产品展览会发布华为首款人工智能（ AI）移动计算平台 麒麟 970，是业界首颗带有独立 NPU（神经网络单元）的手机芯片，是华 为人工智能的重要里程碑，也是中国芯片设计行业的重要里程碑。2 2、我国人工智能芯片行业规模分析、我国人工智能芯片行业规模分析随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆 发。芯片约占人工智能比重的 15%，结合我国人工智能市场规模，推算出 2016 年我国人
10、工智能芯片市场规模约为 20 亿元。数据来源：中商产业研究院3 3、我国人工智能芯片行业区域发展分析、我国人工智能芯片行业区域发展分析据工信部统计，中国北上深三座城市的人工智能相关企业总数达 447 家， 攀升速度迅猛。目前，几乎所有互联网企业的互联网产品，都会或多或少加入 算法和深度学习的功能，AI 正在成为中国互联网公司的标配。资料来源：中商产业研究院五、科技巨头纷纷布局人工智能芯片领域五、科技巨头纷纷布局人工智能芯片领域全球科技巨头都在加紧布局 AI 芯片，希望走在科技变革时代的前线。NVIDIA 是 AI 芯片的市场领先者，占据了全球 GPU70%的市场份额；Intel 接连收购 Al
11、tera、Nervana、Movidius，全方位布局 AI 产品；Google 发布两代 TPU，从 ASIC 方向进军 AI 芯片市场；寒武纪科技是中科院计算所孵化的一家独 角兽公司。2016 年推出了国际首个深度学习专用处理器芯片(NPU)，技术全球 领先。1 1、NVIDIA:GPUNVIDIA:GPU 龙头，龙头，AIAI 芯片的市场领先者芯片的市场领先者目前全球 GPU 行业的市场份额有超过 70%被英伟达公司占据。而应用在人 工智能领域的可进行通用计算的 GPU 市场则基本被英伟达公司垄断。自 1999 年发布第一款 GPU 以来，GPU 就成为了英伟达最为核心的产品，占 到了英
12、伟达总营业收入的八成以上。英伟达的股价表现也是十分惊人，2016 年 英伟达的股价上涨了 228%，过去的 5 年内累计上涨 500%。目前英伟达 GPU 芯片主要应用方向为数据中心芯片、自动驾驶芯片和嵌入 式芯片。主要包括采用 Pascal 架构的 TeslaP100 和 TeslaP10 芯片、采用 Volta 架构的 DGX-1 芯片、自动驾驶的 DriverPX2 芯片、JetsonTX2 芯片等。GPU 芯片构成公司最主要收入来源，2017 年上半年，GPU 贡献收入 34.59 亿美元，占公司总收入的 83%；TegraProcessor 贡献收入 6.65 亿美元，占比 16%，
13、其他部分贡献收入 1%。数据来源：中商产业研究院2 2、IntelIntel：全领域布局人工智能产品：全领域布局人工智能产品2015 年，英特尔以 167 亿美元收购了 FPGA 制造商 Altera。英特尔斥巨资 收购 Altera 不是来为 FPGA 技术发展做贡献的，而是要让 FPGA 技术为英特尔的 发展做贡献。2016 年 8 月，Intel 宣布收购创业公司 NervanaSystems。Nervana 准备推 出深度学习定制芯片 NervanaEngine，相比 GPU 在训练方面可以提升 10 倍性能。 与 TeslaP100 类似，该芯片也利用 16-bit 半精度浮点计算单
14、元和大容量高带宽 内存（HBM，计划为 32GB，是竞品 P100 的两倍），摒弃了大量深度学习不需要 的通用计算单元。Intel 人工智能布局料来源：公开资料整理3 3、GoogleGoogle：发布两代：发布两代 TPUTPU，从，从 ASICASIC 方向进军方向进军 AIAI 芯片市场芯片市场第一代 TPU 展现出 ASIC 在神经网络推断方面的优秀性能。谷歌在 2016 年 的 I/O 大会上推出了自己的 AI 芯片张量处理器 TPU（第一代）。第二代 TPU 兼具推理+训练。2017 年 5 月 I/O 大会上，谷歌发布了第二代 TPUCloudTPU，峰值性能达到 180TFLO
15、PS/s。第一代 TPU 只加速推理，但第二 代 TPU 新增了训练的功能。不仅如此，谷歌的用户还能通过专门的网络，在云 端利用 TPU 构建机器学习的超级计算机。Google 公司 TPU 架构资料来源：Google4 4、寒武纪：在国际上开创了深度学习处理器方向、寒武纪：在国际上开创了深度学习处理器方向寒武纪科技由创始人陈天石教授带领中科院团队成立于 2016 年，致力于 打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。2016 年推出的寒武纪 1A 处理器（Cambricon-1A）是世界首款商用深度学 习专用处理器，其搭载了国际首个深度学习专用处理器芯片(NPU)（属于
16、ASIC），面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终 端设备，并于 2017 年 8 月获得了包括阿里在内的 1 亿美元 A 轮融资。寒武纪 1 号芯片和同期主流芯片对比资料来源：寒武纪神经网络计算机介绍目前寒武纪主要包括三条产品线：（1）智能终端处理器 IP 授权：智能 IP 指令集可授权集成到手机、安防、 可穿戴设备等终端芯片中，客户包括国内顶尖 SoC 厂商。（2）智能云服务器芯片：作为 PCIE 加速卡插在云服务器上，客户主要是 国内的知名服务器厂商。（3）家用智能服务机器人芯片：从智能玩具、智能助手入手，使服务机器 人独立具备看听说的能力。客户是各类下游机器人厂商，产品的推出将比智能 云服务器芯片更晚一些。中国正在发力人工智能芯片，以缩小与全球科技巨头的差距。中商产业研究院简介中商产业研究院简介中商产业研究院是深圳中商情大数据股份有限公司下辖的研究机构，研究范围涵盖智能装备制造、新能源、新材料、新金融、新消费、大健康、“互联网+”等新兴领域。公司致力于为国内外企业、上市公司、投融资机构、会计师事务所、律师事务所等提供各类数据服务
