2022年中國(guó)人工智能芯片研究報(bào)告中國(guó)人工智能芯片行業(yè)發(fā)展現(xiàn)狀一二

人工智能芯片行業(yè)解讀1.技術(shù)層面目錄C

O

N

T

E

N

T

S2.應(yīng)用層面三

中國(guó)人工智能芯片行業(yè)的挑戰(zhàn)與機(jī)遇一、.中國(guó)人工智能芯片行業(yè)發(fā)展現(xiàn)狀1.1研究主體界定：面向人工智能領(lǐng)域的芯片及其技術(shù)、算法與應(yīng)用

“無(wú)芯片不AI”,以AI芯片為載體實(shí)現(xiàn)的算力是人工智能發(fā)展水平的重要衡量標(biāo)準(zhǔn)。

廣義的AI芯片：專門用于處理人工智能應(yīng)用中大量計(jì)算任務(wù)的模塊，即面向人工智能領(lǐng)域的芯片均被稱為AI芯片。

狹義的AI芯片：針對(duì)人工智能算法做了特殊加速設(shè)計(jì)的芯片。

AI芯片即人工智能算法做特殊加速設(shè)計(jì)的四種主流芯片GPU、ASIC、FPGA、類腦芯片以及系統(tǒng)級(jí)AI芯片技術(shù)、實(shí)現(xiàn)AI的主流算法及在場(chǎng)景中的應(yīng)用情況進(jìn)行解析。智慧金融智慧醫(yī)療智能制造計(jì)算機(jī)視覺(jué)增強(qiáng)學(xué)習(xí)分布式計(jì)算教育無(wú)人駕駛智慧零售機(jī)器學(xué)習(xí)營(yíng)銷在場(chǎng)景應(yīng)用中，利用人工智能學(xué)科技術(shù)解決生產(chǎn)生活的問(wèn)題。應(yīng)用層技術(shù)層終端產(chǎn)品智能安防智慧城市語(yǔ)音識(shí)別深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)行業(yè)大數(shù)據(jù)智能家居通用技術(shù)算法自然語(yǔ)言處理機(jī)器學(xué)習(xí)常用的算法與技術(shù)等，解決人工智能應(yīng)用中的核心計(jì)算問(wèn)題。技術(shù)框架數(shù)據(jù)分布式儲(chǔ)存通用數(shù)據(jù)人工智能應(yīng)用中完成大量運(yùn)算所需的硬件、模型訓(xùn)練所需的數(shù)據(jù)及數(shù)據(jù)處理平臺(tái)等。基礎(chǔ)層系統(tǒng)硬件智能云平臺(tái)大數(shù)據(jù)平臺(tái)GPU/FPGA等加速硬件智能芯片1.2AI芯片的發(fā)展歷程：模仿人腦建立的模型和算法與半導(dǎo)體芯片發(fā)展交替進(jìn)行

人工智能算法需要在計(jì)算機(jī)設(shè)備上實(shí)現(xiàn)，而芯片又是計(jì)算機(jī)設(shè)備運(yùn)作的核心零件，因此AI芯片的發(fā)展主要依賴兩個(gè)領(lǐng)域：第一個(gè)是模仿人腦建立的數(shù)學(xué)模型與算法，第二個(gè)是半導(dǎo)體集成電路即芯片。優(yōu)質(zhì)的算法需要足夠的運(yùn)算能力也就是高性能芯片的支持。

人工智能于芯片的發(fā)展分為三個(gè)階段：第一階段由于芯片算力不足，神經(jīng)網(wǎng)絡(luò)算法未能落地；第二階段芯片算力提升，但仍無(wú)法滿足神經(jīng)網(wǎng)絡(luò)算法需求；第三階段，GPU和新架構(gòu)的AI芯片促進(jìn)了人工智能的落地。

目前，隨著第三代神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，彌合了神經(jīng)科學(xué)與機(jī)器學(xué)習(xí)之間的壁壘，AI芯片正在向更接近人腦的方向發(fā)展。億歐智庫(kù)：人工智能與半導(dǎo)體芯片的發(fā)展進(jìn)程對(duì)照19401960198020002020神經(jīng)網(wǎng)絡(luò)模型感知器Hopfield網(wǎng)絡(luò)新的DNN算法半導(dǎo)體芯片基于深度學(xué)習(xí)的AI芯片F(xiàn)PGAGPU類腦芯片晶體管第一塊芯片CPU(MCU)神經(jīng)網(wǎng)絡(luò)芯片1.3中國(guó)市場(chǎng)環(huán)境：需求是主要驅(qū)動(dòng)力，邊緣/終端芯片市場(chǎng)將持續(xù)增長(zhǎng)。

2018年12月，中央經(jīng)濟(jì)會(huì)議把人工智能與5G、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等定義為新型基礎(chǔ)設(shè)施建設(shè)，各行業(yè)數(shù)字化轉(zhuǎn)型加速，產(chǎn)生了更多樣化的人工智能產(chǎn)業(yè)應(yīng)用數(shù)據(jù)和更復(fù)雜的深度學(xué)習(xí)算法需求。目前，中國(guó)人工智能產(chǎn)業(yè)鏈中，應(yīng)用層企業(yè)比例超過(guò)80%，結(jié)合場(chǎng)景的應(yīng)用落地是人工智能產(chǎn)業(yè)的主要驅(qū)動(dòng)力。

根據(jù)數(shù)據(jù)，中國(guó)人工智能企業(yè)的十大應(yīng)用技術(shù)領(lǐng)域中，計(jì)算機(jī)視覺(jué)、機(jī)器人、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、生物識(shí)別占比居前五；企業(yè)服務(wù)、機(jī)器人和通用方案以及安防、汽車是AI應(yīng)用的主要方向，邊緣/終端芯片需求將持續(xù)增長(zhǎng)。1.4市場(chǎng)規(guī)模測(cè)算：市場(chǎng)規(guī)模平穩(wěn)增長(zhǎng)，產(chǎn)業(yè)融合加速

人工智能整體市場(chǎng)已從2020年的疫情影響中恢復(fù)，同時(shí)，隨著技術(shù)的成熟以及數(shù)智化轉(zhuǎn)型升級(jí)，內(nèi)在需求增加，中國(guó)人工智能核心產(chǎn)業(yè)市場(chǎng)規(guī)模將持續(xù)平穩(wěn)增長(zhǎng)，預(yù)計(jì)2025年將達(dá)到約4000億元。

隨著大算力中心的增加以及終端應(yīng)用的逐步落地，中國(guó)AI芯片需求也持續(xù)上漲。2021年疫情緩解，市場(chǎng)回暖，產(chǎn)生較大增幅；類腦等新型芯片預(yù)計(jì)最早于2023年進(jìn)入量產(chǎn)，因此2024及2025年或有較大增長(zhǎng)，預(yù)計(jì)市場(chǎng)規(guī)模將于2025年達(dá)到1740億元。億歐智庫(kù)：中國(guó)人工智能核心產(chǎn)業(yè)市場(chǎng)規(guī)模（單位：億元）億歐智庫(kù)：2019-2025年中國(guó)AI芯片市場(chǎng)規(guī)模（單位：億元）CAGR=31.2%CARG=42.9%1.5中國(guó)投資環(huán)境：資本持續(xù)進(jìn)入，交易金額均超億元

相較2020年，人工智能領(lǐng)域投資數(shù)量有所減少，但單筆投資規(guī)模呈上升趨勢(shì)。AI芯片產(chǎn)業(yè)也持續(xù)有資本進(jìn)入，單筆融資金額均超億元。

截止2022年1月，2021年中國(guó)人工智能芯片相關(guān)領(lǐng)域融資事件共計(jì)92起，總金額約300億人民幣。2021年中國(guó)人工智能芯片交易事件及金額中國(guó)人工智能芯片交易事件（部分）-截止2022年1月（截止2022年1月）時(shí)間階段金額燧原科技沐曦集成電路天數(shù)智芯壁仞科技智砹芯半導(dǎo)體地平線2021-01-052021-01-182021-03-012021-03-302021-04-072021-06-102021-07-162021-07-232021-07-272021-08-192021-11-032021-11-122021-12-202021-12-212022-01-12C輪18億元Pre-A輪C輪數(shù)億元12億元數(shù)十億元數(shù)億元B輪A輪C系列A輪15億美元數(shù)億元埃瓦智能星云智聯(lián)后摩智能靈汐科技芯啟源Pre-A輪A輪數(shù)億元未披露戰(zhàn)略投資A輪未披露數(shù)億元安路科技瀚博半導(dǎo)體中科馭數(shù)墨芯已上市B輪13.03億元16億元數(shù)億元A+輪A輪數(shù)億元人工智能芯片國(guó)內(nèi)投資事件數(shù)量人工智能芯片國(guó)內(nèi)投資事件金額（單位：億元）深聰智能2022-01-11A輪數(shù)億元1.5中國(guó)AI芯片產(chǎn)業(yè)圖譜中國(guó)人工智能芯片產(chǎn)業(yè)圖譜邊/端側(cè)芯片云端芯片類腦芯片IP授權(quán)二、人工智能芯片解讀2.1.1基于技術(shù)架構(gòu)、部署位置及實(shí)踐目標(biāo)的AI芯片分類

AI芯片一般泛指所有用來(lái)加速AI應(yīng)用，尤其是用在基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)中的硬件。

AI芯片根據(jù)其技術(shù)架構(gòu)，可分為GPU、FPGA、ASIC及類腦芯片，同時(shí)CPU可執(zhí)行通用AI計(jì)算，其中類腦芯片還處于探索階段。

AI芯片根據(jù)其在網(wǎng)絡(luò)中的位置可以分為云端AI芯片、邊緣及終端AI芯片；根據(jù)其在實(shí)踐中的目標(biāo)，可分為訓(xùn)練（training）芯片和推理（inference）芯片。

云端主要部署訓(xùn)練芯片和推理芯片，承擔(dān)訓(xùn)練和推理任務(wù)，具體指智能數(shù)據(jù)分析、模型訓(xùn)練任務(wù)和部分對(duì)傳輸帶寬要求比高的推理任務(wù)；邊緣和終端主要部署推理芯片，承擔(dān)推理任務(wù)，需要獨(dú)立完成數(shù)據(jù)收集、環(huán)境感知、人機(jī)交互及部分推理決策控制任務(wù)。技術(shù)架構(gòu)種類定制化程度可編輯性算力價(jià)格優(yōu)點(diǎn)缺點(diǎn)應(yīng)用場(chǎng)景通用性較強(qiáng)且適合大規(guī)模并行運(yùn)算；設(shè)計(jì)和制造工藝成熟并行運(yùn)算能力在推理端無(wú)法完全發(fā)揮高級(jí)復(fù)雜算法和通用性人工智能平臺(tái)GPU通用型不可編輯中高可通過(guò)編程靈活配置芯片架構(gòu)適應(yīng)算法迭代，平均性能較高；功耗較低；開發(fā)時(shí)間較短（6個(gè)月）量產(chǎn)單價(jià)高；峰值計(jì)算能力較低；硬件編程困難FPGA半定制化容易編輯高中適用于各種具體的行業(yè)通過(guò)算法固化實(shí)現(xiàn)極致的性能和能效、平均性很強(qiáng)；功耗很低；體積小；量產(chǎn)后成本最低當(dāng)客戶處在某個(gè)特殊場(chǎng)景，可以為其獨(dú)立設(shè)計(jì)一套專業(yè)智能算法軟件前期投入成本高；研發(fā)時(shí)間長(zhǎng)（1年）；技術(shù)風(fēng)險(xiǎn)大ASIC全定制化模擬人腦難以編輯不可編輯高高低最低功耗；通信效率高；認(rèn)知能力強(qiáng)類腦芯片-目前仍處于探索階段適用于各種具體的行業(yè)2.1.2GPU：從圖形處理器到通用數(shù)據(jù)并行處理器

GPU(GraphicsProcessingUnit)圖形處理器最初是一種專門用于圖像處理的微處理器，隨著圖像處理需求的不斷提升，其圖像處理能力也得到迅速提升。目前，GPU主要采用數(shù)據(jù)并行計(jì)算模式完成頂點(diǎn)渲染、像素渲染、幾何渲染、物理計(jì)算和通用計(jì)算等任務(wù)。因其超過(guò)CPU數(shù)十倍的計(jì)算能力，已成為通用計(jì)算機(jī)和超級(jí)計(jì)算機(jī)的主要處理器。其中通用圖形處理器GPGPU(GeneralProposeComputingonGPU)常用于數(shù)據(jù)密集的科學(xué)與工程計(jì)算中。

英偉達(dá)與AMD仍占據(jù)GPU霸主地位，2018年至今，國(guó)產(chǎn)GPU也積極發(fā)展中，已有部分產(chǎn)品落地。億歐智庫(kù)：CPU和GPU對(duì)比億歐智庫(kù)：GPU的開發(fā)環(huán)境.

CG(CforGraphics)：為GPU編程設(shè)計(jì)的高級(jí)繪制語(yǔ)言，由NVIDIA和微軟聯(lián)合開發(fā)，微軟版本叫HLSL，CG是NVIDIA版本。.

CUDA（ComputeUnifiedDeviceArchitecture，統(tǒng)一計(jì)算架構(gòu)）：由NVIDIA所推出的一種集成技術(shù)，是首次可以利用GPU作為C-編譯器的開發(fā)環(huán)境。可以兼容OpenCL或者自家的C-編譯器。ALU：算數(shù)邏輯單元DRAM：動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器Cache：高速緩沖存儲(chǔ)器Control：控制單元.

ATIStream：AMD針對(duì)旗下圖形處理器（GPU）所推出的通用并行計(jì)算技術(shù)。利用這種技術(shù)可以充分發(fā)揮AMDGPU的并行運(yùn)算能力，用于對(duì)軟件進(jìn)行加速或進(jìn)行大型的科學(xué)運(yùn)算。CPUGPU～10并行浮點(diǎn)計(jì)算能力運(yùn)算方式1.

OpenCL(OpenComputingLanguage，開放計(jì)算語(yǔ)言)：為異構(gòu)平臺(tái)編串行寫程序的框架，此異構(gòu)平臺(tái)可由CPU，GPU或其他類型的處理器組成。高顯存帶寬帶寬內(nèi)存帶寬小億歐智庫(kù)：GPU體系的發(fā)展趨勢(shì)通過(guò)大的緩存保證訪問(wèn)內(nèi)存的低延遲。直接訪問(wèn)顯存因此延時(shí)較長(zhǎng)。.

增加計(jì)算資源密度.

提高存儲(chǔ)體系性能和功能.

增強(qiáng)通信能力和可靠性.

降低功耗延遲2.1.3ASIC與FPGA:AI芯片領(lǐng)域“兵家必爭(zhēng)之地”

FPGA全稱是FieldProgrammableGateArray：可編程邏輯門陣列，是一種“可重構(gòu)”芯片，具有模塊化和規(guī)則化的架構(gòu)，主要包含可編程邏輯模塊、片上儲(chǔ)存器及用于連接邏輯模塊的克重購(gòu)互連層次結(jié)構(gòu)。在較低的功耗下達(dá)到GFLOPS數(shù)量級(jí)的算力使之成為并行實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)的替代方案。

ASIC（Application-SpecificIntegratedCircuit）是指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。ASIC從性能、能效、成本均極大的超越了標(biāo)準(zhǔn)芯片，非常適合AI計(jì)算場(chǎng)景，是當(dāng)前大部分AI初創(chuàng)公司開發(fā)的目標(biāo)產(chǎn)品。億歐智庫(kù)：芯片設(shè)計(jì)流程與設(shè)計(jì)優(yōu)勢(shì)對(duì)比ASICASIC設(shè)計(jì)中往往要用到FPGA進(jìn)行原型驗(yàn)證FPGA.

可加速上市進(jìn)程：開發(fā)時(shí)間較短，且無(wú)需布局、掩膜等制造步驟。功能描述電路設(shè)計(jì)與輸入功能仿真功能描述.

完整的定制功能與更小的尺寸：由于器件是根據(jù)設(shè)計(jì)的規(guī)格進(jìn)行生產(chǎn)的（注：ASIC芯片也模塊劃分模塊編碼輸入模塊級(jí)仿真驗(yàn)證系統(tǒng)集成.

非提前支付的一次性開支：這些均是ASIC設(shè)計(jì)中需要的開支。分為全定制和半定制）。.

更低的器件成本：實(shí)現(xiàn)大批量設(shè)計(jì)與生產(chǎn)，批量越大，成本越低。綜合優(yōu)化.

更簡(jiǎn)化的設(shè)計(jì)周期：可通過(guò)設(shè)計(jì)軟件處理布線、布局及時(shí)序等問(wèn)題。綜合后仿真實(shí)現(xiàn)與布局布線時(shí)序仿真.

高性能、低功耗：ASIC芯片相當(dāng)于將AI算法“硬件化”，特定算法下能效更高。系統(tǒng)仿真驗(yàn)證綜合.

更具預(yù)測(cè)性的項(xiàng)目周期：消除了潛在的重新設(shè)計(jì)和晶圓容量等。靜態(tài)時(shí)序分析（STA)等價(jià)性檢驗(yàn)靜態(tài)時(shí)序分析.

可形成IP核復(fù)用：模塊化的設(shè)計(jì)方法，可根據(jù)設(shè)計(jì)需要進(jìn)行IP選取。板級(jí)仿真與驗(yàn)證調(diào)試與加載配置物理設(shè)計(jì)（布線等）形式驗(yàn)證.

現(xiàn)場(chǎng)可重編功能：可以遠(yuǎn)程上傳的新比特流，通過(guò)軟件實(shí)現(xiàn)自定義硬件功能。2.1.4ASIC與FPGA：功能與市場(chǎng)定位不同，競(jìng)爭(zhēng)關(guān)系不明顯

FPGA具有開發(fā)周期短，上市速度快，可配置性等特點(diǎn)，目前被大量的應(yīng)用在大型企業(yè)的線上數(shù)據(jù)處理中心和軍工單位。ASIC一次性成本遠(yuǎn)遠(yuǎn)高于FPGA，但由于其量產(chǎn)成本低，應(yīng)用上就偏向于消費(fèi)電子，如移動(dòng)終端等領(lǐng)域。

目前，處理器中開始集成FPGA，也出現(xiàn)了可編程的ASIC，同時(shí)，隨著SoC的發(fā)展，兩者也在互相融合。億歐智庫(kù)：ASIC&FPGA總體對(duì)比億歐智庫(kù)：ASIC&FPGA成本對(duì)比價(jià)格走勢(shì)FPG

AAS

IC較低，F(xiàn)PGA結(jié)構(gòu)上的通用性必然導(dǎo)致冗余；另外，不不同結(jié)構(gòu)間的時(shí)延也不可忽略。較高，結(jié)構(gòu)上無(wú)特殊限制，設(shè)計(jì)時(shí)也可將特定模塊靠近減少延遲運(yùn)算速度實(shí)現(xiàn)相同的功能時(shí)，需要更大的

實(shí)現(xiàn)相同的功能時(shí)，ASIC的規(guī)模芯片規(guī)模功耗FPGA更小批量相同工藝條件下，功耗更大相同工藝條件下，功耗更小億歐智庫(kù)：ASIC&FPGA技術(shù)與商業(yè)化對(duì)比技術(shù)由于進(jìn)入生產(chǎn)后硬件不可更改，開發(fā)工具和流片過(guò)程可能產(chǎn)生大量成本幾乎無(wú)開發(fā)工具和風(fēng)險(xiǎn)，主要成本都在單片上。成本商業(yè)靈活性與部署能力運(yùn)行過(guò)程產(chǎn)品定位加載配置進(jìn)入存儲(chǔ)器需要時(shí)間可立即運(yùn)行價(jià)格FPGAFPGA適用于項(xiàng)目產(chǎn)品需要靈活變動(dòng)等方面的產(chǎn)品及產(chǎn)品要求快速占領(lǐng)市場(chǎng)的情況適用于設(shè)計(jì)規(guī)模較大，或應(yīng)用成熟的產(chǎn)品如消費(fèi)電子等ASICASIC發(fā)展方向大容量、低電壓、低功耗、SoC更大規(guī)模、IP復(fù)用技術(shù)、SoC性能與能效容量2.1.5基于不同硬件實(shí)現(xiàn)方式的AI芯片：系統(tǒng)級(jí)芯片

在手機(jī)、可穿戴設(shè)備等端設(shè)備中，很少有獨(dú)立的芯片，AI加速將由SoC上的一個(gè)IP實(shí)現(xiàn)。

SoC(System-on-chip，片上系統(tǒng)）作為ASIC設(shè)計(jì)方法學(xué)中的新技術(shù)，始于20世紀(jì)90年代中期，是以嵌入式系統(tǒng)為核心，以IP復(fù)用技術(shù)為基礎(chǔ)，集軟、硬件于一體的集成芯片。在一個(gè)芯片上實(shí)現(xiàn)信號(hào)的傳輸、存儲(chǔ)、處理和I/O等功能，包含嵌入軟件及整個(gè)系統(tǒng)的全部?jī)?nèi)容。

由于高集成效能，SoC已經(jīng)成為微電子芯片發(fā)展的必然趨勢(shì)。億歐智庫(kù)：SoC芯片制造流程流程設(shè)計(jì)制造封裝測(cè)試..軟硬件協(xié)同設(shè)計(jì)..與芯片制造流程相同，包含晶圓制造、光刻、摻雜等流程。核心挑戰(zhàn)：克服不同電路區(qū)塊之間制程相容性問(wèn)題，即遷就微縮進(jìn)展較慢的功能區(qū)塊或在成本上找到平衡。..打線為主的傳統(tǒng)封裝己無(wú)法滿足需要，晶片級(jí)封裝及I/O高腳位錫球封、CSP(ChipScalePackaging)等將是未來(lái)SOC封裝技術(shù)的主流。..SoC趨勢(shì)下，測(cè)試機(jī)臺(tái)走向多功能單一機(jī)型，測(cè)試各種邏輯、模擬與存儲(chǔ)電路。核心挑戰(zhàn)：SoC設(shè)計(jì)中的多樣性使得驗(yàn)證更加困難。芯片硬件設(shè)計(jì)：包括功能設(shè)計(jì)階段、設(shè)計(jì)描述和行為級(jí)驗(yàn)證、邏輯綜合、門級(jí)_x0008_驗(yàn)證和布局與布線。技術(shù)與挑戰(zhàn)核心挑戰(zhàn)：更多的端口數(shù)目。.核心挑戰(zhàn)：IP復(fù)用億歐智庫(kù)：SoC整體架構(gòu)億歐智庫(kù)：SoC產(chǎn)業(yè)發(fā)展趨勢(shì)億歐智庫(kù)：SoC的優(yōu)勢(shì)..平臺(tái)化設(shè)計(jì)：有效提高設(shè)計(jì)生產(chǎn)力從而應(yīng)對(duì)由應(yīng)用面導(dǎo)致的市場(chǎng)區(qū)隔的細(xì)化。.....降低耗電量：SoC多采用內(nèi)部訊號(hào)的傳輸，大幅降低功耗。減少體積：數(shù)顆IC整合為SoC,有效縮小電路板上占用的面積。豐富系統(tǒng)功能：可整合更多的功能元件和組件，豐富系統(tǒng)功能。提高速度：內(nèi)部信號(hào)傳輸距離縮短，信號(hào)傳輸效率提升。外部存儲(chǔ)器CPU控制器EMI供應(yīng)鏈之間合作加強(qiáng)：IC設(shè)計(jì)、IC制造、封裝、測(cè)試、半導(dǎo)體設(shè)備、IP、IC設(shè)計(jì)服務(wù)與EDA業(yè)者等，牽連到的各產(chǎn)業(yè)部門非常廣泛，合作將進(jìn)一步加強(qiáng)。分工將更加明確：SoC行業(yè)或?qū)⒎譃镮P核設(shè)計(jì)和系統(tǒng)級(jí)集成兩部分。BUS.系統(tǒng)控制模塊各種接口節(jié)省成本：IP復(fù)用，有效減少研發(fā)成本，降低研發(fā)時(shí)間。2.1.6基于不同計(jì)算范式的AI芯片：類腦芯片

CPU/GPU/GFPGA/ASIC及SoC是目前用的較多的AI芯片，此類AI芯片大多是基于深度學(xué)習(xí)，也就是深度神經(jīng)網(wǎng)絡(luò)（DNN），以并行方式進(jìn)行計(jì)算的芯片，此類AI芯片又被稱為深度學(xué)習(xí)加速器。

如今，模仿大腦結(jié)構(gòu)的芯片具有更高的效率和更低的功耗，這類基于神經(jīng)形態(tài)計(jì)算，也就是脈沖神經(jīng)網(wǎng)絡(luò)（SNN)的芯片為類腦芯片。

目前，部分企業(yè)產(chǎn)品已進(jìn)入小批量試用階段,類腦芯片最快將于2023年成熟，能效比有望較當(dāng)前芯片提高2-3個(gè)數(shù)量級(jí)。中國(guó)類腦芯片發(fā)文數(shù)量

（2014-DNN與SNN對(duì)比2022.01）DNNS

NN

憶阻器：在緊湊性、可靠性、耐用性、存儲(chǔ)器保留期限、可編程狀態(tài)和能效等方面的特性，有利用成為電子突觸器件。訓(xùn)練方式需大量數(shù)據(jù)監(jiān)督學(xué)習(xí)單個(gè)數(shù)據(jù)樣本

自旋電子器件：其不易失性、可塑性及振蕩和隨機(jī)行為，允許創(chuàng)建模仿生物突觸和神經(jīng)元關(guān)鍵特征的組件。學(xué)習(xí)方式輸入類型時(shí)延無(wú)監(jiān)督學(xué)習(xí)脈沖圖像幀或數(shù)據(jù)陣列

光子器件：利用半導(dǎo)體放大器中使用的非線性光學(xué)增益介質(zhì)，實(shí)現(xiàn)神經(jīng)形態(tài)計(jì)算所需的功能。極低（接近實(shí)時(shí)）高低神經(jīng)元模型復(fù)雜程度

電化學(xué)器件：具有高精度、現(xiàn)行和對(duì)稱的電導(dǎo)效應(yīng)，低開關(guān)能量和高擴(kuò)展性，使用于SNN的內(nèi)置定時(shí)機(jī)制。高由處理器與儲(chǔ)存器存取決定由每個(gè)事件功耗決定功耗

二維材料：包括過(guò)渡金屬二硫族化合物、石墨烯等，可開發(fā)成為人工突觸。分類精度分類速度研究階段較高低較低高較

...

...探索及部分小規(guī)模試用階段較成熟20來(lái)源：公開資料，億歐智庫(kù)整理2.1.7AI芯片發(fā)展：向著更低功耗、更接近人腦、更靠近邊緣的方向

現(xiàn)在用于深度學(xué)習(xí)的AI芯片（包括CPU、GPU、FPGA、ASIC）為了實(shí)現(xiàn)深度學(xué)習(xí)的龐大乘積累加運(yùn)算和并行計(jì)算的高性能，芯片面積越做越大，帶來(lái)了成本和散熱等問(wèn)題。AI芯片軟件編程的成熟度、芯片的安全，神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性等問(wèn)題也未能得到很好的解決，因此，在現(xiàn)有基礎(chǔ)上進(jìn)行改進(jìn)和完善此類AI芯片仍是當(dāng)前主要的研究方向。

最終，AI芯片將近一步提高智能，向著更接近人腦的高度智能方向不斷發(fā)展，并向著邊緣逐步移動(dòng)以獲得更低的能耗。功耗（W)AI芯片功耗

1000AI芯片與人類智能可實(shí)現(xiàn)的功能AI芯片人類特征人體GPU云端CPU\云端ASIC100101人工智能芯片發(fā)展趨勢(shì)感知：視覺(jué)、聽覺(jué)、觸覺(jué)等傳感器AI芯片車用ASICAISoCFPGA嵌入式專用AI芯片類腦芯片及深度

識(shí)別、分類、決策、0.10.010.001人腦人性學(xué)習(xí)芯片預(yù)測(cè)、分析、推理物聯(lián)網(wǎng)AI芯片邊緣自供電、生物接口等新型芯片未來(lái)帶意識(shí)、帶自主性的芯片情感、想象力、創(chuàng)造力等0.00010.000012.1.8AI芯片發(fā)展：計(jì)算范式創(chuàng)新方向及其硬件實(shí)現(xiàn)

AI硬件加速技術(shù)已經(jīng)逐漸走向成熟。未來(lái)可能更多的創(chuàng)新會(huì)來(lái)自電路和器件級(jí)技術(shù)的結(jié)合，比如存內(nèi)計(jì)算，類腦計(jì)算；或者是針對(duì)特殊的計(jì)算模式或者新模型，比如稀疏化計(jì)算和近似計(jì)算，對(duì)圖網(wǎng)絡(luò)的加速；或者是針對(duì)數(shù)據(jù)而不是模型的特征來(lái)優(yōu)化架構(gòu)。

同時(shí)，如果算法不發(fā)生大的變化，按照現(xiàn)在AI加速的主要方法和半導(dǎo)體技術(shù)發(fā)展的趨勢(shì)，或?qū)⒃诓贿h(yuǎn)的將來(lái)達(dá)到數(shù)字電路的極限（約1到10TFlops/W），往后則要靠近似計(jì)算，模擬計(jì)算，甚至是材料或基礎(chǔ)研究上的創(chuàng)新。存內(nèi)計(jì)算計(jì)算范式及其硬件實(shí)現(xiàn)方法標(biāo)準(zhǔn)芯片.

核心問(wèn)題：傳統(tǒng)馮諾伊曼架構(gòu)中，計(jì)算與內(nèi)存是分離的單元，內(nèi)存主要使用的DRAM方案性能提升速度遠(yuǎn)遠(yuǎn)慢于處理器速度，造成了阻礙性能提升的“內(nèi)存墻”，直接在存儲(chǔ)內(nèi)做計(jì)算可有效解決。.

實(shí)現(xiàn)方法：1）改動(dòng)存儲(chǔ)模塊電路：優(yōu)勢(shì)是容易和現(xiàn)有工藝進(jìn)行集成，缺點(diǎn)是帶來(lái)的性能提升有限；2）引入新的存儲(chǔ)器件，實(shí)現(xiàn)在存儲(chǔ)陣列內(nèi)完成計(jì)算。專用芯片（ASIC

)數(shù)字芯片

模擬芯片

超導(dǎo)芯片多核CPUGPUFPGA深度學(xué)習(xí)模擬計(jì)算神經(jīng)形態(tài)計(jì)算.

核心問(wèn)題：傳統(tǒng)模擬架構(gòu)通過(guò)模數(shù)/數(shù)模轉(zhuǎn)換器將模擬信號(hào)與數(shù)字表示形式進(jìn)行相互轉(zhuǎn)換，帶來(lái)信號(hào)損耗、功率消耗和時(shí)延。.

實(shí)現(xiàn)方法：在AI芯片中使用模擬計(jì)算技術(shù)，將深度學(xué)習(xí)算法運(yùn)算放在模擬域內(nèi)完成，提高能效。自然計(jì)算、仿生計(jì)算、儲(chǔ)備池計(jì)算量子計(jì)算.

核心問(wèn)題：AI計(jì)算對(duì)大算力的需求。.

實(shí)現(xiàn)方法：完全新型的計(jì)算模式，理論模型為圖靈機(jī)。從計(jì)算效率上，由于量子力學(xué)疊加性，配合量子力學(xué)演化的并行性，處理速度遠(yuǎn)超傳統(tǒng)計(jì)算機(jī)，提供更強(qiáng)算力。量子計(jì)算2.2.1應(yīng)用概況：算力向邊緣側(cè)移動(dòng)，逐漸專注于特殊場(chǎng)景的優(yōu)化

隨著技術(shù)成熟化，AI芯片的應(yīng)用場(chǎng)景除了在云端及大數(shù)據(jù)中心，也會(huì)隨著算力逐漸向邊緣端移動(dòng)，部署于智能家居、智能制造、智慧金融等領(lǐng)域；同時(shí)還將隨著智能產(chǎn)品種類日漸豐富，部署于智能手機(jī)、安防攝像頭、及自動(dòng)駕駛汽車等智能終端，智能產(chǎn)品種類也日趨豐富。未來(lái)，AI計(jì)算將無(wú)處不在。AI芯片應(yīng)用領(lǐng)域終端設(shè)備云端訓(xùn)練邊緣計(jì)算.

可部署芯片:GPU/GPU/ASIC.

芯片特征：高吞吐量、高精確率、可編程性、分布式、可擴(kuò)展性、高內(nèi)存與帶寬.

計(jì)算能力與功耗：>30TOPS，>50W.

應(yīng)用：云/HPC/數(shù)據(jù)中心.

可部署芯片:云端推理.

可部署芯片:GPU/GPU/ASIC/FPGAGPU/GPU/ASIC/FPGA.

芯片特征：低功耗、高能效、推理任務(wù)為主、較低的吞吐量、低延遲、成本敏感.

可部署芯片:.

芯片特征：降低AI計(jì)算延遲、可單獨(dú)部署或與其他設(shè)備組合（如5G基站）、可將多個(gè)終端用戶進(jìn)行虛擬化、較小的機(jī)架空間、擴(kuò)展性及加速算法.

計(jì)算能力與功耗：5～30TOPS，4～15W.

應(yīng)用：智能制造、智慧家居、智慧交通等、智慧金融等眾多領(lǐng)域GPU/GPU/ASIC/FPGA.

芯片特征：高吞吐量、高精確率、分布式、可擴(kuò)展性、低延時(shí).

計(jì)算能力與功耗：30TOPS，>50W.

計(jì)算能力與功耗：<8TOPS，<5W.

應(yīng)用：各類消費(fèi)電子，產(chǎn)品形態(tài)多樣；以及物聯(lián)網(wǎng)領(lǐng)域.

應(yīng)用：云/HPC/數(shù)據(jù)中心2.2.2云端：當(dāng)前仍是AI的中心，需更高性能計(jì)算芯片以滿足市場(chǎng)需求

當(dāng)前，大多數(shù)AI訓(xùn)練和推理工作負(fù)載都發(fā)生在公共云和私有云中，云仍是AI的中心。在對(duì)隱私、網(wǎng)絡(luò)安全和低延遲的需求推動(dòng)下，云端出現(xiàn)了在網(wǎng)關(guān)、設(shè)備和傳感器上執(zhí)行AI訓(xùn)練和推理工作負(fù)載的現(xiàn)象，更高性能的計(jì)算芯片及新的AI學(xué)習(xí)架構(gòu)將是解決這些問(wèn)題的關(guān)鍵。

互聯(lián)網(wǎng)是云端算力需求較旺盛產(chǎn)業(yè)，因此除傳統(tǒng)芯片企業(yè)、芯片設(shè)計(jì)企業(yè)等參與者外，互聯(lián)網(wǎng)公司紛紛入局AI芯片產(chǎn)業(yè)，投資或自研云端AI芯片。云端AI芯片框架語(yǔ)音識(shí)別

計(jì)算機(jī)視覺(jué)2021中國(guó)人工智能算力投資行業(yè)分布自然語(yǔ)言處理AI服務(wù)深度學(xué)習(xí)訓(xùn)練/推理深度學(xué)習(xí)框架（PaaS)CNTKTorchTensorFlowOpenCL中國(guó)云端AI芯片參與者芯片代工芯片設(shè)計(jì)IP設(shè)計(jì)異構(gòu)計(jì)算平臺(tái)AI加速芯片CUDA互聯(lián)網(wǎng)企業(yè).

百度.

阿里巴巴昆侖芯一代/二代芯片）飛槳平臺(tái)含光NPUAI芯片/玄鐵CPU無(wú)劍SoC平臺(tái)“CPU+加速硬件”異構(gòu)計(jì)算GPU.

字節(jié)跳動(dòng)、騰訊、快手等也投資或孵化了芯片企業(yè)。2.2.3邊緣側(cè)：數(shù)據(jù)向邊緣下沉，隨著行業(yè)落地市場(chǎng)將有很大增量

5G與物聯(lián)網(wǎng)的發(fā)展以及各行業(yè)的智能化轉(zhuǎn)型升級(jí)，帶來(lái)了爆發(fā)式的數(shù)據(jù)增長(zhǎng)。海量的數(shù)據(jù)將在邊緣側(cè)積累，建立在邊緣的數(shù)據(jù)分析與處理將大幅度的提高效率、降低成本。

隨著大量的數(shù)據(jù)向邊緣下沉，邊緣計(jì)算將有更大的發(fā)展，IDC預(yù)測(cè)，未來(lái)，超過(guò)50%的數(shù)據(jù)需要在邊緣側(cè)進(jìn)行儲(chǔ)存、分析和計(jì)算，這就對(duì)邊緣側(cè)的算力提出了更高的要求。芯片作為實(shí)現(xiàn)計(jì)算能力的重要基礎(chǔ)硬件，也將具備更多的發(fā)展。ABIResearch預(yù)測(cè)，2025年，邊緣AI芯片市場(chǎng)將超過(guò)云端AI芯片。

在人工智能算法的驅(qū)動(dòng)下，邊緣AI芯不但可以自主進(jìn)行邏輯分析與計(jì)算，而且可以動(dòng)態(tài)實(shí)時(shí)地自我優(yōu)化，調(diào)整策略，典型的應(yīng)用如黑燈工廠等。邊緣計(jì)算在數(shù)據(jù)處理中的位置邊緣計(jì)算發(fā)展歷程快速增長(zhǎng)技術(shù)儲(chǔ)備階段行業(yè)落地階段階段DataData物聯(lián)網(wǎng)（物理世界）人工智能（數(shù)字世界）邊緣計(jì)算(橋梁）大量設(shè)備要求低延時(shí)、高帶寬實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)、計(jì)算與應(yīng)用智能化突出本地協(xié)同高計(jì)算效率邊緣計(jì)算的價(jià)值:“CROSS”

C：Connection即聯(lián)接邊緣計(jì)算主要場(chǎng)景工業(yè)海量設(shè)備。支持多個(gè)終端用戶的虛擬化。物聯(lián)網(wǎng)智慧家庭/城市邊緣計(jì)算R：Real-time即業(yè)務(wù)的實(shí)時(shí)性?？梢詫?shí)現(xiàn)毫秒級(jí)的響應(yīng)時(shí)間，支持實(shí)時(shí)服務(wù)。O：Optimization即數(shù)據(jù)的優(yōu)化。在邊緣積累數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的感知和歸一化。S：Smart即應(yīng)用的智能化。通過(guò)人工智能實(shí)現(xiàn)自我優(yōu)化和策略調(diào)整等。S：Security即安全與隱私保護(hù)，數(shù)據(jù)本地化存儲(chǔ)，有效保障用戶隱私。邊緣計(jì)算邊緣計(jì)算廣域接入網(wǎng)絡(luò)邊緣計(jì)算多接入邊緣計(jì)算邊緣云

2.2.4終端設(shè)備：終端產(chǎn)品類型逐漸多樣，出貨量增加催生大量芯片需求

根據(jù)數(shù)據(jù)測(cè)算，中國(guó)自動(dòng)駕駛行業(yè)規(guī)模增速在2022年將達(dá)到24%；智能攝像頭產(chǎn)品出貨量增速超15%；手機(jī)、平板、VR/AR眼鏡等智能

產(chǎn)品出貨量也均有較大增速，催生出大量的智能芯片需求。

同時(shí)，智能終端產(chǎn)品種類也逐漸多樣，智能音響、服務(wù)/商用機(jī)器人等消費(fèi)硬件、工業(yè)/數(shù)控設(shè)備等工業(yè)產(chǎn)品以及通信產(chǎn)品等日漸豐富，不同產(chǎn)品類型也對(duì)芯片性能與成本提出更多的要求。智能駕駛智慧家居.

功能需求：圖像識(shí)別、數(shù)據(jù)融合、SLAM定位等、路徑規(guī)劃功能。.

算力要求：20-4000TOPS（L3-L5）.

功耗需求：中等，不過(guò)分追求低功耗.

可靠性需求：高.

功能需求：圖像識(shí)別、語(yǔ)義識(shí)別與理解、語(yǔ)音助手等功能。.

算力要求：<1TOPS.

功耗需求：較高，家用小型產(chǎn)品多追求更低功耗.

成本敏感性：低.

可靠性需求：較高.

成本敏感性：較高智慧安防消費(fèi)電子.

功能需求：圖像/視頻識(shí)別、圖像/視頻檢測(cè)等功能。.

算力要求：4-20TOPS.

功耗需求：追求較低低功耗.

可靠性需求：偏高，尤其在識(shí)別的準(zhǔn)確性方面.

功能需求：圖像/場(chǎng)景識(shí)別、拍照美化、語(yǔ)音助手等功能。.

算力要求：1-8TOPS.

功耗需求：追求低功耗來(lái)保證設(shè)備續(xù)航時(shí)間.

可靠性需求：高.

成本敏感性：較高.

成本敏感性：高三、中國(guó)人工智能芯片行業(yè)的挑戰(zhàn)與機(jī)遇3.1設(shè)計(jì)軟件、制造設(shè)備及先進(jìn)制程等仍不及世界領(lǐng)先水平

在芯片設(shè)計(jì)制造領(lǐng)域，中國(guó)仍缺乏設(shè)計(jì)軟件，先進(jìn)制程及設(shè)備與世界領(lǐng)先水平之間仍有差距，該領(lǐng)域部分產(chǎn)品及裝備仍十分依賴進(jìn)口。半導(dǎo)體芯片產(chǎn)業(yè)鏈上游支撐產(chǎn)業(yè)半導(dǎo)體產(chǎn)業(yè)IC設(shè)計(jì)下游應(yīng)用通信半導(dǎo)體材料CMP拋光材料半導(dǎo)體設(shè)備汽車硅晶圓光刻膠干法刻蝕機(jī)單晶爐工業(yè)物聯(lián)網(wǎng)PECVDIC制造IC封測(cè)濕電子化學(xué)品電子特種氣體封裝材料PVD新能源......光掩膜板濺射靶材光刻機(jī)MOCVD涂膠顯影機(jī)CMP2021年集成電路相關(guān)材料及設(shè)備進(jìn)口額國(guó)際先進(jìn)制程對(duì)比（可量產(chǎn)）名稱數(shù)量金額企業(yè)臺(tái)積電三星制程5nm地區(qū)集成電路6355億個(gè)約50萬(wàn)臺(tái)超2000億2196億中國(guó)