AI芯片需求廣闊迎來爆發

　　算力是人工智能發展的關鍵因素之一，隨著深度學習算法的普及應用，人工智能對算力提出了更高要求，傳統的CPU架構無法滿足深度學習對算力的需求，因此，具有海量數據并行計算能力、能夠加速計算處理的人工智能芯片應運而生。

　　近年來，AI芯片產業發展迅猛，眾多企業紛紛布局。結合應用場景和功能劃分來看，AI芯片設計可分為云端訓練、云端推斷、終端推斷三部分。其中云端訓練芯片主要以英偉達的GPU為主，新入競爭者是谷歌的TPU，深耕FPGA的企業包括XILINX、英特爾。在云端推斷方面，各企業呈現出百家爭鳴局面，代表企業有AMD、谷歌、英偉達、百度、寒武紀等。在終端推斷方面，移動終端、自動駕駛等應用場景需求逐漸爆發，布局企業包括傳統芯片巨頭和初創企業，如高通、華為海思、地平線、寒武紀、云知聲等。

　　賽迪顧問在 2019世界人工智能大會上發布的《中國人工智能芯片產業發展白皮書》顯示，受宏觀政策環境、技術進步與升級、人工智能應用普及等眾多利好因素影響，2018年中國AI芯片市場規模達到80.8億元，同比增長50.2%。

　　在地方政府加快推進公有云、私有云、數據中心等建設的拉動下，2018年中國云端訓練芯片市場份額達到51.3%。中國AI芯片市場規模依然以云端訓練芯片為主，隨著中國人工智能應用需求不斷落地，未來本地化運算將是人工智能發展的趨勢之一，終端推斷芯片也將迎來新的發展機遇。

　　目前來看，華北、華東和中南地區穩居中國AI芯片區域市場三甲，是中國AI芯片市場發展最為領先的區域，市場總體規模占據全國領先位置；在市場增速方面，隨著西部地區加快投入大數據中心建設，西南、西北地區的云端AI 芯片市場規模呈現高速增長，市場份額進一步提升。

　　人工智能應用市場的爆發，使得以基礎層為核心的AI芯片受到資本的廣泛關注。最近一年多來，寒武紀、燧原科技、比特大陸、地平線等多家廠商宣布獲得融資消息。獲得投融資的廠商希望能夠進一步提高AI芯片技術研發水平，并加速AI芯片產品規模商業化，增強市場對其未來收益的預期。

　　不過，賽迪顧問總裁孫會峰表示：“當前，中國乃至全球AI芯片產業仍處于產業化早期階段”。他說，隨著5G、物聯網時代來臨，預計未來三年中國AI芯片市場規模仍將保持50%以上增長速度，到2021年將達到305.7億元。另外，以邊緣計算為主的AI芯片將迎來一輪投資熱潮。

　　“近年來，我國在芯片和軟件領域攻克了一些關鍵技術難關，為人工智能芯片創新奠定了好的基礎?！惫I和信息化部相關負責人表示，工信部在推動人工智能產業發展方面主要聚焦在幾個方面，其中之一即聚焦核心技術，圍繞人工智能芯片、算法、開源開放平臺等關鍵技術發展，加大資源投入。

喧囂背后市場痛點猶存

　　AI芯片已成為中外科技企業競爭的焦點之一，以至于清華大學微電子所所長魏少軍用“無產業不AI，無應用不AI，無芯片不AI”這樣的話語描述當下的人工智能熱潮。

　　在市場格局上，作為傳統芯片巨頭，英偉達目前占據著AI芯片市場的霸主地位。通過積極布局，高通在移動領域的AI芯片市場擁有較強的話語權。阿里巴巴、亞馬遜在AI芯片領域的布局也已初見雛形。如寒武紀、地平線、比特大陸等其他 AI芯片初創企業的發展前景同樣值得期待。

　　在專家看來，隨著機器學習等技術的快速發展，人工智能產業發展正以其高端的新興技術、巨大的商業價值、廣闊的應用前景和龐大的產業空間，成為新的重要經濟增長點。伴隨著人工智能各種應用場景的普及與發展，海量多維的數據將在云端以及邊緣側展開大量處理計算，芯片也面臨更加廣泛以及多樣化的需求，這對AI芯片的計算架構、運算能力、場景與算法適用性、安全可控等都提出了新的課題與挑戰。

　　目前，AI芯片技術主流路徑有GPU、FPGA、ASIC等，其中GPU、FPGA是較為成熟的芯片架構，ASIC是針對特定應用場景的專用芯片。GPU架構的芯片能滿足深度學習大量計算需求，釋放人工智能的潛能，但缺點在于功耗較高；FPGA架構的芯片具有足夠的計算能力、較低試錯成本和足夠的靈活性，缺點在于價格較高、編程復雜；ASIC架構的芯片能夠在特定功能上進行強化，具有更高的處理速度和更低能耗，但缺點是成本高，有用量足夠大時才能夠降低成本，而且由于是定制化，可復制性一般。

　　據計算機視覺公司云從科技副總裁張立介紹，傳統芯片企業通常更關注是如何把芯片做成通用化，以支持各種不同應用場景。但這樣的通用化，在AI場景落地時會遇到問題，比如公司對AI芯片考慮較多的是單位功耗，而芯片企業對功耗要求可能不是首要優先級。公司在將AI場景落地的過程中，發現通用芯片完全滿足不了需求。這給從事AI解決方案和核心算法的企業帶來了難題——公司的算法是統一的，但需要在不同的場景適配不同的芯片和模組。

　　“目前，AI芯片發展還處在嬰兒期”。張立表示，現在企業使用的很多AI芯片因為工藝要求較高，很難在大陸流片，都是在臺積電進行流片。同時，也正因這工藝復雜度較高，導致芯片價格較高，使得下游很多使用其模組的產品無法量產。

　　作為國內邊緣側AI芯片領域的先行者，嘉楠科技早在2016年就掌握了16nm制程工藝，之所以現階段的AI芯片制程工藝仍為28nm，主要也是受出貨量的限制。

　　嘉楠科技CEO張楠賡表示，從功耗角度而言，很多云端訓練的AI模型無法順利部署至邊緣側設備，應用場景也無法支持較高的芯片功耗。雖然一些云端芯片巨頭也在向邊緣側延伸，但是裁剪AI算法去適配芯片更多體現了巨頭們削足適履的局限。對嘉楠科技而言，從事邊緣側芯片的開發就是在“帶著鐐銬舞蹈”，要在功耗和成本的嚴格約束下，不斷提升算力，適配場景，提升芯片的專用性。

AI芯片發展需探索新路徑

　　“我們離人工智能還有多遠？目前很多企業所做的只是增強智能而不是真正的人工智能，離真正的人工智能還差得很遠”。魏少軍表示，人工智能網絡能夠崛起取決于三個因素，算法、數據和算力。當前，AI芯片面臨兩個現實問題：其一，算法仍在不斷演進，新算法層出不窮，每隔幾個月算法就發生新的變化；其二，一種算法對應一種應用，沒有統一的算法，而讓芯片處理不同的算法十分困難。

　　在魏少軍看來，AI芯片應該具備的要素包括可編程性、架構的動態可變性、高效的架構變換能力、高計算效率、高能耗效率、低成本等。按照這些要求，目前業界流行的一些作法均不是理想的架構。過去幾年，AI芯片領域一個重要變化就是架構的變化。人工智能芯片不在于追求算力，而在于架構創新。業界也需要找到一種針對人工智能計算的全新計算引擎。

　　針對國產AI芯片的發展，中國工程院院士倪光南表示，芯片設計門檻極高，只有極少數企業能夠承受中高端芯片研發成本，這也制約了芯片領域創新。我國可以借鑒開源軟件成功經驗，降低創新門檻，提高企業自主能力，發展國產開源芯片。

　　“開源軟件正成為當前軟件產業的主流，芯片產業也可以采用開源這種模式”。倪光南表示，目前在芯片開發方面，新的RISC—V指令集是一種能夠降低處理器芯片IP成本的新模式。用戶可以自由免費使用RISC-V進行CPU設計、開發并添加自有指令集進行拓展等。RISC-V對于當前國家提倡的智能+新一代信息技術、新一代人工智能技術的發展等，都是很好的支撐。

　　賽迪顧問認為，人工智能芯片未來將呈現新發展趨勢——芯片開發將從技術難點轉向場景痛點。目前，人工智能芯片設計更多是從技術角度出發，以滿足特定性能需求。未來，芯片設計需要從應用場景出發，借助場景落地實現規模發展。而且，現在應用于AI領域的芯片多為特定場景設計，不能靈活適應多場景需求，未來需要專門為人工智能設計的靈活、通用的芯片，成為人工智能領域的“中央處理器”。另外，現階段AI芯片產業的發展方式主要以企業為主體，產品上下游企業的運營和管理相對獨立，但同環節的企業卻高度競爭，未來產業發展應以合作為主線，形成產業生態。