過去一年，隨著人工智能在各個行業(yè)的逐步落地，AI芯片的發(fā)展路徑逐漸明朗。在行業(yè)走過野蠻生長，開始加速落地、加速整合的過程中，也有更多的AI芯片公司也開始走出屬于自己的差異化路線。

本期的智能內(nèi)參，我們推薦來自中金公司的AI芯片專題報(bào)告，從市場著手解讀現(xiàn)有的芯片品類，并對目前主要的本土AI芯片企業(yè)進(jìn)行盤點(diǎn)。

以下為智能內(nèi)參整理呈現(xiàn)的干貨：

AI芯片投資地圖

AI 芯片設(shè)計(jì)是人工智能產(chǎn)業(yè)鏈的重要一環(huán)。自 2017 年 5 月以來，各 AI 芯片廠商的新品競相發(fā)布，經(jīng)過一年多的發(fā)展，各環(huán)節(jié)分工逐漸明顯。

▲AI芯片新品競相發(fā)布(自2017年5月以來發(fā)布的 AI 芯片一覽)

AI 芯片的應(yīng)用場景不再局限于云端，部署于智能手機(jī)、安防攝像頭、及自動駕駛汽車等終端的各項(xiàng)產(chǎn)品日趨豐富。除了追求性能提升外，AI 芯片也逐漸專注于特殊場景的優(yōu)化。

目前，人工智能產(chǎn)業(yè)鏈中，包括提供 AI 加速核的 IP 授權(quán)商，各種 AI 芯片設(shè)計(jì)公司，以及晶圓代工企業(yè)。

▲AI芯片投資地圖

如上圖所示，按部署的位置來分，AI 芯片可以部署在數(shù)據(jù)中心(云端)，和手機(jī)，安防攝像頭，汽車等終端(邊緣)上。

按承擔(dān)的任務(wù)來分，可以被分為用于構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練芯片，與利用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行推斷的推斷芯片。訓(xùn)練芯片注重絕對的計(jì)算能力，而推斷芯片更注重綜合指標(biāo)，單位能耗算力、時延、成本等都要考慮。

訓(xùn)練芯片受算力約束，一般只在云端部署。推斷芯片按照不同應(yīng)用場景，分為手機(jī)邊緣推斷芯片、安防邊緣推斷芯片、自動駕駛邊緣推斷芯片。為方便起見，我們也稱它們?yōu)槭謾C(jī) AI 芯片、安防 AI 芯片和汽車 AI 芯片。

由于AI芯片對單位能耗算力要求較高，一般采用14nm/12nm/10nm等先進(jìn)工藝生產(chǎn)。臺積電目前和 Nvidia、Xilinx 等多家芯片廠商展開合作，攻堅(jiān) 7nm AI 芯片。

五大場景塑造352億美元市場

▲AI 芯片市場規(guī)模及競爭格局

根據(jù)中金公司對相關(guān)上市 AI 芯片公司的收入統(tǒng)計(jì)，及對 AI 在各場景中滲透率的估算，2017年 AI 芯片市場規(guī)模已達(dá)到 39.1 億美元，具體情況如下：

1、2017 年全球數(shù)據(jù)中心 AI 芯片規(guī)模合計(jì) 23.6 億美元，其中云端訓(xùn)練芯片市場規(guī)模 20.2 億美元，云端推斷芯片 3.4 億美元。

2、2017 年全球手機(jī) AI 芯片市場規(guī)模 3.7 億美元。

3、2017 年全球安防攝像頭 AI 芯片市場規(guī)模 3.3 億美元。

4、2017 年全球自動駕駛 AI 芯片的市場規(guī)模在 8.5 億美元。

龐大的市場前景和戰(zhàn)略意義使得AI芯片贏得了巨頭們的熱切關(guān)注。Nvidia 在 2017 年時指出，到 2020 年，全球云端訓(xùn)練芯片的市場規(guī)模將達(dá)到 110 億美元，而推斷芯片(云端+邊緣)的市場規(guī)模將達(dá)到 150 億美元。

Intel 也在剛剛結(jié)束的 2018 DCI 峰會上，也重申了數(shù)據(jù)業(yè)務(wù)驅(qū)動硬件市場增長的觀點(diǎn)。Intel 將 2022 年與用于數(shù)據(jù)中心執(zhí)行 AI 加速的 FPGA 的 TAM 預(yù)測，由 70 億美元調(diào)高至 80 億美元。

而同時，中金公司也注意到：

1、手機(jī) SoC 價格不斷上升、AI 向中端機(jī)型滲透都將為行業(yè)創(chuàng)造更廣闊的市場空間。

2、安防芯片受益于現(xiàn)有設(shè)備的智能化升級，芯片需求擴(kuò)大。

3、自動駕駛方面，針對豐田公司提出的算力需求，我們看到當(dāng)下芯片算力與 L5 級自動駕駛還有較大差距。(英飛凌公司給出了各自動駕駛等級中的半導(dǎo)體價值預(yù)測，可以為我們的 TAM 估算提供參考。)

▲歷代 Apple 手機(jī)芯片成本趨勢

▲自動駕駛算力需求加速芯片升級

▲英飛凌對各自動駕駛等級中半導(dǎo)體價值的預(yù)測

結(jié)合以上觀點(diǎn)，及我們對 AI 在各應(yīng)用場景下滲透率的分析，中金公司預(yù)測：

1、云端訓(xùn)練芯片市場規(guī)模在 2022 年將達(dá)到 172 億美元，CAGR~54%。

2、云端推斷芯片市場規(guī)模在 2022 年將達(dá)到 72 億美元，CAGR~84%。

3、用于智能手機(jī)的邊緣推斷芯片市場規(guī)模 2022 年將達(dá)到 38 億美元，CAGR~59%。

4、用于安防攝像頭的邊緣推斷芯片市場規(guī)模 2022 年將達(dá)到 18 億美元，CAGR~41%。

5、用于自動駕駛汽車的邊緣推斷芯片市場規(guī)模 2022 年將達(dá)到 52 億美元，CAGR~44%。

以下是五個應(yīng)用場景的詳細(xì)分析。

云端訓(xùn)練芯片 ：英偉達(dá)稱霸

▲AI 芯片工作流程

訓(xùn)練是指通過大量的數(shù)據(jù)樣本，代入神經(jīng)網(wǎng)絡(luò)模型運(yùn)算并反復(fù)迭代，來獲得各神經(jīng)元“正確”權(quán)重參數(shù)的過程。CPU 由于計(jì)算單元少，并行計(jì)算能力較弱，不適合直接執(zhí)行訓(xùn)練任務(wù)，因此訓(xùn)練一般采用“CPU+加速芯片”的異構(gòu)計(jì)算模式。目前 Nvidia 的 GPU+CUDA計(jì)算平臺是最成熟的 AI 訓(xùn)練方案，除此還有：

1、第三方異構(gòu)計(jì)算平臺 OpenCL + AMD GPU 或 OpenCL+Intel/Xilinx 的 FPGA。

2、云計(jì)算服務(wù)商自研加速芯片(如 Google 的 TPU)這兩種方案。

各芯片廠商基于不同方案，都推出了針對于云端訓(xùn)練的 AI 芯片。

▲云端訓(xùn)練芯片對比

從整個云端訓(xùn)練芯片的市場競爭格局來看，目前 Nvidia GPU 的優(yōu)勢暫時明顯，即便是 Google 的一些深度學(xué)習(xí)訓(xùn)練任務(wù)，同樣離不開 Nvidia GPU;在 GPU 之外，云端訓(xùn)練的新入競爭者是谷歌的 TPU ，但目前并不對外直接銷售;英特爾方面，則在積極布局 CPU+FPGA 異構(gòu)計(jì)算，并持續(xù)優(yōu)化 Xeon CPU 結(jié)構(gòu);同樣深耕 FPGA 的還有 Xilinx ;GPU銷量一直甚好的 AMD 也開始切入深度學(xué)習(xí)訓(xùn)練任務(wù)。

云端推斷芯片：百家爭鳴

推斷是指借助現(xiàn)有神經(jīng)網(wǎng)絡(luò)模型進(jìn)行運(yùn)算，利用新的輸入數(shù)據(jù)來一次性獲得正確結(jié)論的過程。推斷過程對響應(yīng)速度一般有較高要求，因此會采用 AI 芯片(搭載訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型)進(jìn)行加速。

相比訓(xùn)練芯片，推斷芯片考慮的因素更加綜合：單位功耗算力，時延，成本等等。初期推斷也采用 GPU 進(jìn)行加速，但由于應(yīng)用場景的特殊性，依據(jù)具體神經(jīng)網(wǎng)絡(luò)算法優(yōu)化會帶來更高的效率，F(xiàn)PGA/ASIC 的表現(xiàn)可能更突出。

▲主要云端推斷芯片對比

除了 Nvidia、Google、Xilinx、Altera(Intel)等傳統(tǒng)芯片大廠涉足云端推斷芯片以外，Wave computing、Groq 等初創(chuàng)公司也加入競爭。中國公司里，寒武紀(jì)、比特大陸同樣積極布局云端芯片業(yè)務(wù)。未來，云端推斷芯片將針對智能語音識別、智能搜索等應(yīng)用場景，呈現(xiàn)百花齊放的態(tài)勢。

手機(jī)端的推斷芯片：格局穩(wěn)定

手機(jī)芯片市場目前包括 (1) 蘋果，三星，華為這類采用芯片+整機(jī)垂直商業(yè)模式的廠商，以及 (2) 高通，聯(lián)發(fā)科，展銳等獨(dú)立芯片供應(yīng)商和 (3) ARM，Synopsys、Cadence 等向芯片企業(yè)提供獨(dú)立 IP 授權(quán)的供應(yīng)商。

采用垂直商業(yè)模式廠商的芯片不對外發(fā)售，只服務(wù)于自身品牌的整機(jī)，性能針對自身軟件做出了特殊優(yōu)化，靠效率取勝。獨(dú)立芯片供應(yīng)商以相對更強(qiáng)的性能指標(biāo)，來獲得剩余廠商的市場份額。

▲手機(jī) AI 芯片對比

從 2017 年開始，蘋果，華為海思，高通，聯(lián)發(fā)科等主要芯片廠商相繼發(fā)布支持 AI 加速功能的新一代芯片(如下圖)，AI 芯片逐漸向中端產(chǎn)品滲透。

由于手機(jī)空間有限，獨(dú)立的AI 芯片很難被手機(jī)廠采用。在 AI 加速芯片設(shè)計(jì)能力上有先發(fā)優(yōu)勢的企業(yè)(如寒武紀(jì))一般通過 IP 授權(quán)的方式切入。

▲智能手機(jī) SoC 市占率分析( 2017 )

對這些廠商來說，中金公司認(rèn)為 AI 化的主要作用是提升芯片附加價值與產(chǎn)品單價。根據(jù) IHS的數(shù)據(jù)，隨著硬件性能的增強(qiáng)及針對于 AI 的運(yùn)算結(jié)構(gòu)不斷滲透，蘋果 A11 芯片的成本已達(dá)到 27.5 美元。

芯片成本持續(xù)上漲有望帶動垂直模式廠商整機(jī)售價走高，在出貨量相同的情況下為現(xiàn)有芯片廠商貢獻(xiàn)更多的營業(yè)收入。高通、聯(lián)發(fā)科、展銳等獨(dú)立芯片供應(yīng)商則會受益于芯片本身 ASP 的提升。

安防邊緣推斷芯片：四方鼎立

視頻監(jiān)控行業(yè)在過去十幾年主要經(jīng)歷了“高清化”、“網(wǎng)絡(luò)化”的兩次換代，而隨著 2016年以來 AI 在視頻分析領(lǐng)域的突破，目前視頻監(jiān)控行業(yè)正處于第三次重要升級周期——“智能化”的開始階段。

前端攝像頭裝備終端推斷芯片，可以實(shí)時對視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，“云+ 邊緣”的邊緣計(jì)算解決方案逐漸滲透。中金公司預(yù)計(jì)，應(yīng)用安防攝像頭的推斷芯片市場規(guī)模，將從 2017 年的 3.3 億美元，增長至 2022 年的 18 億美元，CAGR~41%。

邊緣推斷芯片 在安防端的主要應(yīng)用，基于將視頻流在本地轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。這樣既節(jié)省云端存儲空間，也提升系統(tǒng)工作效率。因此，積極布局智能安防的除了英偉達(dá)、Movidius(計(jì)算機(jī)視覺創(chuàng)企)，還有傳統(tǒng)視頻解碼芯片廠商。業(yè)內(nèi)，海思、安霸與 Nvidia 、Movidius形成有力競爭。

▲安防 AI 芯片對比

中金公司認(rèn)為 ，目前整個 安防 AI 芯片市場競爭格局穩(wěn)定，現(xiàn)有廠商憑借與下游客戶長期的合作，有望繼續(xù)受益于安防智能化的升級，屬于新進(jìn)入者的市場空間有限。

安防 AI 芯片下游客戶穩(wěn)定，為?？低?/u>、大華股份等視頻監(jiān)控解決方案提供商?？蛻襞c傳統(tǒng)視頻解碼芯片廠商的長期合作具有粘性，同樣推出新產(chǎn)品，初創(chuàng)公司的競爭優(yōu)勢弱一些，尤其是在安防 AI 芯片性能差異化很難做到很大的情況下。