1、版權歸屬 上海嘉世營銷咨詢有限公司AI芯片行業簡析報告商業合作/內容轉載/更多報告01.AI芯片：人工智能的基石數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡自2018年GPT-1.0模型首次發布以來，OpenAI不斷迭代模型，今年發布的GPT-4.0模型，它擁有更大的參數量、更長的迭代時間和更高的準確性。隨著數據不斷增長和算法復雜度提高，人工智能對計算力提出了更高的要求。算力是實現人工智能產業化的核心力量，其發展對人工智能技術的進步和行業應用起著決定性作用。釋放算力的價值對國家整體經濟發展將發揮推動作用。計算力指數每提高1點，數字經濟和GDP將分別增長 3.5和1.8?？梢?，國家計算力指

2、數越高，對經濟的拉動作用越強。2021-2026年期間，預計中國智能算力規模年復合增長率達52.3%，同期通用算力規模年復合增長率為18.5%。中國智能算力規模及預測全球AI支出、數字化轉型支出及 GDP 增長趨勢預測-5%0%5%10%15%20%25%30%35%2020202120222023E2024EAI支出增幅DX支出增幅GDP增幅0.0200.0400.0600.0800.01000.01200.01400.020192020202120222023E2024E2025E2026E百億億次浮點運算/秒（EFLDPS）02.AI芯片算力發展的三個階段數據來源：公開數據整理；嘉世咨詢

3、研究結論；圖源網絡廣義上講只要能夠運行人工智能算法的芯片都叫做AI芯片。但是通常意義上的AI芯片指的是針對人工智能算法做了特殊加速設計的芯片。AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。第一階段：因為芯片算力不足，所以神經網絡沒有受到重視。第二階段：通用芯片CPU的算力大幅提升，但仍然無法滿足神經網絡的需求。第三階段：GPU和和新架構的AI芯片推進人工智能落地。AI芯片算力發展階段起步發展期反思發展期發展應用期低迷發展期穩步發展期蓬勃發展期人工智能誕生機器定理證明智能跳棋程序 任務失敗目標落空機器翻譯笑話百出定理證明發展

4、乏力 專家系統遍地開花人工智能轉向實用醫療專家系統化學專家系統低質專家系統 多項研究發展緩慢專家系統發展乏力神經網絡研究受阻 互聯網推動人工智能不斷創新和實用深藍戰勝國際象棋冠軍IBM提出智慧地球我國提出感知中國 深度學習和大數據興起帶來了人工智能的爆發物聯網云計算大數據 初春初冬初秋寒冬復蘇爆發第一階段第二階段第三階段1956196019701980199020002010時間03.國內外AI芯片差距較大數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡在AI芯片領域，國外芯片巨頭占據了大部分市場份額。全球范圍內主要布局人工智能芯片的廠商有Intel、NVIDIA、Qualcomm、Goog

5、le等。美國的巨頭企業，憑借著多年在芯片領域的領先地位，迅速切入AI領域并積極布局，目前已經成為該產業的引領者。我國AI芯片產業起步較晚，技術上與世界先進水平也還存在著較大的差距。國內AI芯片市場也較為分散，集中度低。隨著數字經濟的興起，人工智能已經深入滲透到各個行業，特別是在互聯網等科技公司中更為普及。這些公司對于計算機軟件技術和存儲設備的要求極高，因此對于底層技術的布局和提升更為重視，尤其是在人工智能芯片領域。AI芯片產業圖譜芯片設計芯片制造芯片封測GPUASICFPGA存算一體芯片04.全球人工智能芯片市場高速增長數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡IDC預計，到2025年

6、人工智能芯片市場規模將達726億美元。人工智能芯片搭載率將持續增高，目前每臺人工智能服務器上普遍多配置2個GPU，未來18個月，GPU、ASIC和FPGA的搭載率均會上升。2022年加速服務器市場規模達到67億美元，同比增長24%。其中GPU服務器依然是主導地位，占據89%的市場份額，達到60億美元。同時NPU、ASIC和FPGA等非GPU加速服務器以同比12%的增速占有了11%的市場份額，達到7億美元。全球人工智能服務器 GPU、ASIC 和 FPGA芯片搭載率2%2%3%7%8%12%16%16%19%12%1%3%5%9%11%12%12%15%14%12%7%2%未知887654321

7、0GPU當前GPU未來18個月GPU2%2%5%7%10%13%15%17%16%9%3%3%4%8%11%14%15%14%12%11%6%3%未知8876543210ASIC當前ASIC未來18個月ASIC2%2%6%10%10%14%14%16%13%10%3%3%7%10%15%13%13%11%10%10%6%3%未知8876543210FPGA當前FPGA未來18個月FPGA05.中國AI芯片市場呈現出顯著的增長趨勢數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡根據市場規模分析，隨著越來越多企業將人工智能應用于終端產品，人工智能芯片的需求快速增長。AI芯片廣泛應用于云計算、數據

8、中心、邊緣計算、消費電子、智能制造、智能駕駛、智能金融及智能教育等領域。近年來，我國的AI芯片行業備受關注，不斷涌現出新的生產設計商，市場規模也不斷擴大。數據顯示，2021年我國AI芯片市場規模達到427億元，同比增長124%。預計到2023年，市場規模將進一步擴大至1206億元。2017-2023年中國AI芯片市場規模預測趨勢圖（億元）中國人工智能芯片市場規模占比0.0%10.0%20.0%30.0%40.0%50.0%60.0%70.0%80.0%90.0%100.0%GPUNPUASICFPGA0.0200.0400.0600.0800.01000.01200.01400.0201720

9、1820192020202120222023E06.深度學習模型復雜度對芯片算力需求激增數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡AI運算指以“深度學習”為代表的神經網絡算法，需要系統能夠高效處理大量非結構化數據（文本、視頻、圖像、語音等）。需要硬件具有高效的線性代數運算能力，計算任務具有：單位計算任務簡單，邏輯控制難度要求低，但并行運算量大、參數多的特點。對于芯片的多核并行運算、片上存儲、帶寬、低延時的訪存等提出了較高的需求。自2012年以來，人工智能訓練任務所需求的算力每3.43個月就會翻倍，大大超越了芯片產業長期存在的摩爾定律（每18個月芯片的性能翻一倍）。針對不同應用場景，AI

10、芯片還應滿足：對主流AI算法框架兼容、可編程、可拓展、低功耗、體積及價格等需求。從AlexNet到GPT-3，算力增長迅速10,000,000,0001,000,000,000100,000,00010,000,0001,000,000100,00010,0001,0001002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022AlexNetTransormer：275x/2yrsAll AI Models:25x/2yrsMoores Law:2x/2yrsVGG-19ResnetSeq2SeqInceptionV3XceptionRe

11、sNeXtDenseNet201ELMoMoCo ResNet50Wav2Vec 2.0TransFormerGPT-1BERT LargeXLNetMegatronMicrosoft T-NLGGPT-3Megatron-Turing NLG 530B07.AI服務器有68%價值量來自GPU數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡AI算力芯片產業鏈可分為：最上游的EDA 軟件和IP核研發；中游的芯片，包括GPU、NPU、ASIC、FPGA 等架構；下游的AI服務器及智算中心。AI 芯片產業鏈人工智能算法芯片設計芯片制造人工智能芯片人工智能應用視覺算法語音處理算法自然語言處理算法機器

12、學習芯片設計工具EDA軟件IP模塊硬件仿真設備晶圓代工封裝測試云端邊緣端終端云計算與數據中心邊緣計算消費類電子智能制造智能駕駛其他08.GPU是較為成熟的通用型人工智能芯片數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡從技術架構來看，AI芯片主要分為圖形處理器（GPU）、現場可編程門陣列（FPGA）、專用集成電路（ASIC）、類腦芯片四大類。其中，GPU是較為成熟的通用型人工智能芯片，FPGA和ASIC則是針對人工智能需求特征的半定制和全定制芯片，類腦芯片顛覆傳統馮諾依曼架構，是一種模擬人腦神經元結構的芯片，類腦芯片的發展尚處于起步階段。三種技術架構AI芯片類型比較GPUFPGA(半定制化

13、)ASIC(全定制化)定制化程度通用性半定制化定制化靈活度好好不好成本高較高低編程語言/架構CUDA、OpenCL等Verilog/NHDL等硬件描述語言,OpenCL、HLS/功耗大較大小主要優點峰值計算能力強、產品成熟平均性能較高、功耗較低、靈活性強平均性能很強、功耗很低、體積小主要缺點效率不高、不可編輯、功耗高量產單價高、峰值計算能力較低、編程語言難度大前期投入成本高、不可編輯、研發成本長、技術風險大主要應用場景云端訓練、云端推斷云端推斷、終端推斷云端訓練、云端推斷、終端推斷代表企業芯片英偉達Tesla、高通Adreno等賽靈思Versal、英特爾Arria、百度XPU等谷歌TPU、寒武

14、紀Cambricon09.AI芯片三劍客將互補共享市場數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡AI芯片（GPU/FPGA/ASIC）在云端同時承擔人工智能“訓練”和“推斷”過程，在終端主要承擔“推斷”過程，從性能與成本來看ASIC最優；ASIC作為專用芯片，算力與功耗在通用芯片GPU具有絕對優勢，但開發周期較長，落地較慢，需一定規模后才能體現成本優勢；FPGA可以看做從GPU到ASIC重點過渡方案。相對于GPU可深入到硬件級優化，相比ASIC在算法不斷迭代演進情況下更具靈活性，且開發時間更短。中國云端推斷芯片市場結構（億元）及增長率中國云端訓練芯片市場結構（億元）及增長率中國終端推斷

15、芯片市場結構（億元）及增長率7.211.720.214.122.134.111.317.927.9201920202021ASICGPUFPGA72.80%78.60%83.50%39.60%40.40%42.40%63.30%54.80%57.00%201920202021ASICGPUFPGA8.314.827.239.355.178.513.921.533.7201920202021ASICGPUFPGA73.30%60.60%73.10%58.40%59.40%54.50%48.20%56.60%55.30%201920202021ASICGPUFPGA12.420.634.98.41

16、5.825.98.414.223.3201920202021ASICGPUFPGA69.50%67.80%64.20%59.30%66.30%63.90%50.20%72.00%69.60%201920202021ASICGPUFPGA10.全球GPU領域處于寡頭壟斷的局面數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡近年來GPU市場由英特爾、英偉達和AMD三分天下，其中英特爾的市場占比份額在60%以上，其次是英偉達和AMD。英特爾的身位領先主要得益于在家用機的集成GPU芯片市場的絕對主導地位，而在AI及高性能計算方面，則英偉達憑借其自身CUDA生態占據絕對主導地位。從細分市場來看，在獨顯

17、市場中，Nvidia與AMD雙雄壟斷市場，其2022年Q2市占率分別約為80%和20%，可以看到近年來Nvidia不斷鞏固自己的優勢，其獨立顯卡市占率整體呈現上升趨勢。2022Q2獨顯GPU市場份額PC端 GPU 三大廠商市場份額變化67.0%63.0%62.0%69.0%68.0%68.0%62.0%62.0%60.0%62.0%17.0%18.0%19.0%17.0%17.0%16.0%18.0%18.0%19.0%20.0%16.0%19.0%19.0%15.0%15.0%15.0%20.0%19.0%21.0%18.0%20Q120Q220Q320Q421Q121Q221Q321Q42

18、2Q122Q2Intel市占率AMD市占率Nvidia市占率80%20%NvidiaAMD11.AI芯片國產化有望加速數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡美國陸續收緊中國獲得國際先進芯片的能力，不僅限制中國進口尖端芯片，還限制中國獲得最新的芯片生產工具。中國在FPGA、GPU領域缺乏有競爭力的原創產品，只是基于FPGA/GPU做進一步開發，這主要與我國在芯片領域一直缺乏關鍵核心自主技術有關，FPGA/GPU 的技術壁壘已很高，很難有所突破。為了打破以美國為首的國家的技術封鎖和制裁，中國對AI芯片領域的資源投入不斷走高。當前，中國數字化的變革方向驅動了底層技術的逐漸提升，國際影響力

19、也在逐年上漲，同時，在大數據、芯片設計及應用落地方面，逐步建立起了優勢地位，產業發展也吸引更多海外人才回國創業、就業。中國人工智能技術方向崗位供需情況AI 相關論文發表和海外人才回國情況2021年人工智能領域領先國家與地區論文發表中國美國歐盟AI期刊出版文獻占全球份額18%12.3%8.6%人工智能期刊引用比例20.7%19.8%11.0%2020-2021年海歸投遞行業分布27%21%11%10%9%9%7%6%文娛/服務業等其他行業IT/通信/電子/互聯網生產/加工/制造商貿/零售金融商業服務房地產/建筑業能源/環保0.00.51.01.52.02.53.03.54.04.55.0產品經理

20、高級管理崗高端技術崗人工智能芯片機器學習自然語言處理應用開發算法研發計算機視覺智能語音12.資本持續進入AI芯片市場數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡2021年中國人工智能芯片相關領域融資事件共計92起，總金額約300億人民幣。企業方面，中國的科技巨頭如百度、阿里巴巴、華為等都在人工智能芯片領域進行了大量的投資。此外，還涌現出了許多專注于人工智能芯片研發的創業公司，如寒武紀、Horizon Robotics、Cambricon 等。這些創業公司大多得到了風險投資機構的支持，如IDG、高瓴資本、啟明創投等。中國的人工智能芯片市場投資情況非?；钴S，政府、企業和風投機構都在加大對人工

21、智能芯片領域的投入。這也進一步促進了中國人工智能產業的發展和創新。中國人工智能芯片行業投融資輪次情況中國人工智能芯片行業融資整體情況02040608010012014016018020020162017201820192020202120222023.1-2融資金額（億元）融資事件數（起）051015202530種子輪天使輪Pre-A輪A輪A+輪Pre-B輪B輪B+輪C輪C+輪D輪戰略投資20162017201820192020202120222023.1-213.平臺生態之爭決定未來AI芯片的市場表現數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡廣義上AI開源平臺定義為一個深度學習的工具

22、箱，用戶可以通過開放平臺，基于底層計算芯片運行算法系統。因此AI芯片廠商只有具備支持主流開源平臺，才能形成穩定客戶群。兩大開源平臺Tensorflow與Caffe，Caffe2 和mxet也逐步興起，AI開源平臺眾多。廣義AI硬件開發環境是專門針對AI硬件推出的適應于硬件計算的開發環境，用戶能利用C、C+等軟件語言更方便的基于AI芯片進行頂層應用開發，同時可以起到硬件加速的效果。目前比較流行的AI開發環境是Nvidia的CUDA，Xilinx推出了SDAccel開發環境，Altera推出了OpenCL SDK 開發環境。主流AI開源平臺簡介部分AI硬件平臺開源生態支持情況公司/高校時間名稱簡介

23、Stanford2013.10Caffe自2013年底以來第一款主流的工業級深度學習工具包,計算機視覺界最流行的工具包之一DMLC2015.09mxnetMxNet是-一個提供多種API的機器學習框架，主要面向RPython和Julia等語言,目前已被亞馬遜云服務采用。Google2015.11Tensorflow谷歌第二二代聯機版人工智能深度學習系統,能同時支持多臺服務器。Facebook2015.12Torch深度學習函式庫Torch的框架,旨在鼓勵程序代碼再利用及模塊化編程。Microsoft2016.01CNTKCNTK支持RNN和CNN類型的各類網絡模型。Facebook2017.0

24、4Caffe2Caffe2延續了Caffe對視覺類問題的支持，且增加了對RNN和LSTM支持，功能更加完善公司平臺名稱類別支持的開源生態平臺NVIDIATesla V100GPUCaffe,Cff2,TensorFlow.Torch,CNTK等XilinxreVISIONFPGACaffeGoogleTPU2ASICTensorFlowQualcommNPESDKASICTensorFlow、Caffe、Caffe2華為麒麟970ASICTensorlow、Cffe Caffe214.AI芯片行業發展遭遇的挑戰數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡市場議價能力低01目前中國AI芯片

25、行業面對的消費者主要包括互聯網、智能手機和自動駕駛等行業，這些行業對AI芯片的市場需求量相對較大，市場依賴程度高。在當前數字化經濟不斷發展的背景下，這將會在一定程度上提高AI芯片行業的需求量。缺乏核心自主技術02與國外主流企業相比，目前我國在AI芯片開發領域仍然缺乏具有競爭力的產品，缺乏關鍵的核心自主技術。這將會導致關鍵設備落后于國際一流水平，難以突破行業發展瓶頸。商用前景廣闊，但落地困難03AI芯片商用前景廣闊，但落地困難的局面導致行業并未形成穩定的市場格局。需要突破存儲瓶頸04在以傳統馮諾依曼架構方式為主的AI芯片市場中，當運算能力發展到一定程度，存儲部件就決定了AI芯片的性能上限。同等條

26、件下，“存算一體”架構能夠有效降低AI芯片能耗和成本，突破“存儲墻”難題，是AI芯片未來發展主流方向。15.AI芯片行業發展關注三大趨勢數據來源：公開數據整理；嘉世咨詢研究結論；圖源網絡01AI場景和算法推動AI芯片走向專業化GPU在處理大量并行計算任務中表現出色，且可通過加速設計更好地發揮AI潛能，但也存在功耗高、成本高等缺點。目前，GPU仍然是AI訓練所需算力的主要硬件選擇。FPGA具有較強的計算能力、較低的試錯成本和足夠的靈活性，但其缺點在于價格較高、編程復雜，因此在半定制化AI場景中具備優勢。ASIC具有更高的處理速度和更低的能耗，并且可針對特定AI任務進行優化設計，從而在性能和能耗方

27、面具備更好的綜合素質，這使其在全定制化AI場景中表現優異。02類腦、量子技術推動AI芯片走向多樣化隨著擬態神經元、量子等前沿技術的發展，AI芯片逐漸發展出類腦、量子等多樣化技術路徑的新型芯片，類腦芯片更是開始走向商用化。類腦芯片擁有大規模并行計算、超低功耗和超低延遲等技術潛力，這些優勢使其在未來AI應用場景中扮演重要的角色。類腦芯片和量子芯片作為新型芯片技術，擁有巨大的潛力，將在未來的AI和計算領域發揮重要作用，為我們帶來更高效、更強大的計算能力。03AI芯片應用領域不斷拓展隨著人們對生活品質要求的提高，AI芯片已應用于眾多前沿及快速發展的下游領域，AI芯片應用的不斷拓展。隨著數字化時代的到來

28、，我國產業也紛紛開始數字化轉型，帶動AI芯片需求的增長，以支持高效處理海量數據，從而推動AI芯片行業的快速發展和持續創新?？梢灶A計，在未來我國數字化轉型持續推進的背景下，AI芯片將存在廣闊的應用市場，需求不斷增加，推動行業快速發展階段。本報告為簡版報告，內容均從嘉世咨詢原有完整報告中精煉提取，如需了解詳細內容，請聯系：.本報告中的所有內容，包括但不限于文字報道、照片、影像、插圖、圖表等素材，均受中華人民共和國著作權法、中華人民共和國著作權法實施細則及國際著作權公約的保護。本報告的著作權屬于上海嘉世營銷咨詢有限公司所有，如需轉發、轉載、引用必須在顯著位置標注出處，并且不得對轉載內容進行任何更改。本報告是免費報告，任何機構和個人不得將本報告用于收費為目的經營活動。版權說明版權歸屬 上海嘉世營銷咨詢有限公司