普華永道：全球半導體市場機遇(18頁).pdf

1、 全球半導體市場機遇 擁抱人工智能，擴大市場份額 2 全球半導體市場機遇 | 前景樂觀 前景樂觀 當今科技創新迅猛發展，半導體行業有望持續增長。對半導體行業來 說，2019年會相對疲軟，但預計其將在2020年實現復蘇并 保持繁榮。2018年半導體行業銷售總額為4,810億美元。今后四年， 即到2022年底，我們預計銷售額將保持較慢但穩健的增長，復合年均 增長率（CAGR）約為4.6%，達到5,750億美元。 半導體行業由七類元件組成，即內存、邏輯元件、微型元件、模擬元 件、光電元件、傳感器和分離元件（OSD）。其中，內存產品銷售額 仍將是半導體收入的最大份額。然而，三星集團在2017至2018

2、年對 其半導體部門的巨額投入將使內存市場產能過剩，從而導致內存產品 （尤其是3D NAND閃存產品）在2019年銷量下滑，但該市場有望在 2020年開始復蘇。 此外，人工智能（AI）應用的快速增長帶來的芯片需求，將極大促進 該行業的整體增長。大部分需求來自汽車和工業市場，這兩個領域增 長最快。 由于電動汽車和混合動力汽車的普及率不斷提高，再加上自動駕駛汽 車的市場潛力巨大，汽車市場將是增長最快的市場。到2022年，其復 合年均增長率將達到11.9%。與此同時，傳統汽車芯片的需求依然強 勁。工業市場繼續受到安全和醫療領域對人工智能芯片及其實力的需 求的推動。在此期間，整個工業市場的復合年均增長率

3、預計將達到 10.8%。 由于智能手機的更新換代、5G技術的引入以及新興市場的增長，通 信市場的復合年均增長率將達到2.2%。與此同時，到2022年底，消 費類電子產品市場約有50%的收入將來自電視、視頻游戲機、手持設 備和數字機頂盒。 到2022年，消費類電子產品市場的復合年均增長率將達到6.0%。預計 可穿戴設備的復合年均增長率高達21.0%，但僅占通信市場份額的 10%左右。 數據處理市場的復合年均增長率為2.1%，主要來自服務器和存儲設備 銷售。雖然預計銷售額會在2019年同比下降2.8%，但從2020年開始有 望回升。盡管我們預計個人電腦市場份額會下降，到2022年的復合年 率下降5

4、.2%，但這一降幅將被物聯網（IoT）、機器學習以及服務器和 數據中心領域其他形式人工智能的增長所抵消。 半導體行業各類元件的市場劃分 在半導體行業生產的七類元件中，內存芯片元件的市場份額在2022年 前將繼續占據首位；不過，如前所述，其增長可能在2019年轉為負 值，然后在2020年實現回升。在整個預測期內，邏輯和微型元件芯片 的銷售額將持續占據半導體行業總收入的第二大份額（見圖1）。 圖1 各類元件的市場增長 資料來源：研究 單位：十億美元 內存。這一領域的很大一部分增長將由持續的技術進步推動，如云計 算技術和智能手機等終端設備上的虛擬現實技術。動態隨機存儲器 （DRAM）和NAND閃存芯

5、片的平均銷售價格大幅提高，也在推動收入 增長方面發揮顯著作用。一般而言，閃存和DRAM的新產能將會抵消 預期內的價格下跌，從而更好地實現這類設備的供需平衡，以支持企 業固態驅動器（SSD）、增強和虛擬現實、圖形、人工智能和其他復 雜的實時工作負載功能等新應用。然而，三星在2017至2018年對半導 體部門的巨額資本投入將使內存市場產能過剩，尤其是3D NAND閃存 市場。 醫療市場機遇醫療市場機遇 隨著醫療領域公司從大數據、數據分析和人工智能獲得越來越多 的益處，包括醫療器械制造商、制藥公司和相關技術公司等企業 將擁有前所未有的增長機會。就美國醫療器械市場來說，這一增 長很大程度上來自于美國食

6、品藥品監督管理局出臺的“2016年數字 健康創新計劃”。該計劃鼓勵傳統醫療公司采用新技術，并與數字 醫療初創公司合作。 蘋果和谷歌等科技巨頭已經對不斷增長的醫療市場表現出相當大 的興趣。蘋果的目標是通過提供綜合平臺（如ResearchKit和 CareKit）來整合支離破碎的醫療應用市場，而谷歌正努力通過 其DeepMind人工智能解決方案來改變這一行業。其他科技公司 也開始參與其中，例如輝達（Nvidia）正在使用（GPU）驅動的 深度學習技術，通過超聲圖像更快速地診斷癌癥。 3 全球半導體市場機遇 | 前景樂觀 產能過剩將導致市場供應過剩，進而拉低內存元件的市場價格。因 此，這類芯片產生的

7、收入將在2019年下降，并對整個半導體市場產生 不利影響。 邏輯元件。通信、數據處理和消費類電子產品行業的需求將在很大 程度上推動這一市場發展。在預測期內，特殊用途專用集成電路 （ASIC）和專用信號處理器（ASSP）邏輯芯片將占據絕大部分市 場。 微型元件。這類芯片是所有電子設備的關鍵組成部分，市場增長將 與這些設備的銷量成正比。由于標準臺式機、筆記本電腦和平板電 腦的出貨量疲軟，微型元件在2019年的增長將停滯不前。2022年 之前，微型元件的市場增長來自于汽車行業。汽車制造商正在將大 量微型元件集成到智能汽車的動力傳動系統、下一代底盤和安全系 統中，用于在安全和防撞系統中處理復雜的實時傳

8、感器功能。此 外，物聯網的日益普及也帶來對高性能電子產品的需求，從而催生 對高性能處理器的需求。本地處理能力通常由微控制器、混合微控 制器或微處理器以及集成微控制器設備提供，這些設備可以提供實 時嵌入式處理，這是大多數物聯網應用的首要要求。 模擬元件。我們預計模擬元件的強勁增長主要受到通信行業的需求 推動，尤其是汽車行業。產生需求增長的用例包括電源管理（延長 手機電池壽命）、信號轉換（用于數據轉換器、混合信號設備等） 和汽車專用模擬應用（自動駕駛汽車、電動汽車及電子系統）。 光電元件、傳感器和分離元件（OCD）。這三類元件與集成電路相 鄰。目前大量投產的新興技術設備將推動這些芯片的需求增長。其

9、 中包括固態照明、機器視覺、圖像識別、智能電網能源、物聯網和 智能便攜式系統中的“融合”多傳感器。 由于光電芯片在嵌入式攝像機的互補金屬氧化物半導體（CMOS）圖 像傳感器、汽車安全、固態照明應用的視覺自動化和更高性能的LED 中使用越來越廣泛，預計其將繼續保持強勁的增長勢頭?？傮w而言， LED照明解決方案正在迅速改變各種住宅、商業和工業應用的市場。 推動其增長的因素包括：采用更節能的照明解決方案、LED價格不斷 降低、基礎設施的現代化改造和新發展。就能效、壽命、多功能性、 色彩質量和成本而言，LED照明具備很多超越傳統照明技術的優勢。 我們預計傳感器市場也將實現快速增長。雖然近年來，由于新型

10、自動 化控制和物聯網應用的單位出貨量增加，傳感器價格有所下降。隨著 功率晶體管和其他設備需求的穩定增多，分離元件市場有望得到增 長。 半導體應用市場的增長 經濟增長預期表明，以汽車和數據處理市場為主導的應用市場將持續 擴大（見圖2）。 圖2 各類應用市場的增長 資料來源：研究 單位：十億美元 4 全球半導體市場機遇 | 前景樂觀 汽車。我們預計在所有市場中，汽車市場增長最快，復合年均增長 率將達到11.9%。主要原因是：電動汽車和混合動力汽車的普及率 不斷提高，其半導體需求量大約為傳統汽車的兩倍；此外，自動駕 駛汽車有著巨大的市場潛力。隨著汽車變得更加自動化，每輛汽車 對半導體的需求量增加，先

11、進駕駛輔助系統（ADAS）、光探測和 測距（LiDAR）、信息娛樂系統以及安全和便利功能由此受到越來 越多的關注。據IC Insights統計，每輛全自動駕駛汽車的半導體需 求量將是駕駛輔助系統汽車的5倍。然而，傳統汽車仍然是半導體 銷量的重要催化劑。2018年，傳統汽車銷量占汽車市場總收入近 95%。 通信。通信市場對半導體近80%的需求量由手機驅動。雖然目前手 機市場高度飽和，但5G的引入、智能手機持續的高更新率以及新興 市場對手機的需求增加，通信市場的復合年均增長率將保持在 2.2%。盡管預計高端手機需求會下降，但普通手機的強勁增長將抵 消這種影響。 消費類電子產品。得益于智能電視、4K

12、超高清電視、3D編程、視 頻點播、對大屏顯示器的偏愛以及曲面OLED的日益普及，電視設 備將促進消費類電子產品應用的半導體收入增長。游戲技術和機頂 盒也將成為收入的強力助推器。因此，該市場的復合年均增長率將 達到2.2%。盡管可穿戴設備市場仍然相對較小，但其在消費類電子 產品應用中增長最快，復合年均增長率將達到6.0%。然而，隨著美 國Netflix和Amazon Prime等更具吸引力的替代品的流行，數字播放 器芯片的收入正在下降，復合年均增長率為2.3%。此外，越來越多 的消費者開始轉向手機游戲，導致游戲機市場在2018年達到飽和。 數據處理。到2022年，數據處理市場（包括個人電腦、超便

13、攜設 備、平板電腦、服務器和存儲設備）中的半導體銷售額將達到2.1% 的復合年均增長率。由于終端設備智能功能需要更多的半導體，來 自存儲設備的市場增長預計非?？捎^，復合年均增長率為12.3%。 這一增長很大程度上來自新興的固態驅動器技術，該技術克服了傳 統數據驅動器的長周轉期、易過熱和高能耗等缺點。智能手機和其 他連接設備的強勁銷售會加速對存儲卡和存儲設備的需求。由于該 市場也存在優化服務器性能的壓力，每臺設備的半導體需求量將會 增加。 工業。僅次于汽車，工業市場將是所有應用類型中增長最快的市 場，預計到2022年其復合年均增長率將達到10.8%。這一增長的最 大份額將來自對安全、自動化、固態

14、照明和運輸的需求。我們預計 安全應用對半導體的需求增長最快，復合年均增長率將達到 17.8%。這得益于持續推動更安全和更智能城市的建設，尤其是在 亞太地區。對機場和火車站的恐怖襲擊事件日益增多，激發了對先 進周邊安全和門禁控制系統的投資；此外，對舒適性和便利性的日 益重視也正在促進指紋門禁系統、PIN和RFID門禁系統的普及。 半導體行業在各地區的增長 在預測期內，我們預計在所有全球市場中，半導體市場將持續快速增長 （見圖3）。 亞太地區。該市場將繼續是半導體行業收入的主要貢獻者，到2022 年，復合年均增長率可達到4.8%。電子系統生產將繼續以中國為中 心。由于中國的制造能力，尤其是消費類電

15、子產品的制造能力出眾， 因此對半導體的需求日益增長，并成為全球最大的芯片購買國和進口 國。發展和增強該行業實力是中國政府的頭等大事，因為許多新興公 司正處于初創階段。 圖3 各地區的半導體行業收入 資料來源：研究 單位：十億美元 歐洲、中東和非洲。在預測期內，該地區的復合年均增長率將達到 3.5%。數據處理一直是歐洲最大的終端用途類別，但我們預計未來兩 年內將被汽車行業超越。半導體對于許多行業和應用至關重要。歐洲 企業在汽車、出行（鐵路、航空）和工程等多個領域都處在領先地 位。為確保在這些行業的領先局面，并促進人工智能等新應用的發 展，歐盟應推廣并保護其半導體行業。這包括研發設計、制造以及歐

16、盟創業生態系統。 美洲。在預測期內，該地區的復合年均增長率位居第二，達到 4.3%，主要由NAND閃存芯片市場的預期收益推動。在該地區，美國是 許多領先半導體公司的所在地，擁有強大的創業生態系統。風險投資 是該行業的有力支持因素。然而，美國政府最近否決了若干來自非美 國公司的收購計劃。 “在人工智能的背景下，我們需要考慮安全性。一般來說，歐 洲企業處于有利地位：一方面包括安全要素，另一方面包括處 理環境條件和安全層，就像車輛領域的情況一樣。這兩個方面 都可以有成本合理的認證程序?！?Maurice Geraets，恩智浦（NXP）半導體董事會成員 5 全球半導體市場機遇 | 前景樂觀 學習機器

17、的崛起 半導體行業的需求通常來自顛覆性的新技術推動。在1997年至2007 年間，個人電腦的迅速普及推動了對CPU和存儲芯片的需求，而互聯 網的廣泛滲透推動了對以太網設備、網絡處理器和專用集成電路的需 求。智能手機時代始于2007年蘋果手機的推出，這增加了對移動處理 器的需求，而云計算的采用則推動了服務器CPU和存儲的增長。 現在，人工智能很可能成為半導體行業又一個十年增長周期的催化 劑。盡管人工智能許多引人注目的新用例將依賴于通過軟件而非芯片 實現的算法，但對即時計算、連接和傳感的需求將會推動未來十年對 人工智能定制半導體的巨大需求。 人工智能與半導體帶來的機遇 人工智能是計算機基于對數據集

18、和預定義規則集的復雜分析來模擬智 慧人類行為并作出決策或建議的能力。半導體有助于開發和加速人工 智能的機會，從而成為推動該領域創新和人工智能增長潛力的關鍵因 素。 人工智能的使用通常取決于三種算法： 機器學習（ML）：使用算法分析數據，從中學習，然后對特定情 況作出決定或預測。 深度學習（DL）：一種基于分析和從特定數據集中學習的機器學 習，與特定任務的算法不同。 自然語言處理（NLP）：一種分析人機交互的方法，側重于給計 算機編訂程序處理和分析大量自然語言數據的方式。 人工智能用例也可按照兩種主要的實施類型進行分類： 培訓系統：利用大量的數據集來學習如何開展特定活動，并不斷進 化學習算法本身

19、。 推理系統：使用預定義的模型進行實時決策。 人工智能適用于幾乎所有行業的垂直領域，對云和邊緣計算所需芯片 數量具有超強預測能力，并且對加速新算法的專業計算需求在不斷增 長，因而為半導體廠商創造了前所未有的機遇。 人工智能驅動的行業增長預測 我們預計到2022年，人工智能相關的半導體市場收入將從目前的60億 美元增至300億美元以上，復合年均增長率接近50.0%。雖然人工智能 驅動的用例會隨著時間的推移逐步滲透到每個行業領域，但人工智能 的使用將取決于技術投資的規模、技術開發的速度以及實現其效益的 速度。 為推理系統提供動力的半導體市場可能仍然是分散的，因為每一個廣 泛變化的潛在用例，例如面部

20、識別、機器人、工廠自動化、自動駕駛 和監控等均需要定制解決方案。相比之下，培訓系統將主要基于傳統 CPU、GPU和現場可編程門陣列（FPGA）基礎設施及ASIC。 “人工智能提升了學習速度，有助于改善與客戶的互動，并能 推進流程及程序?！?Reinhard Ploss 英飛凌科技（Infineon Technologies） 首席執行官 “對于人工智能，我們需要在價值鏈的不同階段和不同行業之 間采用新的合作形式。在新的人機交互方式不斷涌現的數字化 世界中，安全的身份和新的信任授權均是必需的。為此， 可作為道德委員會的國際機構可以發揮重要作用。在歐洲和聯 合國層面，可將促進關于人工智能道德使用的

21、對話平臺作為該 機構的基石，進而從人工智能中獲益，同時保護個體的利 益?！?Reinhard Ploss 英飛凌科技首席執行官 6 全球半導體市場機遇 | 前景樂觀 汽車。仍是市場潛力最大的一個細分市場。我們預計在2022年， ADAS和自動駕駛輔助用例將會帶來40億至47億美元的收入（見圖 4）。這其中包括基于推理的系統，用于汽車和邊緣計算的自動駕駛 和安全輔助；以及基于訓練的系統，用于交通規避導航。兩者的相對 規模將決定需求增長最快的半導體類型用于邊緣計算的GPU和 ASIC，以及用于云計算的GPU和FPGA。 金融服務。我們相信，此細分市場將會帶來40億至45億美元的收入， 主要來自交易

22、身份認證和智能投資組合管理的用例。與汽車行業一 樣，金融服務可能會根據用例實施推理和培訓系統?；谡J證的用例 將在很大程度上依賴于邊緣計算的基于推理的人工智能，主要用于智 能手機上的面部識別和通過移動CPU或專用人工智能半導體的指紋檢 測?；谂嘤柕娜斯ぶ悄軐⒅饕糜诜治龊Ａ繑祿?，以識別智能投 資和投資組合管理的趨勢；這些活動通常駐留于云端，因為需要基于 CPU或GPU基礎設施的大量計算。 工業?？赡苁撬行袠I中機遇最小的，介于15億至20億美元之間， 主要來自制造業優化和主動式故障檢測。這是因為這些應用非常重視 能否利用現有基礎架構的培訓系統，因此不太可能需要業內最佳的計 算能力和更低的延

23、遲。此外，由于工業部署和客戶更新周期更長，因 此該領域從人工智能獲得的收益可能需要比其他行業更長的時間。 圖4 各行業采用人工智能驅動的用例 示范用例 汽車 金融服務 醫療 技術、媒體和電信 零售 工業 智能建筑 資料來源：研究 單位：十億美元 云云端端 邊緣邊緣 ADAS 駕駛員安全系統 人工智能分類 認證 投資組合管理 疾病預防 診斷 網絡安全 私人助理 客戶洞見 定價分析 制造自動化 主動故障檢測 監測和安全 能效 推理系統 培訓系統 汽車行業中的人工智能 汽車行業在電子元件上的開支可謂龐大，在如何利用人工智能 加速創新方面進展迅速。到2022年，全球679億美元的汽車電 子元件市場中，

24、人工智能在信息娛樂領域的影響將最為明顯， 達到85億美元，ADAS為129億美元，安全應用57億美元。 信息娛樂系統將會用于個人輔助、導航和娛樂。蘋果的Car-Play 和谷歌的安卓汽車平臺已在市場上脫穎而出。 ADAS和安全應用將聚焦駕駛員輔助和自動駕駛，主要通過汽車 制造商的專有解決方案（如通用汽車巡航自動化解決方案）或 廣泛可用的平臺（如英特爾的Mobileye和輝達驅動）。到2022 年，這些人工智能應用的組件將會集中于傳感（光電子學和非 光學傳感器）、計算（ASIC、ASSP、通用邏輯和微組件）及 存儲（存儲器）領域，可用市場達到208億美元。模擬和分離組 件將是整體解決方案的一部分

25、，但并非人工智能應用的主導因 素。 在這些組件中，人工智能注入的邏輯元件將設計用于 ASSP、ASIC和微組件，而存儲器、光電子和非光學傳感 器將作為輔助組件來支持整個子系統的設計。到2022年， ADAS、安全和信息娛樂中人工智能芯片的市場預計達到 40億至47億美元，約占這些應用領域總市場的19.2%- 22.6%。 人工智能在自動駕駛汽車中的使用將取決于汽車的自動駕駛能 力，根據正常操作所需的人工干預量，通常分為五個級別。 0級不涉及自動化。在1級和2級，ADAS提供自動剎車、穩定性控 制和巡航控制。3級在某些情況下包括自動駕駛，而在4級和5 級，駕駛是完全自動的。 在4級和5級，自動駕

26、駛子系統必須利用其所有組件在通常情況 和特殊情況下提供幫助，完全消除對駕駛員甚至方向盤的需 求。攝像、雷達和激光雷達傳感器必須能夠探測并避開物體。 信息娛樂模塊充當導航、傳感器控制和語音命令的主要數據傳 輸源。最后，核心自主平臺發揮人工智能推理系統的作用，用 于實時計算和作出關鍵的安全和導航決策。 對于依賴于學習系統的任務，包括實時路線導航、個性化信息娛 樂推薦和數字語音輔助，車載連接功能會將請求發送至云端。人 工智能定制化的云基礎設施將運用人工智能算法優化這些用例， 通常由公共云供應商、或由汽車制造商或服務提供商管理的數據 中心掌管。 5.0 3.5 1.0 2022年市場預測 市場概況 7

27、 全球半導體市場機遇 | 前景樂觀 人工智能解決方案堆棧 新型創新型人工智能產品或服務將會改變已知世界。虛擬助理能發起 擬人電話呼叫并在餐館訂座，人們已經對此醉心不已。但為了更好地 理解人工智能機遇能夠一展拳腳的領域，我們必須更深入地研究人工 智能技術堆棧的底層組件，即構建應用程序的腳手架。 在看來，人工智能技術堆棧由五個元素或層組成：硬件、 庫、框架和工具、平臺及應用與服務（見圖5）。由于對人工智能的 大部分注意力集中于人工智能帶來的客戶體驗上，所以從應用程序和 服務開始講起是合乎邏輯的。這是解決方案堆棧的最頂層。此處，最 可感知的人工智能功能，在應用級別集合在一起，例如亞馬遜的 Alexa

28、虛擬助理和蘋果的人臉識別。其中部分功能也作為服務提供， 例如嵌入軟件的推薦引擎。 圖5 人工智能技術堆棧的元素 資料來源：研究 但是，沒有深層可重用組件來提供核心功能的應用是什么？這其實是 平臺層的任務。已有若干公司正在生產人工智能平臺，承諾無需處理 復雜的算法和深層動態神經網絡（DNN）便能構建具備人工智能功能 的應用。 這些公司已經建立平臺，旨在提供“隨時能用”的構建模塊和軟件服務， 即基礎人工智能功能，如NLP、代理和決策引擎，這有助于加快人工 智能應用程序和服務的開發。示例包括： 雨鳥技術（Rainbird Technologies）。雨鳥技術推出以軟件即服務 為基礎的人工智能平臺，旨

29、在提高業務運營的智能化。它提供一個 以規則為基礎的自動化決策引擎，能夠支持執行復雜的任務（如作 出預測、建議和業務決策）。它還捕捉平臺作出某些決策的依據， 這對審計十分有價值，特別是在受監管的行業。 語義機器（Semantic Machines）。這家總部位于加州伯克利，最 近被微軟收購的初創企業開發了一個基于機器學習的基礎技術平 臺，使用戶能與信息系統毫不費力地互動。此類稱為“對話式人工智 能”的方法有望對我們在電子商務網站上的交易方式、與社交媒體的 互動方式，甚至日常使用生產力軟件和設備的方式產生深遠的影 響。 堆棧的中間部分（人工智能框架、工具和接口）允許開發者設計、構 建和部署實際的模

30、型和算法。獨立軟件供應商（ISV）正在為開發者提 供人工智能框架、工具和接口，以便使用深層人工智能算法為特定用 例構建深度學習模型。其中一些框架也是開源的，有利于其得到廣泛 采用，并得到人工智能生態系統中大多數參與者的大力支持。 堆棧的底部兩層由硬件（處理器、邏輯電路和運行人工智能軟件的其 他組件）及人工智能庫組成，這些基本屬于低級軟件功能，有助于優 化底層硅芯片集的人工智能模型和算法。我們期待傳統半導體供應商 （如英特爾、輝達、高通和賽靈思）提供用于加速此部分堆棧人工智 能用例的優化硅芯片。這些公司還可能提供需要的人工智能庫，促進 其專屬架構的開發和逐級采用，進而幫助在其硅產品上部署人工智能

31、 框架。人工智能庫示例包括：英特爾 DL SDK/Vision SDK、輝達 cuDNN TensorRT和安謀（ARM）NN。 有一點正變得日益清晰：硬件層可以說是這種人工智能解決方案堆棧 中最有趣的部分。關鍵原因有兩個：首先，人們日益認識到人工智能 要求其深層硬件具備獨特的處理能力，這導致了選擇最佳處理架構的 新一輪競賽哪種架構將會勝出，是GPU、數字信號處理器 （DSP）、FPGA還是定制ASIC，仍有待觀察；其次，開發人工智能 硬件的參與者數量日益增加，超過了傳統芯片制造商以往的名單，這 可能會威脅到老牌供應商，并顯著改變其市場地位。 堆棧元素 描述 應用和服務 利用人工智能實現“智能

32、”的軟件應用，包括視覺處 理、聊天機器人客服、智能助手和算法交易。 人工智能平臺 現成的架構模塊和服務，可提供機器學習、數據 分析、NLP、代理、數據解決方案等可用于構建 人工智能應用的功能。 人工智能框架、 工具和接口 利用底層機器學習算法為特定應用設計、構建和 訓練深度學習模型的技術。許多是開源技術，并 得到廣泛支持。 人工智能庫 低級軟件功能，幫助優化人工智能框架在特定目 標硬件上的部署。 人工智能硬件 處理器單元和半導體邏輯電路，其設計和優化旨 在加速人工智能工作負載和計算的執行。 “誰能最大程度實現啟發式編程與算法編程融合，誰就將成為 人工智能的最大受益者。該融合對歐洲公司而言可能是

33、一個很 好的機遇，它們在處理啟發式和復雜系統方面有著豐富的經 驗?！?Reinhard Ploss 英飛凌科技首席執行官 8 全球半導體市場機遇 | 前景樂觀 圖6 對人工智能機遇的高度期望反映在一系列產品中 人工智能芯片的新興戰場 人們對人工智能領域半導體市場機遇抱有很高期望的一個明確標志 是，每個主要供應商均在提供人工智能硅。最常見的目標應用是 ADAS、無人機、監測和計算機視覺。 這些應用架構在選擇上差異巨大，包括一般用途CPU、DSP、GPU、 FPGA和定制的ASIC等（見圖6）。不出所料，大多數供應商對人工 智能硅架構的選擇與其核心能力或優勢領域密切相關。例如，賽靈思 的Zynq

34、MPSoC是其FPGA產品的可定制變體，輝達的大多數產品也 均基于其核心GP-GPU架構。 另一方面，供應商（如恩智浦和意法半導體）大多提供人工智能特定 加速和擴展，以增強其現有產品組合而非人工智能特定芯片的能力。 另一個差異是，IP許可供應商安謀和益華（Cadence）提供軟CPU和 DSPIP核心，前提是未來人工智能處理器將嵌入至ASIC中，而非由 專門用于人工智能工作負載的獨立運行芯片處理。軟CPU和DSP IP 核心的模型使硅供應商獲得人工智能軟核心的許可，得以開發針對其 人工智能應用的芯片。與此同時，財力雄厚的供應商（如英特爾）正 在對各種不同的架構（CPU、FPGA和定制ASIC）

35、進行廣泛投資，旨 在滿足不同的處理需求。 我們觀察到的另一個區別是公司是否生產專門為培訓或推理系統設計 的芯片。英特爾和輝達面向培訓或推理市場提供的芯片集最為多元。 英特爾的Arria 10 FPGA和Myriad X ASIC專為推理工作負載而設計， 而其Nervana NNP則最適用于培訓。同樣，輝達生產的Pascal和 Volta芯片適用于培訓工作負載，Maxwell則用于推理。 兩家公司均制造芯片，英特爾的Loihi NMP和輝達的Tesla，都是為了 在各自的應用中實現良好的運轉而設計的。我們認為并無哪種方法適 用于所有情況；根據待分析的數據源類型、數據重力考慮因素和實時 處理需求，

36、每個用例的最佳方案可能各有不同。 定制方案 在這一系列的創新中，一些公司可能會嘗試開發定制芯片來傳遞人工 智能“圣杯”，即性能卓越，功耗和成本低于第一代引入的任何標準架 構。這場架構之戰可能會延續到可以預見的未來，我們認為現在宣布 贏家還為時過早。定制芯片的整體性能可能是最佳的，但如果只能處 理非常有限的應用程序集和用例，則可能無法實現其經濟價值，因為 由此導致的較低產量可能無法證明前期開發所付出的成本是必要的。 數家非傳統芯片制造商已加入這場“軍備競賽”，爭奪人工智能半導體的 優勢地位，并為其特定人工智能需求而設計的定制芯片試水（見圖 7）。我們在頂級公有云供應商（特別是亞馬遜、谷歌和微軟）

37、中看到 一種顯而易見的趨勢所有這些供應商都在探索定制人工智能芯片 作為GPU和FPGA的替代產品，以便在云端產品的性能和成本方面獲 得競爭優勢。亞馬遜最近宣布為其邊緣計算家用設備Alexa開發人工智 能芯片；微軟正在為其全息透鏡智能眼鏡開發人工智能芯片；2017 年，谷歌推出了用于神經網絡的張量處理單元（TPU），聲稱在類似 的工作負載下，TPU的性能比CPU/GPU芯片高15至30倍，性能功耗比 高30至80倍。 9 全球半導體市場機遇 | 前景樂觀 包括蘋果、三星和特斯拉在內的幾家公司正在開發自己的人工智能 硅，并根據其產品要求量身定制。蘋果為iPhone XR和iPhone XS智 能手

38、機引入A12仿生芯片。該產品包括用于面部識別和動畫表情符號 應用程序的神經引擎，以及計算攝影和像素處理功能的影像處理器。 鑒于公有云供應商和產品公司紛紛開發自己的定制硅，用于優化自身 應用程序和用例，爭奪人工智能優勢地位競賽中出現的重大轉變必然 會威脅到傳統芯片制造商（如英特爾、輝達和賽靈思）的市場地位， 并有可能顛覆其傳統商業模型。盡管 有定制活動，我們預期GPU和 FPGA將繼續在云端共存，以加速人工智能工作負載。近期，鑒于開 發新型硅設計需要大量投資和資源，且這種方式要實現盈利需要達到 高銷量，大多數應用程序將通過商用硅產品提供服務。 人工智能初創企業的前景 半導體制造商必須抗衡的另一個

39、趨勢是龐大的初創企業隊伍，這些初 創企業正在開發針對人工智能優化的革命性新型芯片架構并將其商業 化。關鍵問題是，這些年輕的公司是否會對現有企業構成威脅，抑或 甚至能夠把握機遇超越其他競爭對手并在人工智能領域勝出？ 利用人工智能前景的熱潮正在引發解決方案堆棧領域的大量創新。近 年來，對人工智能初創企業的風投基金大幅增加，2017年對人工智能 和機器學習公司的投資達到創紀錄的110億美元。不出所料，這種行動 有很大一部分發生在堆棧上層的軟件和算法領域。初創企業在該領域 構建專注于特定人工智能用例的可擴展平臺，并尋求開發能夠集成到 現有應用程序中的人工智能軟件，以使其更智能化。 堆棧底層同樣能引起人

40、們巨大的興趣和興奮之情，越來越多的初創企 業在瞄準新型硅架構，將其優化來滿足人工智能工作負載帶來的獨特 處理需求。我們對風投基金的分析顯示，人們對半導體初創企業的興 趣有所回升，2017年，半導體初創企業吸引了近7.5億美元的風投資 金，是前兩年所獲資金總和的三倍多，也是2015年前所有投入人工智 能芯片初創企業的資金的12倍。 如圖8所示，前19家人工智能半導體初創企業中有11家位于美國，且大 多數均在探索針對各種人工智能和深度學習工作負載專門定制的處理 器架構。其中9家正在構建深度學習處理器，三家正在開發所謂的神經 形態處理器，該處理器基于超前的全新架構，試圖模仿人腦的運行方 式。 圖7

41、加入人工智能競賽的其他參與者 10 全球半導體市場機遇 | 前景樂觀 圖8 人工智能初創企業獲得的風投資金正在增加 初創企業初創企業 成立年份成立年份 總部總部 階段階段 迄今為止迄今為止獲得獲得的的資資金金 （百萬美元）（百萬美元） 戰略投資者戰略投資者 技術技術 地平線機器人（Horizon Robotics） 2015 中國北京 B輪 700 海力士半導體（SK Hynix）,SK 中國 成像DSP Graphcore 2016 英國布里斯托爾 D輪 310 微軟、寶馬 深度學習處理器 寒武紀科技（Cambricon Technology） 2016 中國北京 B輪 210 國投（SDI

42、C） 深度學習處理器 Wave Computing 2010 加州坎貝爾 E輪 203.3 三星 深度學習處理器 Vicarious 2010 加州舊金山 C輪 120 三星 神經形態處理器 Rigetti Computing 2013 加州伯克利 B輪 119 光學/量子人工智能計算 Cerebras 2016 加州洛斯阿爾托斯 C輪 112 深度學習處理器 Vayyar 2011 以色列耶胡德 C輪 80 成像DSP 熠知電子（ThinkForce） 2017 中國上海 A輪 68 人工智能加速引擎 Movidius 2006 加州圣馬特奧 E輪 56 英特爾（收購） 神經計算機引擎加速器

43、（應用程 序：成像DSP） Mythic 2012 加州紅木城、德州 奧斯汀 B輪 55.2 神經形態處理器 KnuEdge 2005 加州圣地亞哥 種子輪 47 神經形態處理器 Nervana 2014 加州圣地亞哥 A輪 40 英特爾（收購） 深度學習處理器 Xanadu 2016 加拿大多倫多 種子輪 25 光學/量子人工智能計算 Reduced Energy Microsystems 2014 加州舊金山 種子輪 6.9 深度學習處理器 LightOn 2016 法國巴黎 種子輪 3.3 光學/量子人工智能計算 CyberSwarm 2017 加州圣馬特奧 種子輪 2 人工智能輔助網絡

44、安全CPU Tenstorrent 2016 加拿大多倫多 種子輪 1 深度學習處理器 Vathys 2015 俄勒岡州波特蘭 種子輪 深度學習處理器 A輪 B輪 C輪 D輪 E輪 種子期 資料來源：研究 值得注意的是，其中只有少數公司擁有戰略投資者，最活躍的戰略投 資者為英特爾和三星。事實上，英特爾已收購Movidius和Nervana， 并已開始將這兩家公司的產品集成到自己的人工智能布局圖中。值得 注意的是，輝達缺席戰略投資者名單，該公司反而在堆棧上層利用風 險部門向正在構建平臺和應用程序的公司進行進一步投資。 迄今為止，人工智能初創企業獲得的風投總額在早期階段的A輪和B 輪投資以及后期階

45、段的C輪和D輪交易平均分布。盡管大多數后期階 段的初創企業均位于美國和歐洲，但大部分早期階段的企業位于亞太 地區。 中國最大的初創企業包括寒武紀科技公司、地平線機器人公司、熠知 電子和深鑒科技公司（DeePhi Technologies），迄今為止它們共籌集 3億美元的風險投資，前兩家公司約占投資總額的三分之二。 據迄今為止的分析，我們相信制造最好的人工智能硅材料的競賽才剛 剛開始，競爭將十分激烈，難以預料未來會對現有企業造成什么樣的 影響。每一家希望在這一競爭激烈的領域大展身手的半導體公司都必 須從現在開始著手準備，然而只有時間才能告訴我們誰是最后的贏 家。 11 全球半導體市場機遇 | 前

46、景樂觀 抓住人工智能機遇 歷史表明，盡管半導體公司從顛覆性增長周期中獲利頗豐，但無論是 將超出芯片本身的新技術貨幣化，還是對這些技術支持的新商業模式 進行擴張，它們仍有很多次未能獲得每個周期全部價值的應得份額。 幾乎可以確定的是，人工智能的崛起會成為未來十年半導體行業最強 大的驅動力。正如我們的分析顯示，現有企業和初創企業都在努力開 發驅動人工智能的硬件。但是它們能否充分把握住這個機遇？它們能 否跳出從開發和銷售人工智能芯片中獲得利潤的模式，轉而全身心參 與到人工智能革命中？ 我們相信他們可以，但若要做到這一點，他們必須深思熟慮以重新評 估其人工智能戰略和商業模式，精心設計其技術和產品戰略，并

47、深入 了解如何在整個人工智能生態系統中發揮其作用。以下是公司在準備 應對人工智能帶來的變化并充分利用這一機遇時需要考慮的若干關鍵 因素和建議。 戰略和商業模式。制定公司的人工智能愿景，然后利用這一愿景更好 地理解需要關注的核心領域，至少在競賽的早期階段應當如此。這主 要包括探索新的方法將公司資產和專業領域貨幣化。能否利用數據？ 能否提供相關服務？該方法還將告訴我們如何更好地發展當前的投資 組合，使其變得與人工智能更相關、更適用，同時與總體戰略保持緊 密一致。以下是公司可以選擇聚焦的三個領域： 增長細分市場：在利用公司現有市場并提供巨大增長潛力的細分市 場中，識別并瞄準新型人工智能用例，例如ADAS和物聯網。 硅之外的貨幣化：探索人工智能特定知識產權許可機遇或提供可貨 幣化的人工智能相關服務的機遇，包括托管人工智能服務化和匿名 人工智能用例數據，用于改進培訓系統和算法。 產品組合：仔細評估在何處下大賭注來構建新型人工智能功能，而 非進行增量投資來增強當前投資組合中人工智能的適用性。 技