AI芯片

AI芯片((Artificial Intelligence Chip，簡稱為AI芯片)是專門用于處理人工智能應用中大量計算任務的模塊，是誕生于人工智能應用快速發展時代的處理計算任務硬件，定義并沒有一個嚴格和公認的標準，廣義來講，凡是面向人工智能應用的芯片均為被稱為AI芯片，AI芯片是承載計算功能的基礎部件，處于人工智能產業鏈的中部，向上為應用和算法提供高效支持，向下對器件和電路、工藝和材料提出需求。

1956年夏，麥卡錫、明斯基等科學家首次提出“人工智能”這一概念，人工智能自此走進大眾視野。在過去的60余年，人工智能發展歷經幾次沉浮，在漫長的探索后，直至最近幾年才迎來落地時代。作為人工智能技術的重要基石，AI芯片也同樣經歷了多次的起伏和波折

(1)2007年之前，以CPU為主的傳統通用計算芯片支撐人工智能發展應用：2006年Hinton發表文章首次證明大規模深度神經網絡的學習可行性英偉達推出CUDA(統一計算架構)使得GPU具有方便的編程環境可以直接編寫程序。

(2)2007年~2010年，GPU產品取得快速突破：2008年英偉達推出Tegra芯片，作為最早的可用于人工智能的GPU，如今已成為英偉達最重要的AI芯片之一；2010年IBM首次發布類腦芯片原型，模擬大腦結構，具有感知能力和大規模并行計算能力。

(3)2010年~2015年，云計算廣泛推廣，CPU+GPU混合運算如火如荼。2012年Google Brain用1.6萬個GPU核的并行計算平臺訓練DNN模型，在語音和圖像識別等領域獲得巨大成功；2013年GPU開始廣泛應用于AI高通發布Zeroth；2014年英偉達發布首個為深度學習設計的GPU架構Pascal；IBM發布二代TrueNorth。

(4)2015年~至今，人工智能專用芯片逐漸興起，更適合AI海量數據并行計算：2015年谷歌首次公布ASIC芯片TPU1.0；2016年寒武紀研發DIANNAO；PGA芯片在云計算平臺得到了廣泛應用；2017年麒麟970成為首個手機XI芯片；地平線發布中國首款嵌入式AI視覺芯片；2018年巨頭布局AI芯片，語音廠商涌入AI芯片，自動駕駛進軍AI芯片，礦機巨頭押寶AI芯片

(1)按技術架構分類：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

類腦芯片：是用電路模擬人腦神經網絡架構的芯片。同傳統通用的芯片相比，類腦計算芯片能夠模擬人類大腦信息處理方式，用極低的功耗異步、并行、低速和分布式處理信息，實現自主感知、識別和學習等。

GPU：圖形處理器，俗稱顯卡，擅長大規模并行計算。GPU擁有計算單元數量眾多和超長的流水線，處理的數據類型通常為高度統一的、相互無依賴，省去了大量CPU的不必要控制指令計算模塊，并行計算能力較CPU強。隨著人工智能的發展，GPU不斷被應用于數值模擬、機器學習、視覺處理、語音識別等領域，廠商代表即為英偉達。

FPGA：Field Programmable Gate Array，又稱可編程邏輯門陣列，算力較高，適合小規模定制化開發測試。用戶可通過燒入配置文件來定義其內部結構的連線，從而達到定制電路的目的。FPGA的芯片量產成本較高，能效比較差，不如ASIC專用芯片。適用于科研、企業開發階段，一旦方案確定，其成本優勢就不再突出。代表廠商：賽靈思、阿爾特拉(被英特爾收購)、深鑒科技。

ASIC：Application-Specific Integrated Circuit，是一種為專門目的而設計的集成電路，具有算力最高，能效比優等特點。ASIC面向特定用戶的需求，適合較為單一的大規模應用場景，運行速度在同等條件下比FPGA快。但在架構層面對特定智能算法作硬化支持，指令集簡單或指令完全固化，若場景一旦發生變化，該類AI芯片便不再適用，需要跟新換代。面對現階段，AI算法日新月異，每年都有大量的算法被開發出來，對于自動駕駛領域適用性不強。所以現階段并沒有真正意義上的ASIC芯片

(2)按功能分類，按照機器學習算法步驟，可分為訓練(training)芯片和推斷(inference)芯片。訓練芯片，主要是指通過大量的數據輸入，構建復雜的深度神經網絡模型的一種AI芯片，運算能力較強。推斷芯片，主要是指利用訓練出來的模型加載數據，計算“推理”出各種結論的一種AI芯片，側重考慮單位能耗算力、時延、成本等性能。

(3)按應用場景，根據不同的部署的位置，AI芯片可分為云端(服務器端)、終端(移動端)兩大類。云端芯片，是指部署在公有云、私有云或混合云上的AI芯片，不僅可用于訓練，還可用于推斷，算力強勁。終端芯片，是指應用于手機等嵌入式、移動終端等領域的AI芯片，此類芯片一般體積小、耗電低、性能無需特別強大。

(1)百度的昆侖1：是云端AI芯片，2020年底已經量產2萬片，性能相比T4 GPU提升1.5-3倍。百度昆侖2預計在2021年.上半年量產，性能將比昆侖1提升3倍

(2)地平線的征程2：是自動駕駛AI芯片，2020年12月出貨量已超10萬，搭載此款芯片的汽車實現了L2+級自動駕駛，預計2022年前裝裝車將超百萬

(3)SigmaStar星宸科技的降龍系列：是Al視覺芯片，在安防領域，為?？低?、大華、宇視等企業提供全系列IPC處理芯片；希望成為全球最大的AI Camera系統芯片供應商

(4)比特大陸的算豐系列：是云端/終端AI芯片，基于最新款自研AI芯片BM1684，比特大陸AI超算中心助力北京、福州、安徽等地的智慧城市項目

(5)鯤云科技的CAISA：數據流AI芯片，2020年6月完成量產，相較于英偉達邊緣端旗艦產品xavier，鯤云的星空加速卡x3可實現1.48-4.12倍的實測性能提升

(6)億智電子的SV/SA/SH系列：是端側視覺AI芯片，2020年底已有超百萬顆芯片量產落地，落地的場景以人臉設備為主

目前，泛人工智能類芯片領域中的主要企業分為兩類：第一類是國際集成電路設計龍頭企業，包括Nvidia、Intel、AMD、Qualcomm、NXP、Broadcom、Xilinx、聯發科、華為海思等，還包括主要以進行IP授權模式經營業務的ARM、Cadence和Synopsys等公司；第二類是以寒武紀、地平線機器人、Graphcore等為代表的專業人工智能芯片設計公司。近兩年，國內外多家集成電路龍頭企業與初創公司陸續發布了多款智能芯片產品。例如，Nvidia在云端推理領域的代表性產品為TeslaT4，在云端訓練領域的代表性產品為Tesla V100，且均已實現大規模應用；Intel收購的HabanaLabs發布了面向推理的Goya加速卡和面向訓練的Gaudi加速卡，這兩款產品尚處于推廣階段；華為海思的代表性產品為適用于邊緣端和云端推理的Ascend310以及云端訓練的Ascend 910，這兩款產品尚處于推廣階段；其他代表性產品包括地平線機器人的征程和旭日系列芯片、Graphcore推出的面向云端市場的IPU產品等。

(1)第一類國際集成電路設計龍頭企業一般都經過了多年的技術沉淀和研發積累，在綜合技術實力、銷售規模、資金實力、人才團隊等方面仍占據優勢。

(2)第二類專業人工智能芯片設計公司普遍成立時間相對較晚，在營收規模、綜合技術積累等方面難以與國際集成電路設計龍頭企業相提并論，但在人工智能算法和針對人工智能應用場景的專用芯片設計方面有著自身獨到的技術優勢和一定的研發實力。

根據Compass Intelligence的數據，全球人工智能芯片榜單中前三名依序為英偉達(Nvidia)、英特爾(Intel)以及恩智浦(NXP)，中國大陸地區華為海思位列第12名，寒武紀位列第23名，地平線位列第24名。

國外AI芯片公司

(1)英偉達：占全球AI芯片50%以上市場份額。英偉達一直致力于設計各種GPU：針對個人和游戲玩家的GeForce系列，針對專業工作站的Quadro系列，以及針對服務器和高性能運算的Tesla系列。英偉達占據了全球AI芯片市場的50%以上份額，旗下產品線遍布自動駕駛汽車、高性能計算、機器人、醫療保健、云計算、游戲視頻等眾多領域。

(2)英特爾：專注計算機視覺芯片VPU。英特爾作為傳統PC芯片的老大，也在積極向PC以外的市場轉型。在AI芯片方面，英特爾專注于計算機視覺優化方面的VPU(Vision Processing Unit)。

(3)IBM：啟動類人腦芯片的研發。IBM很早以前就發布過watson，早就投入了很多的實際應用中去。除此之外，還啟動了對類人腦芯片的研發，那就是TrueNorth。

(4)谷歌：為機器學習應用而設計的專用芯片TPU。Google在2016年宣布獨立開發一種名為TPU的全新的處理系統。在2016年3月打敗了李世石和2017年5月打敗了柯杰的的阿爾法狗，就是采用了谷歌的TPU系列芯片。

(5)蘋果：神經網絡引擎提升蘋果手機性能。在iPhone 8和iPhone X的發布會上，蘋果明確表示其中所使用的A11處理器集成了一個專用于機器學習的硬件——“神經網絡引擎(Neural Engine)”，每秒運算次數最高可達6000億次。

(6)AMD：重回服務器市場。AMD首先挑戰的是x86服務器市場，試圖在這個領域尋找立足點。AMD正式推出全線的超智能服務器處理器產品——EPYC(霄龍)。

(7)ARM：ARM曾在去年推出了一套全新芯片架構技術DynamIQ，這套IP套件可以與其無縫集成。DynamIQ不僅采用了新的指令集，專門針對人工智能進行了優化；而且同時可容納8個核，并且提高了芯片架構的靈活性，支持大小核的靈活配置。

(8)高通：力推深度學習的移動設備芯片。在智能手機芯片占據絕對優勢的高通也在人工智能方面積極布局。據高通提供的資料顯示，其在人工智能方面已投資了Clarifai公司和中國“專注于物聯網人工智能服務”的云知聲。

國內AI芯片公司

(1)晶晨股份：AI音視頻系統終端芯片、智能電視芯片、智能機頂盒芯片

(2)瑞芯微：電源管理芯片RK8XX系列、其他芯片Nano系列、其他芯片RK6XX、RK9XX、RK10XX系列、智能應用處理器芯片RK110X系列、智能應用處理器芯片RK3036系列RK16XX系列、

(3)全志科技：智能電源管理芯片、智能終端應用處理器芯片

(4)富瀚微：視頻監控多媒體處理芯片、數字接口模塊、專業技術服務

(5)芯原股份：U 半導體IP授權服務、一站式芯片定制服務

(6)景嘉微：圖形顯控、小型專用化雷達領域核心模塊

(7)寒武紀：Cambricon Neuware軟件開發平臺、寒武紀1A處理器、寒武紀1H處理器、寒武紀1M處理器、思元100(MLU100)芯片及云端智能加速卡、思元220(MLU220)芯片及邊緣智能加速卡、思元270(MLU270)芯片及云端智能加速卡、思元290(MLU290)芯片及云端智能加速卡

(8)云天勵飛：城市治理AI解決方案、突發疫情防控AI解決方案、云端產品、智慧安防AI解決方案、智慧泛商業AI解決方案、智慧社區解決方案、智慧園區AI解決方案、終端及邊緣端產品

(9)地平線：作為全球最早流片和商業化的AI芯片公司，地平線自成立起，一直專注技術積累和產品研發。繼2017年發布中國首款嵌入式人工智能視覺芯片征程(Journey)系列和旭日(Sunrise)系列后，2018年地平線AI芯片產品 逐漸落地，發布了Matrix自動駕駛計算平臺和XForce邊緣AI計算平臺，并相繼推出智能駕駛方案、安防解決方 案

(10)華為：作為國內ICT產業領域的龍頭企業，華為在2018年的全聯接大會上公布了其最新的AI芯片戰略，并正式推出 了基于達芬奇架構設計的云端和邊緣端AI芯片Ascend系列芯片

參考資料：

甲子光年：2021年中國AI芯片發展簡報及典型廠商案例中國

電子行業走進“芯”時代系列深度之四十九“AI芯片”：AI領強算力時代GPU啟新場景落地-20211128（78頁）.pdf

【研報】汽車行業深度報告：軟件定義汽車AI芯片黃金賽道-210411（39頁）.pdf

【研報】2021年度電子行業投資策略：5G+AI芯片國產化-20201202（131頁）.pdf

汽車行業智能駕駛系列深度之四：AI芯片智能汽車的黃金賽道-210914（34頁）.pdf

中國人工智能產業發展聯盟：AI芯片技術選型目錄（2020年）[97頁].pdf

【公司研究】寒武紀-國內AI芯片領先者-20200916（27頁）.pdf

賽迪顧問：中國AI芯片產業發展白皮書.pdf

清華大學：人工智能芯片技術白皮書（2018）(48頁).pdf