當前，在算力、算法和大數據三駕馬車的支撐下，全球人工智能進入第三次爆發期。然而，作為引爆點的深度學習算法，對現有的算力尤其是芯片提出了更為苛刻的要求。在AI場景中，傳統通用CPU由于計算效率低難以適應AI計算要求，GPU、FPGA以及ASIC等AI芯片憑借著自身特點，要么在云端，要么在邊緣端，有著優異表現，應用更廣。從技術趨勢看，短期內GPU仍將是AI芯片的主導，長期看GPU、FPGA以及ASIC三大技術路線將呈現并行態勢。

    從市場趨勢看，全球AI芯片需求將保持較快增長勢頭，云端、邊緣芯片均具備較大增長潛力，預計未來5年市場增速將接近50%；國內雖然芯片技術差距較大，但隨著AI應用的快速落地，AI芯片需求增長可能更為迅速。

    近年來，各類勢力均在發力AI芯片，參與者包括傳統芯片設計、IT廠商、技術公司、互聯網以及初創企業等，產品覆蓋了CPU、GPU、FPGA、ASIC等。從總體競爭格局看，歐美韓日繼續領先該市場，且基本壟斷中高端云端芯片，國內企業有進步但主要集中在邊緣端，云端差距較為明顯。在AIChipsetIndexTOP24榜單中，前十依然是歐美韓日企業，國內芯片企業如華為海思、聯發科、Imagination（2017年被中國資本收購）、寒武紀、地平線機器人等企業進入該榜單，其中華為海思排12位，寒武紀排23位，地平線機器人排24位。

主要AI芯片類型及企業

數據來源：公開資料整理

    一、芯片企業

    芯片設計企業依然是當前AI芯片市場的主要力量，包括英偉達、英特爾、AMD、高通、星、恩智浦、博通、華為海思、聯發科、Marvell（美滿）、賽靈思等，另外，還包括不直接參與芯片設計，只做芯片IP授權的ARM公司。其中，英偉達、英特爾競爭力最為強勁。

    1、英偉達

    AI芯片市場的領導者，計算加速平臺廣泛用于數據中心、自動駕駛等場景。2017年，英偉達又推出了性能相比Pascal提升5倍的新GPU架構Volta，同時推出神經網絡推理加速器TensorRT3。至此，英偉達完成了算力、AI構建平臺的部署，也理所當然成為這一波人工智能熱潮的最大受益者和領導者。公司的戰略方向包括人工智能和自動駕駛。

    人工智能方面。英偉達面向人工智能的產品有兩個，Tesla系列GPU芯片以及DGX訓練服務器。Tesla系列是專門針對AI深度學習算法加速設計GPU芯片，DGX則主要是面向AI研究開發人員設計的工作站或者超算系統。2018年，公司包含這兩款產品的數據中心業務收入大幅增長52%，其中TeslaV100的強勁銷售是其收入的主要來源。

    自動駕駛方面。英偉達針對自動駕駛等場景，推出了Tegra處理器，并提供了自動駕駛相關的工具包。2018年，基于Tegra處理器，英偉達推出了NVIDIADRIVEAutoPilotLevel2+，并贏得了豐田、戴姆勒等車企的自動駕駛訂單。同時，2018年，公司也正在積極推動Xavier自動駕駛芯片的量產。

    2019年3月，英偉達宣稱將斥資69億美元收購Mellanox。Mellanox是超算互聯技術的早期研發和參與者。通過與Mellanox的結合，英偉達將具備優化數據中心網絡負載能力的能力，其GPU加速解決方案在超算或者數據中心領域的競爭力也將得到顯著提升。

    2、英特爾

    加速向數字公司轉型，通過并購+生態優勢發力人工智能。英特爾作為傳統的CPU設計制造企業，在傳統PC、服務器市場有著絕對的統治力。隨著互聯網時代的到來以及個人電腦市場的飽和，公司也在開始加快向數字公司轉型。尤其在人工智能興起之后，英特爾憑借著技術和生態優勢，打造算力平臺，形成全棧式解決方案。

    英特爾主要產品為CPU、FPGA以及相關的芯片模組。雖然CPU產品在訓練端的應用效率不及英偉達，但推理端優勢較為明顯。英特爾認為，未來AI工作周期中，推理的時長將是訓練時長的5倍甚至10倍，推理端的芯片需求也會放量。同時，即使是云端訓練，GPU也需要同CPU進行異構。
英特爾成功在2017年10月推出了專門針對機器學習的神經網絡系列芯片，目前該芯片已經升級至第二代，預計2019年下半年將正式量產上市，該芯片在云端上預計能和英偉達的GPU產品一較高下。

    二、IT及互聯網企業

    AI興起之后，互聯網及IT企業憑借著在各大應用場景上技術和生態積累，也在積極拓展AI相關市場，其中AI芯片是部署重點之一。相較而言，互聯網企業憑借著數據和場景先天優勢，在AI算法和芯片領域優勢更為明顯，如美國谷歌、國內的BAT。IT企業如IBM，在人工智能領域較早開始研究，2018年年中曾經推出專門針對深度學習算法的原型芯片。

    1、谷歌

    TPU芯片已經實現從云到端，物聯網TPUEdge是當前布局重點。

    谷歌可謂是AI芯片行業的一匹黑馬，但是競爭力強勁。谷歌擁有大規模的數據中心，起初同其他廠商的數據中心一樣，都采用CPU+GPU等異構架構進行計算加速，用來完成圖像識別、語音搜索等計算服務。但是，隨著業務量的快速增長，傳統的異構模式也很難支撐龐大的算力需求，需要探索新的高效計算架構。同時，谷歌也需要通過研發芯片來拓展AI平臺TensorFlow的生態。

    從谷歌TPU的本質來看，它是一款ASIC（定制芯片），針對TensorFlow進行了特殊優化，因此該產品在其他平臺上無法使用。第一代CloudTPU僅用于自家云端機房，且已對多種Google官方云端服務帶來加速效果，例如Google街景圖服務的文字處理、Google相簿的照片分析、甚至Google搜尋引擎服務等。CloudTPU也在快速改版，2017年推出第二代，2018年推出第三代芯片TPU3.0。同時，谷歌對TPU的態度也更為開放，之前主要是自用，目前也在對用戶開放租賃業務，但沒有提供給系統商。

    2018年推出的EdgeTPU芯片即是以執行TensorFlowLite為主，而非TensorFlow。EdgeTPU性能雖然遠不如TPU，但功耗及體積大幅縮小，適合物聯網設備采用。EdgeTPU可以自己運行計算，不需要與多臺強大計算機相連，可在傳感器或網關設備中與標準芯片或微控制器共同處理AI工作。

    2、阿里巴巴

    阿里巴巴作為國內AI領域的領軍企業，在底層算力、算法技術以及應用平臺方面都有較強積累。同Google類似原因，阿里巴巴也在近年來開始開發AI芯片，同時加大對相關領域的投資布局。

    2017年，阿里巴巴成立阿里達摩院，研究領域之一就是AI芯片技術。2018年4月，阿里達摩院對外宣布正研發一款Ali-NPU神經網絡芯片，預計將在2019年下半年問世。這款芯片將主要應用于圖像視頻分析、機器學習等AI推理計算。

    阿里巴巴在自研AI芯片之前，主要在通過投資的方式布局AI芯片領域。目前，寒武紀、深鑒科技、杭州中天微等都有阿里巴巴的入股，其中2016年1月份還成為了AI芯片設計企業杭州中天微的第一大股東。

阿里巴巴參與投資的AI芯片相關

數據來源：公開資料整理

    3、百度

    通過自研、合作以及投資等多種方式部署AI芯片。

    百度作為搜索企業，其對AI芯片的需求更為明確。早在2011年，百度就在FPGA和GPU進行了大規模部署，也開始在FPGA的基礎上研發AI加速器來滿足深度學習運算的需要。此后，百度就不斷通過合作、投資和自研的方式來推進該業務。

    加強同芯片設計及IP企業合作，參與AI芯片企業投資，自研芯片也正在加速部署。

百度AI芯片合作、合資及自研情況

數據來源：公開資料整理

    三、創業企業

    1、寒武紀

    發力終端和云端芯片，技術綜合實力較強。寒武紀發源于中科院，是目前全球領先的智能芯片公司，由陳天石、陳云霽兄弟聯合創辦，團隊成員主要人員構成也來自于中科院，其中還有部分參與龍芯項目的成員。2018年6月公司，公司獲得數億美元投資，此輪融資之后，寒武紀科技估值從上年的10億美金大幅上升至25億美元。公司是目前國內為數不多的同時具備云端和終端AI芯片設計能力的企業。

    相比傳統的GPU和CPU芯片，MLU芯片擁有顯著的性能功耗比和性能價格比優勢，適用范圍覆蓋了圖像識別、安防監控、智能駕駛等多個重點應用領域。

    綜合來看，公司在AI芯片方面競爭力較強。公司擁有自己的處理器架構和指令集，而且通過硬件神經元虛擬化、開發通用指令集、運用稀疏化處理器架構解決了ASIC用于深度學習時存在的三大問題。這三大問題是：云端算力的挑戰、能效瓶頸、手機端和云端超大規模計算場景應用問題。

    2、地平線機器人

    芯片和計算平臺在嵌入式及智能駕駛領域具備優勢，2018年起，公司逐漸實現產品化落地。2019年2月，公司官方宣布已獲得6億美元B輪融資，SK中國、SKHynix以及數家中國一線汽車集團（與旗下基金）聯合領投。B輪融資后，地平線估值達30億美元。

    2018年2月，地平線自主研發的高清智能人臉識別網絡攝像機，搭載地平線旭日人工智能芯片，提供基于深度學習算法的人臉抓拍、特征抽取、人臉特征值比對等功能。可以在攝像機端實現人臉庫最大規模為5萬的高性能人臉識別功能，適用于智慧城市、智慧零售等多種行業。

    2018年4月，公司發布地平線Matrix1.0自動駕駛計算平臺。目前已經更新到性能更強的升級版本，地平線Matrix自動駕駛計算平臺結合深度學習感知技術，具備強大的感知計算能力，能夠為L3和L4級別自動駕駛提供高性能的感知系統。地平線Matrix自動駕駛計算平臺已向世界頂級Robotaxi廠商大規模供貨，成功開創了中國自動駕駛芯片產品出海和商業化的先河。

    從當前AI芯片競爭格局和市場前景看，國內企業在邊緣端的機會多于云端。一方面，在邊緣場景，國內在語音、視覺等領域已經形成了一批芯片設計企業隊伍，相關芯片產品已經在安防、數據中心推理、智能家居、服務機器人、智能汽車等領域找到落地場景，未來隨著5G、物聯網等應用的興起，相關企業的市場空間將進一步擴大。另一方面，在云端，國內企業也正在加速追趕，未來也有望取得突破。尤其是寒武紀，作為云端芯片重要的技術廠商，有望通過授權等方式為下游芯片設計、服務器企業賦能。

    AI芯片上市公司標的較為稀缺，覆蓋標的中，重點推薦中科曙光、科大訊飛、中科創達以及四維圖新。中科曙光作為“芯-服務器-云”一體化企業，將直接成為國內AI芯片發展的受益者。除了AMD授權的海光X86處理器之外，公司也正在和同為中科體系的寒武紀合作，預計將在AI服務器、智能芯片等方面獲得突破；科大訊飛作為語音交互領域的龍頭，不但持有寒武紀的股份，而且還在同外部合作研發AI芯片Castor（北河二），目前該芯片已經完成測試工作，未來可用于智能家居等語音交互場景；中科創達在嵌入式人工智能領域有著較強的積累，主要為手機及安防終端提供軟件解決方案，近年來開始向底層芯片發力，2017年11月跟投了國內神經網絡處理器廠商——耐能；四維圖新作為自動駕駛領域的重點標的，其收購的杰發科技，車規級MCU已經實現量產，為后續進軍自動駕駛，實施“汽車大腦”戰略打下了良好的基礎。

    國內人工智能芯片主要集中在邊緣端推理領域，應用主要集中在安防、智能家居、消費機器人等場景，但是上述場景中AI芯片競爭十分激烈，可能影響到芯片企業產品落地效果。

    人工智能芯片和算法、終端、應用場景等密切相關，但在當前信息技術加速迭代的背景下，AI技術調整的風險非常高，相關調整一旦發生，將對企業發展造成重大影響。

    AI芯片研發難度大，需要投入大量的資金和人力。國內創業企業資金實力相對薄弱，在人才競爭中將處于劣勢。上述因素，可能直接導致企業研發進度落后于預期。

    相關報告：智研咨詢發布的《2019-2025年中國AI芯片行業市場全景調查及投資方向研究報告》