全球人工智能芯片行业投资策略及前景预测

 国内外人工智能芯片行业发展状况分析

1. 全球人工智能芯片行业发展分析

全球人工智能芯片行业规模分析

2016年人工智能芯片市场规模达到6亿美金，预计到2021年将达到52亿美金，年复合增长率达到53%，增长迅猛，发展空间巨大。

全球人工智能芯片行业结构分析

从云端芯片来看，目前GPU占据云端人工智能主导市场，占人工智能芯片市场份额的35%。以TPU为代表的ASIC目前只运用在巨头的闭环生态，FPGA在数据中心业务中发展较快。

放眼未来，GPU、TPU等适合并行运算的处理器成为支撑人工智能运算的主力器件，既存在竞争又长期共存，一定程度可相互配合;FPGA有望在数据中心业务承担较多角色，在云端主要作为有效补充存在。

全球人工智能芯片行业竞争格局

从目前主要的几个机器学习芯片平台来看，首先是GPU，GPU的计算能力要比CPU高很多倍。从全部GPU市场来看，英特尔目前占了71%，英伟达占了16%，AMD占了13%。但从分立式GPU市场来看，英伟达占了71%，AMD占了29%。因此英伟达在分立式GPU市场产品中占有占有绝对的优势，其产品广泛应用于数据中心的人工智能训练。

全球人工智能芯片行业前景与趋势

1、行业前景预测

就目前人工智能主要发展方向来看，可投资的垂直细分领域主要包括，机器人芯片研发、智能视觉、自然语言理解和开放知识图谱、人工智能教育、围棋AI、机器视觉、机器人系统方案、体感人机交互、智能投顾、智能视觉等。而所有细分领域中，核心专用芯片是人工智能时代的战略制高点。

2、行业竞争趋势预测

人们越来越看好人工智能的前景及其潜在的爆发力，而能否发展出具有超高运算能力且符合市场的芯片成为人工智能平台的关键一役。由此，2016年成为芯片企业和互联网巨头们在芯片领域全面展开部署的一年。而在这其中，英伟达保持着绝对的领先地位。但随着包括谷歌、脸书、微软、亚马逊以及百度在内的巨头相继加入决战，人工智能领域未来的格局如何，仍然待解。

2. 中国人工智能芯片行业发展状况分析

人工智能芯片行业状态描述总结

人工智能芯片行业市场规模分析

随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆发。芯片约占人工智能比重的15%，结合我国人工智能市场规模，推算出2016年我国人工智能芯片市场规模约为15亿元。

人工智能芯片行业竞争格局分析

全球十大人工智能芯片厂商中，中国有3家上榜(地平线机器人、中科寒武纪、中星微电子)。

1、地平线机器人——NPU

由中国人创立于2015年的初创企业Horizon Robotics(地平线机器人)致力于打造基于深度神经网络的人工智能“大脑”平台-包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。

2、中科寒武纪——在国际上开创了深度学习处理器方向

寒武纪科技由创始人陈天石教授带领中科院团队成立于2016 年，致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。

3、中星微电子

2016年6月20日，率先推出中国首款嵌入式神经网络处理器(NPU)芯片中星微，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，并取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。

人工智能芯片行业区域发展分析

据工信部统计，中国北上深三座城市的人工智能相关企业总数达447家，攀升速度迅猛。

人工智能芯片行业发展痛点分析

在人工智能创造价值四个关键因素——人才、数据、基础建设、运算能力上，人才居首位。中国AI人才储备与美国还有较大差距，有百万年薪难求一才的情况。

3. 人工智能芯片细分产品市场发展分析

基于FPGA的半定制人工智能芯片

1、产品简况与特征

(1)产品简况

FPGA(FIELD-PROGRAMMABLE GATE ARRAY)，即现场可编程门阵列，它是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。用户可以通过烧入FPGA配置文件来定义这些门电路以及存储器之间的连线。

(2)产品特征

FPGA内部包含大量重复的IOB、CLB和布线信道等基本单元。FPGA在出厂时是“万能芯片”，用户可根据自身需求，用硬件描述语言(HDL)对FPGA的硬件电路进行设计;每完成一次烧录，FPGA内部的硬件电路就有了确定的连接方式，具有了一定的功能;输入的数据只需要依次经过各个门电路，就可以得到输出结果。

2、产品市场发展现状

由于FPGA的灵活性，很多使用通用处理器或ASIC难以实现的下层硬件控制操作技术利用FPGA可以很方便的实现，从而为算法的功能实现和优化留出了更大空间。同时FPGA一次性成本(光刻掩模制作成本)远低于ASIC，在芯片需求还未成规模、深度学习算法暂未稳定需要不断迭代改进的情况下，利用具备可重构特性的FPGA芯片来实现半定制的人工智能芯片是最佳选择。

3、市场代表企业

目前，FPGA市场基本上全部被国外XILINX、ALTERA(现并入INTEL)、LATTICE、MICROSEMI四家占据。其中XILINX和ALTERA两大公司对FPGA的技术与市场占据绝对垄断地位。在ALTERA尚未被INTEL收购的2014年，XILINX和ALTERA分别实现23.8亿美元和19.3亿美元的营收，分别占有48%和41%的市场份额，而同年LATTICE和MICROSEMI(仅FPGA业务部分)两公司营收为3.66亿美元和2.75亿美元，前两大厂商占据了近90%的市场份额。

4、市场前景分析

由于FPGA灵活快速的特点，在众多领域都有替代ASIC的趋势，据市场机构GRANDVIEW RESEARCH的数据，FPGA市场将从2015年的63.6亿美元增长到2022年的约96亿美元，年均增长率在6%。

针对深度学习算法的全定制人工智能芯片

1、产品简况与特征

在针对深度学习算法的全定制阶段，芯片是完全采用ASIC设计方法全定制，性能、功耗和面积等指标面向深度学习算法都做到了最优。

ASIC(Application Specific Integrated Circuits，专用集成电路)，是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。是为了某种特定的需求而专门定制的芯片。

2、产品市场发展现状

ASIC在人工智能深度学习方面的应用还不多，但是可以拿比特币矿机芯片的发展做类似的推理。比特币挖矿和人工智能深度学习有类似之处，都是依赖于底层的芯片进行大规模的并行计算。而ASIC在比特币挖矿领域，展现出了得天独厚的优势。

目前ASIC芯片已成为主流的矿机芯片，挖矿速度基本都达到了GH/S的级别，比如BITMAIN的第四代芯片BM1385，单颗芯片算力可达32.5GH/S，在0.66V的核心电压下功耗仅为0.216W/GH/S。ASIC芯片随着硅片加工精度的提升，其性能更好，功耗更低。目前硅片加工精度已经130nm提升至14nm，基本接近现有半导体技术的极限。

3、市场代表企业

ASIC易学难练，要想大成，靡费巨资。因此玩ASIC的不乏豪门贵族。例如，谷歌于2016年推出可编程AI加速器TPU，英特尔也将于2017年推出专为深度学习设计的芯片Knights Mill。微软打造Project Catapult支持微软Bing。

从初创公司来看，美国的Wave Computing公司专注于深度学习芯片架构，推出DPU(Dataflow Processing Unit);英国的Graphcore公司将推出开源软件框架Poplar和智能处理单元IPU。

相比于科技巨头，初创企业更有可能结合具体应用场景设计芯片，如地平线机器人设计的第一代BPU(Brain Processing Unit)，被用于开发ADAS系统。

4、市场前景与趋势分析

国内的比特币芯片生产厂商，都有可能在人工智能时代华丽转身，成为拥抱深度学习的定制芯片供应商。在这块领域有所深耕建树的公司有，国内的深圳烤猫、迦南耘智、比特大陆和龙矿科技。拥有自产芯片的矿机生产商的盈利能力强，普遍的毛利率达到50%以上。

随着人工智能算法和应用技术的日益发展，以及人工智能专用芯片ASIC产业环境的逐渐成熟，人工智能ASIC将成为人工智能计算芯片发展的必然趋势。