詳細分析AI芯片的最新格局.doc

《詳細分析AI芯片的最新格局.doc》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、詳細分析AI芯片的最新格局　　AI芯片設計是人工智能產(chǎn)業(yè)鏈的重要一環(huán)。自2017年5月以來，各AI芯片廠商的新品競相發(fā)布，經(jīng)過一年多的發(fā)展，各環(huán)節(jié)分工逐漸明顯。　　AI芯片的應用場景不再局限于云端，部署于智能手機、安防攝像頭、及自動駕駛汽車等終端的各項產(chǎn)品日趨豐富。除了追求性能提升外，AI芯片也逐漸專注于特殊場景的優(yōu)化?！　　　D：自2017年5月以來發(fā)布的AI芯片一覽　　目前，人工智能產(chǎn)業(yè)鏈中，包括提供AI加速核的IP授權商，各種AI芯片設計公司，以及晶圓代工企業(yè)?！　“床渴鸬奈恢脕矸?，AI芯片可以部署在數(shù)據(jù)中心（云

2、端），和手機，安防攝像頭，汽車等終端上?！　“闯袚娜蝿諄矸郑梢员环譃橛糜跇嫿ㄉ窠?jīng)網(wǎng)絡模型的訓練芯片，與利用神經(jīng)網(wǎng)絡模型進行推斷的推斷芯片。訓練芯片注重絕對的計算能力，而推斷芯片更注重綜合指標，單位能耗算力、時延、成本等都要考慮。　　訓練芯片受算力約束，一般只在云端部署。推斷芯片按照不同應用場景，分為手機邊緣推斷芯片、安防邊緣推斷芯片、自動駕駛邊緣推斷芯片。為方便起見，我們也稱它們?yōu)槭謾CAI芯片、安防AI芯片和汽車AI芯片?！　∮捎贏I芯片對單位能耗算力要求較高，一般采用14nm/12nm/10nm等先進工藝生產(chǎn)。臺

3、積電目前和Nvidia、Xilinx等多家芯片廠商展開合作，攻堅7nmAI芯片?！　　　D：AI芯片投資地圖　　AI芯片市場規(guī)模：未來五年有接近10倍的增長，2022年將達到352億美元。根據(jù)我們對相關上市AI芯片公司的收入統(tǒng)計，及對AI在各場景中滲透率的估算，2017年AI芯片市場規(guī)模已達到39.1億美元，具體情況如下：　　2017年全球數(shù)據(jù)中心AI芯片規(guī)模合計23.6億美元，其中云端訓練芯片市場規(guī)模20.2億美元，云端推斷芯片3.4億美元?！　?017年全球手機AI芯片市場規(guī)模3.7億美元?！　?017年全球安防攝

4、像頭AI芯片市場規(guī)模3.3億美元?！　?017年全球自動駕駛AI芯片的市場規(guī)模在8.5億美元?！　　　D：AI芯片市場規(guī)模及競爭格局　　Nvidia在2017年時指出，到2020年，全球云端訓練芯片的市場規(guī)模將達到110億美元，而推斷芯片（云端+邊緣）的市場規(guī)模將達到150億美元。　　Intel在剛剛結束的2018DCI峰會上，也重申了數(shù)據(jù)業(yè)務驅動硬件市場增長的觀點。Intel將2022年與用于數(shù)據(jù)中心執(zhí)行AI加速的FPGA的TAM預測，由70億美元調高至80億美元?！　《瑫r我們也注意到：　　1.手機SoC價格不斷上

5、升、AI向中端機型滲透都將為行業(yè)創(chuàng)造更廣闊的市場空間?！　　　D：歷代Apple手機芯片成本趨勢　　2.安防芯片受益于現(xiàn)有設備的智能化升級，芯片需求擴大?！　　　D：自動駕駛算力需求加速芯片升級　　3.自動駕駛方面，針對豐田公司提出的算力需求，我們看到當下芯片算力與L5級自動駕駛還有較大差距。英飛凌公司給出了各自動駕駛等級中的半導體價值預測，可以為我們的TAM估算提供參考?！　　　D：英飛凌對各自動駕駛等級中半導體價值的預測　　結合以上觀點，及我們對AI在各應用場景下滲透率的分析，我們預測：　　云端訓練芯片市場規(guī)模在2

6、022年將達到172億美元，CAGR~54%。　　云端推斷芯片市場規(guī)模在2022年將達到72億美元，CAGR~84%?！　∮糜谥悄苁謾C的邊緣推斷芯片市場規(guī)模2022年將達到38億美元，CAGR~59%?！　∮糜诎卜罃z像頭的邊緣推斷芯片市場規(guī)模2022年將達到18億美元，CAGR~41%?！　∮糜谧詣玉{駛汽車的邊緣推斷芯片市場規(guī)模2022年將達到52億美元，CAGR~44%?！　≡贫擞柧毿酒篢PU很難撼動NvidiaGPU的壟斷地位　　訓練是指通過大量的數(shù)據(jù)樣本，代入神經(jīng)網(wǎng)絡模型運算并反復迭代，來獲得各神經(jīng)元“正確”權

7、重參數(shù)的過程。CPU由于計算單元少，并行計算能力較弱，不適合直接執(zhí)行訓練任務，因此訓練一般采用“CPU+加速芯片”的異構計算模式。　　目前Nvidia的GPU+CUDA計算平臺是最成熟的AI訓練方案，除此還有：　　　　圖：AI芯片工作流程　　第三方異構計算平臺OpenCL+AMDGPU或OpenCL+Intel/Xilinx的FPGA?！　≡朴嬎惴丈套匝屑铀傩酒ㄈ鏕oogle的TPU）這兩種方案。各芯片廠商基于不同方案，都推出了針對于云端訓練的AI芯片?！　　　D：云端訓練芯片對比　　Google　　在GPU之外，

8、云端訓練的新入競爭者是TPU。Google在去年正式發(fā)布了其TPU芯片，并在二代產(chǎn)品中開始提供對訓練的支持，但比較下來，GPU仍然擁有最強大的帶寬（900GB/s，保證數(shù)據(jù)吞吐量）和極高的深度學習計算能力（120TFLOPSvs.TPUv245TFLOPS），在功耗上也并沒有太大劣勢（TPU進行訓練時，引入浮點數(shù)計算，需要逾200