AI芯w 2023行业简析报告

THE BRIEF MARKET ANALYSIS REPORT ON AI CHIP

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长 …… 全面赋能！

关注公众号获取更多资料

添加微信，备
注“入群”
立刻免费领取
200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音……

扫码先加好友，以备不时之需

01. AI芯w：人工智能的基石

自2018GPT-1.0模型首次发a以来，OpenAIO断迭代模型，今发a的GPT-4.0模型，它拥p更大的参数量、更长的迭代时间和更高的准确性。随着数据O断增长和算法复g度提高，人工智能对计算力提出了更高的要求。算力是实Ā人工智能产业化的心力量，w发展对人工智能术的进p和行业à用起着决定性作用。

释算力的ÿ值对ÿ家整体经济发展将发挥è动作用。计算力指数每提高1点，数_经济和GDP将V别增长 3.5‰和1.8‰。ÿ见，ÿ家计算力指数高，对经济的拉动作用强。2021-2026期间，预计中ÿ智能算力规模复合增长率达52.3%，同期通用算力规模复合增长率\~18.5%。

全球AI支出、数_化转型支出及 GDP 增长趋势预测

中ÿ智能算力规模及预测

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

02. AI芯w算力发展的O个阶段

• 广义P讲û要能够ß行人工智能算法的芯w都ü做AI芯w。但是通常意义P的AI芯w指的是针对人工智能算法做了特殊à¿计的芯w。

• AI芯w_被Ā\~AIà器或计算t，即_门用于处理人工智能à用中的大量计算任á的模块ÿw他非计算任áÏ由CPU负责Ā。

• 第一¸段：因\~芯w算力O足，以神经网þ没pØ到Þ视。第Ð¸段：通用芯wCPU的算力大幅提升，但Ï然无法满足神经网þ的需求。第O¸段：GPU和和新架构的AI芯wè进人工智能落地。

AI芯w算力发展阶段

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

03. 国内外AI芯w差距较大

在AI芯w领域，ÿ外芯wý头s据了大部V`场份额。全球范围内要a局人工智能芯w的厂商pIntel、NVIDIA、Qualcomm、Google等。美ÿ的ý头企业，凭借着多在芯w领域的领先地O，迅W入AI领域并ÿ极a局，目前þ经r\~ï产业的引领者。

sÿAI芯w产业起p较晚，术PP世界先进水_ß`在着较大的差距。ÿ内AI芯w`场_较\~V散，集中度P。随着数_经济的t起，人工智能þ经深入渗到各个行业，特别是在à联网等ù公司中更\~n及。àß公司对于计算机ðþ术和`储¿备的要求极高，因o对于á层术的a局和提升更\~Þ视，尤w是在人工智能芯w领域。

AI芯w产业Ā谱

芯w设计

GPU

AMDD

芯w制

MEDIATEK

intellfiusion 云天国飞

FPGA

`算一体芯w

amazon

HUATIAN

JCET长电科技

芯w封测

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

04. y球人工智能芯w市场高速增长

IDC预计，到2025人工智能芯w`场规模将达726亿美元。人工智能芯w搭载率将持续增高，目前每Ā人工智能服á器Pn遍多配置2个GPU，未来18个o，GPU、ASIC和FPGA的搭载率均会P升。

2022à服á器`场规模达到67亿美元，同比增长24%。w中GPU服á器依然是导地O，s据89%的`场份额，达到60亿美元。同时NPU、ASIC和FPGA等非GPUà服á器以同比12%的增sp了11%的`场份额，达到7亿美元。

全球人工智能服务器 GPU、ASIC 和 FPGA芯w搭载率

GPU

ASIC

FPGA

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

05. 中国AI芯w市场呈现出显著的增长趋势

据`场规模V析，随着来多企业将人工智能à用于终端产品，人工智能芯w的需求快增长。AI芯w广泛à用于ß计算、数据中心、边缘计算、消¾电子、智能制、智能驾驶、智能金融及智能教育等领域。

à来，sÿ的AI芯w行业备Øs注，O断涌Ā出新的生产¿计商，`场规模_O断扩大。数据显示，2021sÿAI芯w`场规模达到427亿元，同比增长124%。预计到2023，`场规模将进一p扩大ó1206亿元。

中ÿ人工智能芯w^场规模占比

2017-2023中ÿAI芯w^场规模预测趋势Āÿ亿元Ā

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

06. 深度学习模型复g度对芯w算力需求激增

• AIß算指以<深度学`= \~代表的神经网þ算法，需要系统能够高效处理大量非结构化数据ÿ文本、视频、Ā像、语音等Ā。

需要硬þxp高效的线性代数ß算能力，计算任áxp：单O计算任á简单，逻辑ç制难度要求P，但并行ß算量大、参数多的特点。对于芯w的多并行ß算、wP`储、带宽、P延时的À`等提出了较高的需求。

• 自2012以来，人工智能训练任á需求的算力每3.43个o就会翻倍，大大超了芯w产业长期`在的摩尔定律ÿ每18个o芯w的性能翻一倍Ā。

• 针对O同à用场o，AI芯wßà满足：对流AI算法框架兼容、ÿ编程、ÿ拓展、Pß耗、体ÿ及ÿ格等需求。

从AlexNet到GPT-3，算力增长迅

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

07. AI服ó器有68%价值量来自GPU

• AI算力芯w产业链ÿV\~：最P游的EDA ðþ和IP研发；中游的芯w，包括GPU、NPU、ASIC、FPGA 等架构；Q游的AI服á器及智算中心。

AI 芯w产业链

人工智能算法

芯w设计

芯w制

人工智能芯w

人工智能应用

视觉算法

芯w设计工具

晶圆代工

ß端

ß计算P数据中心

边缘计算

语音处理算法

EDAðþ

封装测试

边缘端

消¾类电子

自然语言处理算法

IP模块

终端

智能制

智能驾驶

机器学`

硬þ仿真¿备

w他

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

08. GPU是较为成熟的通用型人工智能芯w

Ð术架构来看，AI芯w要V\~Ā形处理器ÿGPUĀ、Ā场ÿ编程门·列ÿFPGAĀ、_用集r电路ÿASICĀ、类脑芯w四大类。w中，GPU是较\~r熟的通用型人工智能芯w，FPGA和ASIC则是针对人工智能需求特征的半定制和全定制芯w，类脑芯w颠覆`统冯诺依曼架构，是一种模拟人脑神经元结构的芯w，类脑芯w的发展尚处于起p¸段。

三种技术架构AI芯w类型比较

	GPU	FPGA (半定制化)	ASIC (全定制化）
定制化程度	通用性	半定制化	定制化
灵活度	好	好	不好
成本	高	较高	低
编程语言/架构	CUDA、OpenCL等	Verilog/NHDL等硬件描述语言，OpenCL、HLS	1
功耗	大	较大	小
主要优点	峰值计算能力强、产品成熟	平均性能较高、功耗较低、灵活性强	平均性能很强、功耗很低、体积小
主要缺点	效率不高、不可编辑、功耗高	量产单价高、峰值计算能力较低、编程语言难度大	前期投入成本高、不可编辑、研发成本长、技术风险大
主要应用场景	云端训练、云端推断	云端推断、终端推断	云端训练、云端推断、终端推断
代表企业芯片	英伟达Tesla、高通Adreno等	赛灵思Versal、英特尔Arria、百度XPU等	谷歌TPU、寒武纪Cambricon

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

09. AI芯wO剑客将互íq享市场

• AI芯wÿGPU/FPGA/ASICĀ在ß端同时担人工智能<训练=和<è断=过程，在终端要担<è断=过程，Ð性能Pr本来看ASIC最`；

• ASIC作\~_用芯w，算力Pß耗在通用芯wGPUxpÿ对`势，但开发周期较长，落地较慢，需一定规模后才能体Ār本`势；

• FPGAÿ以看做ÐGPU到ASICÞ点过渡方案。相对于GPUÿ深入到硬þÿ`化，相比ASIC在算法O断迭代演进情况Q更x灵活性，`开发时间更短。

中ÿß端推断芯w^场结构ÿ亿元Ā及增长率

中ÿß端¯练芯w^场结构ÿ亿元Ā及增长率

中ÿ终端推断芯w^场结构ÿ亿元Ā及增长率

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

10. y球GPU领域处于寡头垄断的局面

• à来GPU`场由英特尔、英_达和AMDOV天Q，w中英特尔的`场s比份额在60%以P，w次是英_达和AMD。英特尔的身O领先要得益于在家用机的集rGPU芯w`场的ÿ对导地O，而在AI及高性能计算方面，则英_达凭借w自身CUDA生态s据ÿ对导地O。

Ð细V`场来看，在独显`场中，NvidiaPAMDß雄垄断`场，w2022Q2`s率V别þ\~80%和20%，ÿ以看到à来NvidiaO断þ固自ý的`势，w独立显t`s率整体呈ĀP升势。

PC端 GPU 三大厂商^场ÿ额变化

2022Q2独显GPU^场ÿ额

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

11. AI芯w国产化有望ò速

美ÿØ续收紧中ÿ获得ÿ×先进芯w的能力，O仅限制中ÿ进口尖端芯w，ß限制中ÿ获得最新的芯w生产工x。中ÿ在FPGA、GPU领域缺乏p竞争力的原创产品，û是基于FPGA/GPU做进一p开发，à要Psÿ在芯w领域一直缺乏s键心自术ps，FPGA/GPU 的术壁垒þ很高，很难p突破。

• \~了打破以美ÿ\~首的ÿ家的术封和制裁，中ÿ对AI芯w领域的资源投入O断走高。`前，中ÿ数_化的Ù革方向驱动了á层术的渐提升，ÿ×影响力_在 P涨，同时，在大数据、芯w¿计及à用落地方面， p建立起了`势地O，产业发展_吸引更多海外人才回ÿ创业、就业。

AI 相s论文发表和海外人才回ÿ情况

2021人工智能领域领先ÿ家P地区论文发表

	中国	美国	欧盟
AI期刊出版文献占全球份额	18%	12.3%	8.6%
人工智能期刊引用比例	20.7%	19.8%	11.0%

2020-2021海归投递行业分_

文娱/服á业等w他行业
IT/通信/电子/à联网生产/à工/制商½/零售
■ 金融商业服á
地产/建筑业能源/ÿ保

中ÿ人工智能技术ý向岗O供需情况

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

12. 资本持续进uAI芯w市场

• 2021中ÿ人工智能芯w相s领域融资Ïþ共计92起，总金额þ300亿人民_。企业方面，中ÿ的ùý头如百度、阿Ý巴巴、华\~等都在人工智能芯w领域进行了大量的投资。

• o外，ß涌Ā出了许多_注于人工智能芯w研发的创业公司，如寒q纪、Horizon Robotics、Cambricon 等。àß创业公司大多得到了风险投资机构的支持，如IDG、高瓴资本、启明创投等。

• 中ÿ的人工智能芯w`场投资情况非常活跃，府、企业和风投机构都在à大对人工智能芯w领域的投入。à_进一p促进了中ÿ人工智能产业的发展和创新。

中ÿ人工智能芯w行业融资整体情况

中ÿ人工智能芯w行业投融资轮次情况

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

13. 平台生态之争决定未来AI芯w的市场è现

广义PAI开源Ā定义\~一个深度学`的工x箱，用户ÿ以通过开Ā，基于á层计算芯wß行算法系统。因oAI芯w厂商ûpx备支持流开源Ā，才能形r稳定客户群。两大开源ĀTensorflowPCaffe，Caffe2 和mxet_ pt起，AI开源Ā_多。

• 广义AI硬þ开发ÿ境是_门针对AI硬þè出的适à于硬þ计算的开发ÿ境，用户能利用C、C++等ðþ语言更方便的基于AI芯w进行顶层à用开发，同时ÿ以起到硬þà的效果。

• 目前比较流行的AI开发ÿ境是Nvidia的CUDA ，Xilinxè出了SDAccel开发ÿ境，Alteraè出了OpenCL SDK 开发ÿ境。

主流AI开源台简介

公司/高校	时间	名称	简介
Stanford 2013.10		Caffe	自2013年底以来第一款主流的工业级深度学习工具包,计算机视觉界最流行的工具包之一
DMLC 2015.09		mxnet	MxNet是-一个提供多种API的机器学习框架，主要面向RPython和Julia等语言,目前已被亚马逊云服务采用。
Google	2015.11	Tensorflow	谷歌第二二代联机版人工智能深度学习系统，能同时支持多台服务器。
Facebook	2015.12	Torch	深度学习函式库Torch的框架,旨在鼓励程序代码再利用及模块化编程。
Microsoft	2016.01	CNTK	CNTK支持RNN和CNN类型的各类网络模型。
Facebook 2017.04		Caffe2	Caffe2延续了Caffe对视觉类问题的支持，且增加了对RNN和LSTM支持，功能更加完善

部分AI硬þ台开源生态支持情况

公司	平台名称	类别	支持的开源生态平台
NVIDIA	Tesla V100	GPU	Caffe, Cff2esorlow.orch,C
Xitinx	reVISION	FPGA	CaffeTensorFlowTensorFlow、Caffe、Caffe2Tensorlow、Cffe Caffe2
Google	TPU2	ASIC
Qualcomm	NPESDK	ASIC
华为	麒麟970	ASIC

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

14. AI芯w行业发展遭遇的挑战

^场°ÿ能力P

目前中ÿAI芯w行业面对的消¾者要包括à联网、智能手机和自动驾驶等行业，àß行业对AI芯w的`场需求量相对较大，`场依赖程度高。在`前数_化经济O断发展的背oQ，à将会在一定程度P提高AI芯w行业的需求量。

02 缺乏心自主技术

Pÿ外流企业相比，目前sÿ在AI芯w开发领域Ï然缺乏xp竞争力的产品，缺乏s键的心自术。à将会导ôs键¿备落后于ÿ×一流水，难以突破行业发展瓶颈。

商用前景广阔，O落地困难

AI芯w商用前o广阔，但落地困难的局面导ô行业并未形r稳定的`场格局。

需要突破`储瓶颈

在以`统冯诺依曼架构方式\~的AI芯w`场中，`ß算能力发展到一定程度，`储部þ就决定了AI芯w的性能P限。同等条þQ，<`算一体=架构能够p效降PAI芯w能耗和r本，突破<`储墙=难题，是AI芯w未来发展流方向。

15. AI芯w行业发展s注O大趋势

AI场景和算法推动AI芯w走向专业化

GPU在处理大量并行计算任á中表Ā出色，`ÿ通过à¿计更好地发挥AI潜能，但_`在ß耗高、r本高等缺点。目前，GPUÏ然是AI训练需算力的要硬þ择。FPGAxp较强的计算能力、较P的试错r本和足够的灵活性，但w缺点在于ÿ格较高、编程复g，因o在半定制化AI场o中x备`势。ASICxp更高的处理度和更P的能耗，并`ÿ针对特定AI任á进行`化¿计，Ð而在性能和能耗方面x备更好的综合素质，à

使w在全定制化AI场o中表Ā`异。

类脑、量子技术推动AI芯w走向多化

随着拟态神经元、量子等前沿术的发展，AI芯w 渐发展出类脑、量子等多化术路径的新型芯w，类脑芯w更是开始走向商用化。类脑芯w拥p大规模并行计算、超Pß耗和超P延迟等术潜力，àß`势使w在未来AIà用场o中扮演Þ要的角色。类脑芯w和量子芯w作\~新型芯w术，拥pý大的潜力，将在未来的AI和计算领域发挥Þ要作用，\~s们带来更高效、更强大的计算能力。

03 AI芯w应用领域O断拓展

随着人们对生活品质要求的提高，AI芯wþà用于_多前沿及快发展的Q游领域，AI芯wà用的O断拓展。随着数_化时代的到来，sÿ产业_纷纷开始数_化转型，带动AI芯w需求的增长，以支持高效处理海量数据，Ð而è动AI芯w行业的快发展和持续创新。ÿ以预计，在未来sÿ数_化转型持续è进的背oQ，AI芯w将`在广阔的à用`场，需求O断增à，è动行业快发展¸段。

数据来源：公开数据整理；嘉世咨询研究结论；Ā源网þ

x权说明

本ç告\~简xç告，内容均Ð嘉世咨询原p完整ç告中精炼提×，如需了解ð细内容，请联系：mcr@chinamcr.com.

本ç告中的p内容，包括但O限于文_ç道、照w、影像、插Ā、Ā表等素材，均Ø:中华人民共和ÿ著作h法;、:中华人民共和ÿ著作h法实施细则;及ÿ×著作h公þ的保æ。

本ç告的著作h属于P海嘉世营咨询p限公司p，如需转发、转载、引用必须在显著O置标注出处，并`O得对转载内容进行任何更改。

本ç告是免¾ç告，任何机构和个人O得将本ç告用于收¾\~目的经营活动。

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长 …… 全面赋能！

关注公众号获取更多资料

添加微信，备
注“入群”
立刻免费领取
200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

AI芯w 2023行业简析报告

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

致终身学习者社群

扫码先加好友，以备不时之需

01. AI芯w：人工智能的基石

02. AI芯w算力发展的O个阶段

03. 国内外AI芯w差距较大

AI芯w产业Ā谱

芯w设计

GPU

芯w制

FPGA

芯w封测

04. y球人工智能芯w市场高速增长

05. 中国AI芯w市场呈现出显著的增长趋势

06. 深度学习模型复g度对芯w算力需求激增

07. AI服ó器有68%价值量来自GPU

AI 芯w产业链

08. GPU是较为成熟的通用型人工智能芯w

三种技术架构AI芯w类型比较

09. AI芯wO剑客将互íq享市场

10. y球GPU领域处于寡头垄断的局面

11. AI芯w国产化有望ò速

AI 相s论文发表和海外人才回ÿ情况

12. 资本持续进uAI芯w市场

13. 平台生态之争决定未来AI芯w的市场è现

主流AI开源台简介

部分AI硬þ台开源生态支持情况

14. AI芯w行业发展遭遇的挑战

^场°ÿ能力P

02 缺乏心自主技术

商用前景广阔，O落地困难

需要突破`储瓶颈

15. AI芯w行业发展s注O大趋势

AI场景和算法推动AI芯w走向专业化

类脑、量子技术推动AI芯w走向多化

03

AI芯w应用领域O断拓展

x权说明

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

致终身学习者社群

扫码先加好友，以备不时之需

主流AI开源台简介

部分AI硬þ台开源生态支持情况

02 缺乏心自主技术

类脑、量子技术推动AI芯w走向多化

PowerPoint 演示文稿