中国人工智能行业发展概况 芯片行业有两个重要特点

人工智能行业发展概况

一、人工智能行业概述

【资料图】

AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。业界关于AI芯片的定义仍然缺乏一套严格和公认的标准。比较宽泛的看法是，面向人工智能应用的芯片都可以称为AI芯片。由于需求的多样性，很难有任何单一的设计和方法能够很好地适用于各类情况。因此，涌现出多种专门针对人工智能应用的新颖设计和方法，覆盖了从半导体材料、器件、电路到体系结构的各个层次。

AI芯片主要包括三类：

1、经过软硬件优化可以高效支持AI应用的通用芯片，例如GPU;

2、侧重加速机器学习(尤其是神经网络、深度学习)算法的芯片，这也是目前AI芯片中最多的形式;

3、受生物脑启发设计的神经形态计算芯片。

AI技术的落地需要来自多个层面的支持，贯穿了应用、算法机理、芯片、工具链、器件、工艺和材料等技术层级。各个层级环环紧扣形成AI的技术链，而AI芯片本身处于整个链条的中部，向上为应用和算法提供高效支持，向下对器件和电路、工艺和材料提出需求。

二、人工智能的发展历程

第一阶段(2006年以前)：在这一阶段，尚未出现突破性的人工智能算法，且能够获取的数据也较为有限，传统通用CPU已经能够完全满足当时的计算需要，学界和产业界均对人工智能芯片没有特殊需求，因此，人工智能芯片产业的发展一直较为缓慢。

第二阶段(2006—2010年)：在这一阶段，游戏、高清视频等行业快速发展，同时也助推了GPU产品的迭代升级。2006年，GPU厂商英伟达发布了统一计算设备架构(CUDA)，第一次让GPU具备了可编程性，让GPU的核心流式处理器既具有处理像素、顶点、图形等渲染能力，又同时具备通用的单精度浮点处理能力，即令GPU既能做游戏和渲染，也能做并行度很高的通用计算，英伟达称之为GPCPU。统一计算设备架构推出后，GPU编程更加易用便捷，研究人员发现，GPU所具有的并行计算特性比通用CPU的计算效率更高，更加适用于深度学习等人工智能先进算法所需的“暴力计算”场景。在GPU的助力下，人工智能算法的运算效率可以提高几十倍，由此，研究人员开始大规模使用GPU开展人工智能领域的研究和应用。

第三阶段(2010—2015年)：2010年之后，以云计算、大数据等为代表的新一代信息技术高速发展并逐渐开始普及，云端采用“CPU+GPU”混合计算模式使得研究人员开展人工智能所需的大规模计算更加便捷高效，进一步推动了人工智能算法的演进和人工智能芯片的广泛使用，同时也促进了各种类型的人工智能芯片的研究与应用。

第四阶段(2016年至今)：2016年，采用TPU架构的谷歌旗下Deep Mind公司研发的人工智能系统阿尔法围棋(Alpha Go)击败了世界冠军韩国棋手李世石，使得以深度学习为核心的人工智能技术得到了全球范围内的极大关注。此后，业界对于人工智能算力的要求越来越高，而GPU价格昂贵、功耗高的缺点也使其在场景各异的应用环境中受到诸多限制，因此，研究人员开始研发专门针对人工智能算法进行优化的定制化芯片。大量人工智能芯片领域的初创公司在这一阶段涌现，传统互联网巨头也迅速入局该领域争夺市场，专用人工智能芯片呈现出百花齐放的格局，在应用领域、计算能力、能耗比等方面都有了极大的提升。

三、行业特性及在国民经济中的地位

在经历了互联网和移动互联网的追赶之后，中国正成为一个重要的数据大国，而推动人工智能发展的最重要的因素之一就是数据。中国政府正通过《中国制造2025》、数字中国等政策推动中国产业的信息化智能化升级转型，这为人工智能的发展提供了很多实际的应用场景。因此在这一次人工智能的大潮中，中国正站在一个非常有利的地位。

现阶段来看，国产芯片的成功应用大多在消费类领域，能够实现国产替代的芯片，大部分集中在电源，逻辑，存储，MCU，半导体分立器件等中低端产品;而在对稳定性和可靠性要求很高的通信、工业、医疗以及军事的大批量应用中，国产芯片则几乎难觅踪影。一些技术含量很高的关键器件：如高速光通信接口、大规模FPGA、高速高精度ADC/DAC等领域仍然完全依赖美国供应商。虽然，国内半导体上市公司受到资金追捧，反映了市场投资者对于实现国产替代的憧憬，但仍需从芯片行业的特点出发去冷静思考。

芯片行业有两个重要特点——试错成本高、排错难度大。不算架构设计，整个芯片设计过程从电路设计开始，到投片，最少需要半年时间;投片送到工厂加工生产，一般需要2个月到3个月。而且一次投片的费用至少数十万元，先进工艺甚至高达一千万到几千万。如此高的试错和时间成本对一次成功率的要求极高，因此相关人员不得不把流程拖长，进行反复验证。在这一过程中，需要多个工种密切配合，团队中一个人出错，3个月后回来的芯片可能就是一块石头。修改一轮后，有需要花费3个月重来一次。

上述两个特点决定了芯片行业必然需要长期持续投入，才有可能出成果，想依靠短期一次性投入取得成功几乎就是不可能完成的任务。中国集成电路产业依然受资本热捧，陆续涌入但相对分散的资本已经渐渐偏离了主航道。集成电路产业大多环节需要十年以上的积累方显成效，涌入的资金并不能在短期内全面提升行业的技术、产业竞争力，相反，越来越多的企业开始感受到资本“过热”带来的煎熬。

《2022-2027年中国人工智能芯片行业发展分析及投资风险预测报告》由中研普华人工智能芯片行业分析专家领衔撰写，主要分析了人工智能芯片行业的市场规模、发展现状与投资前景，同时对人工智能芯片行业的未来发展做出科学的趋势预测和专业的人工智能芯片行业数据分析，帮助客户评估人工智能芯片行业投资价值。

关键词：