全球AI晶元投資版圖公開！機會都在這五大場景附下載

看點：從市場著手解讀現有的晶元品類，盤點目前主要的本土AI晶元企業。

過去一年，隨著人工智慧在各個行業的逐步落地，AI晶元的發展路徑逐漸明朗。在行業走過野蠻生長，開始加速落地、加速整合的過程中，也有更多的AI晶元公司也開始走出屬於自己的差異化路線。

本期的智能內參，我們推薦來自中金公司的AI晶元專題報告，從市場著手解讀現有的晶元品類，並對目前主要的本土AI晶元企業進行盤點。如果想收藏本文的報告（中金公司-AI晶元：應用落地推動產品多樣化），可以在智東西（公眾號：zhidxcom）回復關鍵詞「nc282」獲取。

以下為智能內參整理呈現的乾貨：

AI晶元投資地圖

AI 晶元設計是人工智慧產業鏈的重要一環。自 2017 年 5 月以來，各 AI 晶元廠商的新品競相發布，經過一年多的發展，各環節分工逐漸明顯。

▲AI晶元新品競相發布（自2017年5月以來發布的 AI 晶元一覽）

AI 晶元的應用場景不再局限於雲端，部署於智能手機、安防攝像頭、及自動駕駛汽車等終端的各項產品日趨豐富。除了追求性能提升外，AI 晶元也逐漸專註於特殊場景的優化。

目前，人工智慧產業鏈中，包括提供 AI 加速核的 IP 授權商，各種 AI 晶元設計公司，以及晶圓代工企業。

▲AI晶元投資地圖

如上圖所示，按部署的位置來分，AI 晶元可以部署在數據中心（雲端），和手機，安防攝像頭，汽車等終端（邊緣）上。

按承擔的任務來分，可以被分為用於構建神經網路模型的訓練晶元，與利用神經網路模型進行推斷的推斷晶元。訓練晶元注重絕對的計算能力，而推斷晶元更注重綜合指標，單位能耗算力、時延、成本等都要考慮。

訓練晶元受算力約束，一般只在雲端部署。推斷晶元按照不同應用場景，分為手機邊緣推斷晶元、安防邊緣推斷晶元、自動駕駛邊緣推斷晶元。為方便起見，我們也稱它們為手機 AI 晶元、安防 AI 晶元和汽車 AI 晶元。

由於AI晶元對單位能耗算力要求較高，一般採用14nm/12nm/10nm等先進工藝生產。台積電目前和 Nvidia、Xilinx 等多家晶元廠商展開合作，攻堅 7nm AI 晶元。

五大場景塑造352億美元市場

▲AI 晶元市場規模及競爭格局

根據中金公司對相關上市 AI 晶元公司的收入統計，及對 AI 在各場景中滲透率的估算，2017年 AI 晶元市場規模已達到 39.1 億美元，具體情況如下：

1、2017 年全球數據中心 AI 晶元規模合計 23.6 億美元，其中雲端訓練晶元市場規模 20.2 億美元，雲端推斷晶元 3.4 億美元。

2、2017 年全球手機 AI 晶元市場規模 3.7 億美元。

3、2017 年全球安防攝像頭 AI 晶元市場規模 3.3 億美元。

4、2017 年全球自動駕駛 AI 晶元的市場規模在 8.5 億美元。

龐大的市場前景和戰略意義使得AI晶元贏得了巨頭們的熱切關注。Nvidia 在 2017 年時指出，到 2020 年，全球雲端訓練晶元的市場規模將達到 110 億美元，而推斷晶元（雲端+邊緣）的市場規模將達到 150 億美元。

Intel 也在剛剛結束的 2018 DCI 峰會上，也重申了數據業務驅動硬體市場增長的觀點。Intel 將 2022 年與用於數據中心執行 AI 加速的 FPGA 的 TAM 預測，由 70 億美元調高至 80 億美元。

而同時，中金公司也注意到：

1、手機 SoC 價格不斷上升、AI 向中端機型滲透都將為行業創造更廣闊的市場空間。

2、安防晶元受益於現有設備的智能化升級，晶元需求擴大。

3、自動駕駛方面，針對豐田公司提出的算力需求，我們看到當下晶元算力與 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。）

▲歷代 Apple 手機晶元成本趨勢

▲自動駕駛算力需求加速晶元升級

▲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，中金公司預測：

1、雲端訓練晶元市場規模在 2022 年將達到 172 億美元，CAGR~54%。

2、雲端推斷晶元市場規模在 2022 年將達到 72 億美元，CAGR~84%。

3、用於智能手機的邊緣推斷晶元市場規模 2022 年將達到 38 億美元，CAGR~59%。

4、用於安防攝像頭的邊緣推斷晶元市場規模 2022 年將達到 18 億美元，CAGR~41%。

5、用於自動駕駛汽車的邊緣推斷晶元市場規模 2022 年將達到 52 億美元，CAGR~44%。

以下是五個應用場景的詳細分析。

雲端訓練晶元 ：英偉達稱霸

▲AI 晶元工作流程

訓練是指通過大量的數據樣本，代入神經網路模型運算並反覆迭代，來獲得各神經元「正確」權重參數的過程。CPU 由於計算單元少，並行計算能力較弱，不適合直接執行訓練任務，因此訓練一般採用「CPU+加速晶元」的異構計算模式。目前 Nvidia 的 GPU+CUDA計算平台是最成熟的 AI 訓練方案，除此還有：

1、第三方異構計算平台 OpenCL + AMD GPU 或 OpenCL+Intel/Xilinx 的 FPGA。

2、雲計算服務商自研加速晶元（如 Google 的 TPU）這兩種方案。

各晶元廠商基於不同方案，都推出了針對於雲端訓練的 AI 晶元。

▲雲端訓練晶元對比

從整個雲端訓練晶元的市場競爭格局來看，目前 Nvidia GPU 的優勢暫時明顯，即便是 Google 的一些深度學習訓練任務，同樣離不開 Nvidia GPU；在 GPU 之外，雲端訓練的新入競爭者是谷歌的 TPU ，但目前並不對外直接銷售；英特爾方面，則在積極布局 CPU+FPGA 異構計算，並持續優化 Xeon CPU 結構；同樣深耕 FPGA 的還有 Xilinx ；GPU銷量一直甚好的 AMD 也開始切入深度學習訓練任務。

雲端推斷晶元：百家爭鳴

推斷是指藉助現有神經網路模型進行運算，利用新的輸入數據來一次性獲得正確結論的過程。推斷過程對響應速度一般有較高要求，因此會採用 AI 晶元（搭載訓練完成的神經網路模型）進行加速。

相比訓練晶元，推斷晶元考慮的因素更加綜合：單位功耗算力，時延，成本等等。初期推斷也採用 GPU 進行加速，但由於應用場景的特殊性，依據具體神經網路演算法優化會帶來更高的效率，FPGA/ASIC 的表現可能更突出。

▲主要雲端推斷晶元對比

除了 Nvidia、Google、Xilinx、Altera（Intel）等傳統晶元大廠涉足雲端推斷晶元以外，Wave computing、Groq 等初創公司也加入競爭。中國公司里，寒武紀、比特大陸同樣積極布局雲端晶元業務。未來，雲端推斷晶元將針對智能語音識別、智能搜索等應用場景，呈現百花齊放的態勢。

手機端的推斷晶元：格局穩定

手機晶元市場目前包括 (1) 蘋果，三星，華為這類採用晶元+整機垂直商業模式的廠商，以及 (2) 高通，聯發科，展銳等獨立晶元供應商和 (3) ARM，Synopsys、Cadence 等向晶元企業提供獨立 IP 授權的供應商。

採用垂直商業模式廠商的晶元不對外發售，只服務於自身品牌的整機，性能針對自身軟體做出了特殊優化，靠效率取勝。獨立晶元供應商以相對更強的性能指標，來獲得剩餘廠商的市場份額。

▲手機 AI 晶元對比

從 2017 年開始，蘋果，華為海思，高通，聯發科等主要晶元廠商相繼發布支持 AI 加速功能的新一代晶元（如下圖），AI 晶元逐漸向中端產品滲透。

由於手機空間有限，獨立的AI 晶元很難被手機廠採用。在 AI 加速晶元設計能力上有先發優勢的企業（如寒武紀）一般通過 IP 授權的方式切入。

▲智能手機 SoC 市佔率分析（ 2017 ）

對這些廠商來說，中金公司認為 AI 化的主要作用是提升晶元附加價值與產品單價。根據 IHS的數據，隨著硬體性能的增強及針對於 AI 的運算結構不斷滲透，蘋果 A11 晶元的成本已達到 27.5 美元。

晶元成本持續上漲有望帶動垂直模式廠商整機售價走高，在出貨量相同的情況下為現有晶元廠商貢獻更多的營業收入。高通、聯發科、展銳等獨立晶元供應商則會受益於晶元本身 ASP 的提升。

安防邊緣推斷晶元：四方鼎立

視頻監控行業在過去十幾年主要經歷了「高清化」、「網路化」的兩次換代，而隨著 2016年以來 AI 在視頻分析領域的突破，目前視頻監控行業正處於第三次重要升級周期——「智能化」的開始階段。

前端攝像頭裝備終端推斷晶元，可以實時對視頻數據進行結構化處理，「雲+ 邊緣」的邊緣計算解決方案逐漸滲透。中金公司預計，應用安防攝像頭的推斷晶元市場規模，將從 2017 年的 3.3 億美元，增長至 2022 年的 18 億美元，CAGR~41%。

邊緣推斷晶元 在安防端的主要應用，基於將視頻流在本地轉化為結構化數據。這樣既節省雲端存儲空間，也提升系統工作效率。因此，積極布局智能安防的除了英偉達、Movidius（計算機視覺創企），還有傳統視頻解碼晶元廠商。業內，海思、安霸與 Nvidia 、Movidius形成有力競爭。

▲安防 AI 晶元對比

中金公司認為 ，目前整個 安防 AI 晶元市場競爭格局穩定，現有廠商憑藉與下遊客戶長期的合作，有望繼續受益於安防智能化的升級，屬於新進入者的市場空間有限。

安防 AI 晶元下遊客戶穩定，為海康威視、大華股份等視頻監控解決方案提供商。客戶與傳統視頻解碼晶元廠商的長期合作具有粘性，同樣推出新產品，初創公司的競爭優勢弱一些，尤其是在安防 AI 晶元性能差異化很難做到很大的情況下。

自動駕駛邊緣推斷晶元：一片藍海

除了智能手機，安防外，自動駕駛汽車也是人工智慧的落地場景之一。

車用半導體強大需求已經使供給端產能開始吃緊，而用於自動駕駛的推斷晶元需求，同樣有望在未來 5 年內實現高速增長。中金公司預計，其市場規模將從 2017 年的 8.5 億美元，增長至 2022 年的 52 億美元，CAGR~44%。

▲自動駕駛算力需求加速晶元升級

若想使車輛實現真正的自動駕駛，要經歷在感知-建模-決策三個階段，每個階段都離不開終端推斷晶元的計算。不管是環境感知還是避障規劃，自動駕駛都對晶元算力提出了很高的要求。而受限於時延及可靠性，有關自動駕駛的計算不能在雲端進行，因此邊緣推斷晶元升級勢在必行。

根據豐田公司的統計數據，實現 L5 級完全自動駕駛，至少需要 12TOPS 的推斷算力，按現行先進的 Nvidia PX2 自動駕駛平台測算，差不多需要 15 塊 PX2 車載計算機，才能滿足完全自動駕駛的需求。

▲自動駕駛平台對比

近些年來，各傳統車載半導體供應商紛紛涉獵自動駕駛業務，推出了各自的自動駕駛，或輔助駕駛平台；但下一代產品，中金公司預計 Mobileye 和新秀 Nvidia 有望實現領先。

▲下一代自動駕駛 AI 晶元流片及投產時間預估

自動駕駛晶元市場仍處於初期起步階段，對比其他終端應用場景 ，自動駕駛不僅計算複雜程度最高，車規級要求也為晶元設立了更高的准入門檻， 其硬體升級落地相對緩慢。

目前各廠商下一代的自動駕駛平台最早計劃於 2019 年量產，現今上市平台中，晶元大多隻支持 L2/3 級。

雖然 NXP 等傳統半導體廠商深耕於汽車電子多年，獲得了一定的客戶粘性，但在自動駕駛業務上，整個市場還未形成非常明顯的競爭格局。客戶也在不斷測試晶元廠商的產品，來實現最優選擇。

從客戶的偏好來看，傳統大廠願意自行搭建平台，再採購所需晶元，而新車廠偏向於直接購買自動駕駛平台。

▲各晶元廠商合作方比較

介於實現完全自動駕駛非常複雜，目前還在起步階段，中金公司認為初創公司在整個行業的發展中是有機會的，並看好技術領先，能與車廠達成密切合作的初創公司。

本土新銳盤點

中國大陸目前有超 20 家企業投入 AI 晶元的研發中來 。除了像華為海思、紫光展銳這種深耕於晶元設計多年的企業之外，也有不少初創公司表現搶眼，如寒武紀、比特大陸等。

此外，台灣地區的 GUC（創意電子）是一家 IC 後端設計公司，憑藉 20 年的行業經驗，和投資方晶圓製造巨頭台積電的鼎力支持，在 AI 晶元高速發展的大環境下也有望受益。

▲中國大陸主要 AI 晶元設計公司至少有 20 家

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！