人工智能产业发展深度报告：格局、潜力与展望( 二 ) _人工智能

文章插图

基础层面：技术薄弱，芯片之路任重道远
基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。受限于技术积累与研发投入的不足，国内在基础层领域相对薄弱。具体而言，在 AI 芯片领域，国际科技巨头芯片已基本构建产业生态，而中国尚未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术（SDN）、开发语音等核心技术被掌握在亚马逊、微软等少数国外科技巨头手中。虽国内阿里、华为等科技公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传感器多种产品类型，而在中国也涌现了诸如汇顶科技的指纹传感器等产品，但整体产业布局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据交换、统一标准的数据生态系统构建等方面还有很长的路要走。

文章插图

“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。
依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手机、汽车、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

文章插图

GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75% 。在全球范围内，英伟达和 AMD 形成双寡头垄断，尤其是英伟达占 GPU 市场份额的 70%-80% 。英伟达在云端训练和云端推理市场推出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

文章插图

文章插图

FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。
ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片，可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后，其性能、能耗、成本和可靠性都优于 GPU 和 FPGA 。与 GPU 与 FPGA 形成确定产品不同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。

文章插图

总体来看，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。