中国人工智能芯片行业发展综述
1. 人工智能芯片行业概述
人工智能芯片的概念分析
芯片又叫集成电路，按照功能不同可分为很多种，有负责电源电压输出控制的，有负责音频视频处理的，还有负责复杂运算处理的。算法必须借助芯片才能够运行，而由于各个芯片在不同场景的计算能力不同，算法的处理速度、能耗也就不同。在人工智能市场高速发展的今天，人们都在寻找更能让深度学习算法更快速、更低能耗执行的芯片。目前，能够适应深度学习需要的芯片类型有GPU、FPGA和ASIC等。
人工智能芯片的特性分析
深度学习不仅在传统的语音识别、图像识别、搜索/推荐引擎、计算广告等领域证明了其划时代的价值，也引爆了整个人工智能生态向更大的领域延伸。由于深度学习的训练（training）和推断（inference）均需要大量的计算，人工智能界正在面临前所未有的算力挑战。
人工智能芯片发展路线分析
人工智能芯片的发展路径：从通用走向专用。
作为一项计算密集型的新技术，人工智能早期可以依靠通用芯片的性能来迅速发展，而后期则必须依靠专用芯片的出现才能统治市场。定制的硬件才能实现更优的功耗效率，满足不同算法、结构、终端和消费者的需求，实现规模化的收益。
当然，通用芯片与专用芯片永远都不是互相替代的关系，二者必须协同工作才能发挥出最大的价值。
2. 人工智能芯片行业发展环境分析
行业政策环境分析
芯片行业主管部门为国家工业和信息化部，其主要职责为工业行业和信息化产业的监督管理，针对芯片产业负责制订行业的产业政策、产业规划，组织制订行业的技术政策、技术体制和技术标准，并对行业的发展方向进行宏观调控。
行业社会环境分析
1、互联网加速发展
2016年，我国固定互联网宽带接入用户29721万户，比上年增加3774万户，其中固定互联网光纤宽带接入用户22766万户，比上年增加7941万户；移动宽带用户94075万户，增加23464万户。移动互联网接入流量93.6亿G，比上年增长123.7%。互联网上网人数7.31亿人，增加4299万人，其中手机上网人数6.95亿人，增加7550万人。互联网普及率达到53.2%，其中农村地区互联网普及率达到33.1%。软件和信息技术服务业完成软件业务收入48511亿元，比上年增长14.9%。
2、智能产品的普及
随着消费方式的升级和移动互联网的蓬勃发展，越来越多的消费电子产品已经加上了智能的标签，并逐步进入消费者的日常生活，成为潮流生活的必备装备。
可穿戴设备、AR/VR（增强现实/虚拟现实）、智能家居和儿童智能是智能产品的代表产物，已经在近年，尤其是2016年，在中国市场取得了令人瞩目的发展。
3、科技人才队伍壮大
“十二五”期间，全国R&D研究人员保持高速增长趋势，2015年全国R&D研究人员总量为161.9万人年，较2010年增加了40.8万人年，年均增长6.0%，科技人力资源数量和质量大幅提升。
3. 人工智能芯片行业发展机遇与威胁分析
外部环境分析的目的在于确认出可以使行业内企业受益的机会和企业应当回避的威胁。根据上面中国芯片行业经济环境、政策环境、社会环境和技术环境的分析，前瞻总结现阶段中国人工智能芯片行业发展的机遇和威胁如下表所示：
国内外人工智能芯片行业发展状况分析
1. 全球人工智能芯片行业发展分析
全球人工智能芯片行业规模分析
2016年人工智能芯片市场规模达到6亿美金，预计到2021年将达到52亿美金，年复合增长率达到53%，增长迅猛，发展空间巨大。
全球人工智能芯片行业结构分析
从云端芯片来看，目前GPU占据云端人工智能主导市场，占人工智能芯片市场份额的35%。以TPU为代表的ASIC目前只运用在巨头的闭环生态，FPGA在数据中心业务中发展较快。
放眼未来，GPU、TPU等适合并行运算的处理器成为支撑人工智能运算的主力器件，既存在竞争又长期共存，一定程度可相互配合；FPGA有望在数据中心业务承担较多角色，在云端主要作为有效补充存在。
全球人工智能芯片行业竞争格局
从目前主要的几个机器学习芯片平台来看，首先是GPU，GPU的计算能力要比CPU高很多倍。从全部GPU市场来看，英特尔目前占了71%，英伟达占了16%，AMD占了13%。但从分立式GPU市场来看，英伟达占了71%，AMD占了29%。因此英伟达在分立式GPU市场产品中占有占有绝对的优势，其产品广泛应用于数据中心的人工智能训练。
全球人工智能芯片行业前景与趋势
1、行业前景预测
就目前人工智能主要发展方向来看，可投资的垂直细分领域主要包括，机器人芯片研发、智能视觉、自然语言理解和开放知识图谱、人工智能教育、围棋AI、机器视觉、机器人系统方案、体感人机交互、智能投顾、智能视觉等。而所有细分领域中，核心专用芯片是人工智能时代的战略制高点。
2、行业竞争趋势预测
人们越来越看好人工智能的前景及其潜在的爆发力，而能否发展出具有超高运算能力且符合市场的芯片成为人工智能平台的关键一役。由此，2016年成为芯片企业和互联网巨头们在芯片领域全面展开部署的一年。而在这其中，英伟达保持着绝对的领先地位。但随着包括谷歌、脸书、微软、亚马逊以及百度在内的巨头相继加入决战，人工智能领域未来的格局如何，仍然待解。
2. 中国人工智能芯片行业发展状况分析
人工智能芯片行业状态描述总结
人工智能芯片行业市场规模分析
随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆发。芯片约占人工智能比重的15%，结合我国人工智能市场规模，推算出2016年我国人工智能芯片市场规模约为15亿元。
人工智能芯片行业竞争格局分析
全球十大人工智能芯片厂商中，中国有3家上榜（地平线机器人、中科寒武纪、中星微电子）。
1、地平线机器人——NPU
由中国人创立于2015年的初创企业Horizon Robotics（地平线机器人）致力于打造基于深度神经网络的人工智能“大脑”平台-包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。
2、中科寒武纪——在国际上开创了深度学习处理器方向
寒武纪科技由创始人陈天石教授带领中科院团队成立于2016 年，致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。
3、中星微电子
2016年6月20日，率先推出中国首款嵌入式神经网络处理器（NPU）芯片中星微，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，并取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。
人工智能芯片行业区域发展分析
据工信部统计，中国北上深三座城市的人工智能相关企业总数达447家，攀升速度迅猛。
人工智能芯片行业发展痛点分析
在人工智能创造价值四个关键因素——人才、数据、基础建设、运算能力上，人才居首位。中国AI人才储备与美国还有较大差距，有百万年薪难求一才的情况。
3. 人工智能芯片细分产品市场发展分析
基于FPGA的半定制人工智能芯片
1、产品简况与特征
（1）产品简况
FPGA（FIELD-PROGRAMMABLE GATE ARRAY），即现场可编程门阵列，它是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。用户可以通过烧入FPGA配置文件来定义这些门电路以及存储器之间的连线。
（2）产品特征
FPGA内部包含大量重复的IOB、CLB和布线信道等基本单元。FPGA在出厂时是“万能芯片”，用户可根据自身需求，用硬件描述语言（HDL）对FPGA的硬件电路进行设计；每完成一次烧录，FPGA内部的硬件电路就有了确定的连接方式，具有了一定的功能；输入的数据只需要依次经过各个门电路，就可以得到输出结果。
2、产品市场发展现状
由于FPGA的灵活性，很多使用通用处理器或ASIC难以实现的下层硬件控制操作技术利用FPGA可以很方便的实现，从而为算法的功能实现和优化留出了更大空间。同时FPGA一次性成本（光刻掩模制作成本）远低于ASIC，在芯片需求还未成规模、深度学习算法暂未稳定需要不断迭代改进的情况下，利用具备可重构特性的FPGA芯片来实现半定制的人工智能芯片是最佳选择。
3、市场代表企业
目前，FPGA市场基本上全部被国外XILINX、ALTERA（现并入INTEL）、LATTICE、MICROSEMI四家占据。其中XILINX和ALTERA两大公司对FPGA的技术与市场占据绝对垄断地位。在ALTERA尚未被INTEL收购的2014年，XILINX和ALTERA分别实现23.8亿美元和19.3亿美元的营收，分别占有48%和41%的市场份额，而同年LATTICE和MICROSEMI（仅FPGA业务部分）两公司营收为3.66亿美元和2.75亿美元，前两大厂商占据了近90%的市场份额。
4、市场前景分析
由于FPGA灵活快速的特点，在众多领域都有替代ASIC的趋势，据市场机构GRANDVIEW RESEARCH的数据，FPGA市场将从2015年的63.6亿美元增长到2022年的约96亿美元，年均增长率在6%。
针对深度学习算法的全定制人工智能芯片
1、产品简况与特征
在针对深度学习算法的全定制阶段，芯片是完全采用ASIC设计方法全定制，性能、功耗和面积等指标面向深度学习算法都做到了最优。
ASIC（Application Specific Integrated Circuits，专用集成电路），是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。是为了某种特定的需求而专门定制的芯片。
2、产品市场发展现状
ASIC在人工智能深度学习方面的应用还不多，但是可以拿比特币矿机芯片的发展做类似的推理。比特币挖矿和人工智能深度学习有类似之处，都是依赖于底层的芯片进行大规模的并行计算。而ASIC在比特币挖矿领域，展现出了得天独厚的优势。
目前ASIC芯片已成为主流的矿机芯片，挖矿速度基本都达到了GH/S的级别，比如BITMAIN的第四代芯片BM1385，单颗芯片算力可达32.5GH/S，在0.66V的核心电压下功耗仅为0.216W/GH/S。ASIC芯片随着硅片加工精度的提升，其性能更好，功耗更低。目前硅片加工精度已经130nm提升至14nm，基本接近现有半导体技术的极限。
3、市场代表企业
ASIC易学难练，要想大成，靡费巨资。因此玩ASIC的不乏豪门贵族。例如，谷歌于2016年推出可编程AI加速器TPU，英特尔也将于2017年推出专为深度学习设计的芯片Knights Mill。微软打造Project Catapult支持微软Bing。
从初创公司来看，美国的Wave Computing公司专注于深度学习芯片架构，推出DPU（Dataflow Processing Unit）；英国的Graphcore公司将推出开源软件框架Poplar和智能处理单元IPU。
相比于科技巨头，初创企业更有可能结合具体应用场景设计芯片，如地平线机器人设计的第一代BPU（Brain Processing Unit），被用于开发ADAS系统。
4、市场前景与趋势分析
国内的比特币芯片生产厂商，都有可能在人工智能时代华丽转身，成为拥抱深度学习的定制芯片供应商。在这块领域有所深耕建树的公司有，国内的深圳烤猫、迦南耘智、比特大陆和龙矿科技。拥有自产芯片的矿机生产商的盈利能力强，普遍的毛利率达到50%以上。
随着人工智能算法和应用技术的日益发展，以及人工智能专用芯片ASIC产业环境的逐渐成熟，人工智能ASIC将成为人工智能计算芯片发展的必然趋势。
人工智能芯片行业应用市场需求潜力分析
1. 人工智能芯片在手机领域的应用潜力分析
人工智能芯片在手机领域的应用特征分析
目前，人工智能芯片在手机领域的应用主要体现在两大功能，分别是语言识别和图像分析。未来人工智能芯片在手机上的应用将使智能手机实现真正意义上的“智能”。随着人工智能芯片技术研发和商业化发展，未来手机处理器将能够利用名为“深度学习”的人工智能方式。
人工智能芯片在手机领域的应用现状分析
近十年来，顺应互联网移动化的特点，更多巨头把智能化领域聚焦到了手机显示屏，开始将人工智能看做手机行业竞相争夺的一大“卖点”。从苹果的Siri到微软的Cortana，从谷歌的Google Assistant到亚马逊的Alexa，科技界大佬们深入布局，角逐着这片对未来极具颠覆意义的AI领域。
但这些人工智能助手都存在于云端。在手机上，它们和其他的APP一样平等，是一个独立的APP，目前能做到的仅仅是在用户使用时，被动唤醒响应。而人工智能芯片一旦装进手机，人机交流的实时性与交互性将会提高到一个前所未有的程度。比如，现在手机加密使用的是密码和指纹锁，需要用户先输入指令，而人工智能则可以依靠人脸识别，在手机看到人的时候就能提前完成解锁。
总而言之，人工智能芯片在手机领域的应用将为智能手机带来更多的可能，未来的智能手机将是真正意义上智能手机。
人工智能芯片在手机领域的应用潜力分析
人工智能时代的来临，意味着移动互联网进入到智慧互联网时代，用户入口将有由从传统的APP，向智慧助理＋API入口发展。未来的智能手机将成为真正的智慧手机，到2025年超过90%的智能终端用户将从个性化、智慧化的智能个人助理服务中获益。人工智能不仅能让手机听懂、看懂、对话，甚至将以人类的思考方式来理解人类诉求，让用户快速、精准的获取信息和服务。人工智能芯片在手机领域的应用潜力巨大。
2. 人工智能芯片在医疗健康领域的应用潜力分析
人工智能芯片在医疗健康领域的应用特征分析
人工智能在医疗健康领域中的应用领域包括虚拟助理、医学影像、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学。
可从以下几个方面来说明人工智能在医疗健康领域的应用：
1、分析患者行为，制定个性化肿瘤治疗方案
2、虚拟医疗助手，改善药物依从性
3、跟踪状态，自动汇报支持智能看护
4、智能化药物研发
人工智能芯片在医疗健康领域的应用现状分析
近年来，科学家们纷纷投入人工智能开发，并且利用人工智能用于预测和检测儿童哮喘前兆、阿尔茨海默病、癌症、心脏病、病人死亡、血型、化学分子气味等。
人工智能芯片在医疗健康领域的应用潜力分析
目前人工智能芯片在医疗健康领域的应用主要集中在药物研发，而从目前的投融资情况来看，人工智能+医疗健康各细分领域中，医学影像项目数量最多。而从前面的分析可知，人工智能在医疗健康的应用较为广泛，目前仍有待深化发展，结合我国的国情，人工智能芯片在医疗健康领域的应用潜力巨大。
3. 人工智能芯片在汽车领域的应用潜力分析
人工智能芯片在汽车领域的应用特征分析
随着汽车产业的蓬勃发展，当今社会对汽车产品的需求也进一步多样化，人工智能技术的发展，使得汽车公司在车辆设计层面开始就加入了相关人性化设计，使得产品更加具有竞争力。从人车交互技术、车车交互技术、车网交互技术、智能通信系统、智能刹车系统以及人工智能技术在汽车舒适度方面的个性化配置等方面的发展，赋予了汽车这个行业更丰富的意义。
人工智能芯片在汽车领域的应用使得无人驾驶技术成为可能，同时有利于提高服务体验，使汽车真正意义上的智能化成为可能。
人工智能芯片在汽车领域的应用现状分析
当前，人工智能正逐渐成为推动无人驾驶发展的重要力量，跨国巨头为此积极开展战略布局，资本运作与跨界合作将成为争夺市场话语权的重要手段。无人驾驶是传统汽车技术与人工智能、车联网等新一代信息技术的高度结合，涉及整车制造商、零部件生产商、半导体芯片厂商、软件开发商、互联网公司等众多领域企业，资本运作与跨界合作将成为弥补技术短板、整合行业资源的重要手段。
人工智能芯片在汽车领域的应用潜力分析
人工智能在汽车领域的创新应用，能够突破当前无人驾驶面临的技术瓶颈，解决交通出行服务领域的市场需求。无人驾驶面临的技术瓶颈和市场需求将是人工智能芯片在汽车领域应用的强大动力。
人工智能芯片行业投资潜力与策略规划
1. 人工智能芯片行业发展趋势预测
行业趋势预测
1、行业整体趋势预测
（1）国产芯片已经取得突破，将会进一步发展
芯片行业市场调查分析报告显示，中国是全球最大的存储器芯片市场，2015年采购DRAM（动态随机存储器）为120亿美元，NAND Flash（闪存）为66.7亿美元，分别占全球供货量的21.6%和29.1%。
（2）行业整合加速
除了内生发展，中国芯片未来两年可能会参与更多的海内外产业整合。
2、行业产品发展趋势预测
芯片产品从本质上来说可以分为生物芯片和人脑芯片，我们日常生活中经常接触到的是人脑芯片。
生物芯片：截止到目前为止，生物芯片的应用主要是检测基因表达方面，该行业的应用相对广度有所限制，主要应用在生物医药方向，该类生物芯片的整体发展要稍弱于人脑芯片的发展，但是整体发展速度也非常快，主要驱动来自于全新的智能医疗以及生物医疗的发展。
人脑芯片：人脑芯片就是我们常规意义上理解的芯片，包括电脑芯片、手机芯片、智能设备芯片、汽车芯片、军用芯片、无人机等各个细分产业在内的芯片。随着世界范围内智能化趋势的不断加快，必然会带来该类芯片产品的飞速发展，其中具有突出发展规模的有智能手机、汽车电子、无人机等。
市场竞争格局预测
目前，受制于资金和技术上的缺陷，本土的芯片制造企业仍然数量少、规模小、产品落后，与国际领先企业英特尔、SK海力士、台积电相比，仍存在巨大差距。但在芯片设计和封装测试上，国内已有众多优秀企业涌现出来。这些企业在竞争中所积累的开发经验和技术能力，将形成滚雪球效应，使他们不断发展壮大。尤其在移动通讯、物联网等新兴领域，本土企业正在或已经实现了弯道超车。
产品发展趋势预测
从云端芯片来看，目前GPU占据云端人工智能主导市场，以TPU为代表的ASIC目前只运用在巨头的闭环生态，FPGA在数据中心业务中发展较快。放眼未来，GPU、TPU等适合并行运算的处理器成为支撑人工智能运算的主力器件，既存在竞争又长期共存，一定程度可相互配合；FPGA有望在数据中心业务承担较多角色，在云端主要作为有效补充存在。
从终端来看，按需求逐步落地。云端受限于延时和安全性，催生AI的“推断”部分向终端下沉。终端AI推断需要芯片支持的需求场景需低延时、低功耗及高算力。按照需求落地先后，AI芯片落地的终端子行业分别是：智能安防、辅助驾驶以及手机、音箱、无人机、机器人等其他消费终端。三大领域对终端AI芯片的要求各有侧重。
2. 人工智能芯片行业投资潜力分析
行业投资热潮分析
人工智能整体仍处市场早期，但是未来空间巨大。根据国外调查机构Tractica的统计预测数字，2016年全球人工智能收入为6.4亿美元，到2025年预计将增长至368亿美元。从人工智能的主要构成来看，规模最大的细分市场分别是机器学习应用、自然语言理解、计算机视觉、虚拟个人助手和智能机器人等。在未来10年甚至更久的时间里，人工智能将是众多智能产业技术和应用发展的突破点，市场空间非常巨大。
行业投资推动因素
目前人工智能的基础是数据，核心是算法，芯片则是整个系统运行的硬件平台。 一般来说人工智能系统对于搜集来的大量数据用某些特定的算法在硬件平台上进行处理、消化后，对用户提供某些建议或根据设定的程序自动进行反馈，从而形成人工智能系统。
随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆发。2016年谷歌AlphaGo赢得了围棋大战后，人工智能在产业界和资本圈引起了高度关注，成为新的风口。
3. 人工智能芯片行业投资策略规划
行业投资方式策略
企业或个人投资人工智能行业必须要根据自身实际情况，在投资领域上有比较明确的方向和目标。如果企业资金实力有限，投资主要集中在应用层和技术层，投入相对较低，变现比较快，降低投资风险。如果企业实力强劲，资金雄厚，则可以考虑投入基础层和技术层，着眼于长远布局，以获得较高的投资回报。
行业投资领域策略
1、重点聚焦深度学习技术积累
2、在生物识别、物联网、安防等服务领域进行突破
行业产品创新策略
1、未来市场：半定制芯片FPGA
2、工业互联网领域：
作为未来制造业发展的方向，工业大数据、云计算平台、MES系统等都是支持工业智能化的重要平台，它们需要完成大数据量的复杂处理，FPGA在其中可以发挥重要作用。
3、工业机器人设备领域：
在多轴向运作的精密控制、实时同步的连接以及设备多功能整合等方面，兼具弹性和整合性的FPGA，更能展现设计优势。
行业商业模式策略
商业模式的变迁——从卖芯片到卖服务
围绕着技术创新和商业模式创新方向，是芯片制造企业的主要路线。Nvidia目前提供的是基于GPU的云服务，致力于让客户到自己的云上面发展，不再专推芯片产品。而英特尔，以前销售芯片，收购Mobileye以后，进行了产业链越来越垂直整合，越来越封闭。通过人工智能实现让芯片变成服务的途径，是未来发展的趋势。随着人工智能产业链的火速延伸，GPU并不能满足所有场景（如手机）上的深度学习计算任务，GPU并不是深度学习算力痛点的唯一解。算力的刚需，吸引了众多巨头和初创公司纷纷进入人工智能芯片领域，并形成了一个自下而上的生态体系。