行業現階段處幼稚期，下游應用場景亟需拓寬

人工智能芯片的定義從廣義上講只要能夠運行人工智能算法的芯片都叫作人工智能芯片。但是通常意義上的人工智能芯片指的是針對人工智能算法做了特殊加速設計的芯片。現階段，這些人工智能算法一般以深度學習算法為主，也可以包括其它機器學習算法。

人工智能芯片分類一般有按技術架構分類、按功能劃分、按應用場景分類三種分類方式。相關分類方式下的具體分類情況如下圖所示：

當前，我國人工智能芯片行業正處在生命周期的幼稚期，主要原因是國內人工智能芯片行業的整體銷售市場正處于快速增長階段，傳統芯片的應用場景逐漸被人工智能專用芯片所取代，市場對于人工智能芯片的需求將隨著云/邊緣計算、智慧型手機和物聯網產品一同增長，并且在這期間，國內的許多企業紛紛發布了自己的專用AI芯片；盡管國內人工智能芯片正逐漸取代傳統芯片，但是集成商或芯片企業仍在尋找新的合作模式，這樣才能很好地抓住新客戶的需求，除了當前的合作客戶，拓展新客戶合作開發產品是困難的，因此紛紛推出開源或開放平臺讓客戶開發新需求。

人工智能芯片產業鏈上游主要是為人工智能芯片企業提供算法和IP的行業，目前比較流行的算法有神經網絡算法和AI算法，其中提供AI算法的知名企業大部分為國外巨頭，如谷歌、微軟、亞馬遜等；人工智能芯片行業主要分為芯片設計和芯片制造兩個子類，我國芯片設計企業在近幾年發展較快，涌現了一大批像海思、寒武紀、比特大陸這樣的優質企業。除此之外一些開發工具廠商與半導體封裝與測試廠商也為人工智能芯片行業提供一些核心技術和零部件；當前我國人工智能芯片行業的下游應用場景主要聚集在云端、自動駕駛、智能手機、無人機、智能、安防等領域。

政策+資本雙重驅動，中國“芯”發展迅猛

近幾年國家高度關注人工智能芯片產業的發展，相繼發布一系列產業支持政策。2018年新發布的《人工智能標準化白皮書（2018版）》中宣布成立立國家人工智能標準化總體組、專家咨詢組，負責全面統籌規劃和協調管理我國人工智能標準化工作。在人工智能和芯片行業同時作為國家級戰略的背景下，AI 芯片產業有望引領中國“芯”大步向前。

資本推動是 AI 芯片高速發展的另一個重要因素。近年來國內主要 AI 芯片生產研究參與者多次獲得大額融資。大量的資本投入加速了 AI 芯片的研發過程，并進一步帶動 AI 芯片市場拓展。2015 年之后，陸續涌現出一批 AI 芯片創業公司，還催生了部分獨角獸企業。

在政策和資本的雙重推動下，國內 AI 芯片市場發展迅猛。伴隨國內人工智能芯片市場的發展，多位工業級創始人團隊開始投入AI  SIC。2016-2017年為導入期，2018年為整合期，在多筆融資過億的資本項目推動下這些創始人團隊所在的公司在2018年相繼推出了可量產的人工智能芯片產品。2018年行業整合后，多個國產AI  SIC可以供貨，將能夠滿足下游安防廠商、互聯網廠商、機器人廠商的旺盛需求。

國內企業專攻某類領域，需完善自身產業鏈

2018年，國內人工智能芯片取得長足的發展，越來越多的企業開始布局該行業。一方面，新版、升級版人工智能芯片相繼發布，新版本芯片取得突破性發展。以華為為例，在華為全連接大會上，發布兩款 AI 芯片——華為昇騰910和昇騰310，昇騰910 是目前單芯片計算密度最大的芯片，計算力遠超谷歌及英偉達，而昇騰310芯片的最大功耗僅8W，是極致高效計算低功耗AI芯片。另一方面，芯片領域迎來眾多新玩家，百度、阿里巴巴、亞馬遜等互聯網公司相繼進入人工智能芯片領域，推出或計劃推出相應產品。

國內廠商競爭優勢不明顯，但在特定領域有成功案例

目前國內人工智能芯片設計企業的商業模式分為IP設計、芯片設計代工、芯片設計三種類型。IP設計相對于芯片設計是在更頂層的產業鏈位置，以IP核授權收費為主；芯片設計代工和制造業的代工一樣，提供代工設計服務的企業，并不能再產品上貼上自己的標簽，也不能對外宣布該產品為自己設計的芯片；大部分的人工智能新創企業是以芯片設計為主，但目前國內只有少數人工智能芯片設計企業會進入傳統芯片企業的產品領域，如寒武紀與英偉達競爭服務器芯片市場、地平此案與英偉達及恩智浦競爭自動駕駛芯片市場，其余是在物聯網場景上布局（如提供語音辨識芯片的云知聲、提供人臉辨識芯片的中星微電子、提供邊緣計算芯片的耐能科技）。

專用人工智能芯片領域的競爭格局：國際巨頭谷歌與英偉達在機器學習終端解決方案模塊及軟件與固件上處于壟斷地位，可以看出未來在人工智能端的應用領域已經不再單單是人工智能算法、IP到芯片的競爭，而國內的人工智能算法/IP/芯片龍頭公司像寒武紀，地平線為了存活，就必須與應用領域系統公司緊密合作，共同推出更佳的嵌入式或獨立式解決方案模塊及軟，固件，否則就要像谷歌和英偉達一樣推出自己整套的解決方案。雖然比特大陸及嘉楠耘智進入人工智能芯片領域較晚，但其在挖礦機業務及挖礦生態系的系統整合經驗，反而比只具備算法/IP/芯片的人工智能設計公司還有機會。

行業融資總額超30億美元，但超大型融資事件較少

據不完全統計，目前中國的一級投資市場上，以人工智能芯片設計為主要業務的企業中，有20家參與融資活動，按照投融資階段分類，有4家企業在A輪之前階段，11家企業在A輪階段，3家在B輪階段，僅有2家在C輪階段之后。

截至2018年底，中國人工智能芯片企業融資總額超過30億美元，但僅有3家企業融資總金額超過2億美元，分別是比特大陸、地平線與寒武紀；有2家企業融資總額在5000萬美元到2億美元之間，分別是熠知電子和觸景無限；其余15家企業的融資總金額都在5000萬美元以下。

行業創新技術正逐步解決兩大困境，三大技術趨勢將出現

人工智能芯片行業在發展的過程中正面臨兩大困境：一是馮•諾依曼的“內存墻”—— 在 AI 芯片實現中，由于訪問存儲器的速度無法跟上運算部件消耗數據的速度，再增加運算部件也無法得到充分利用，即形成所謂的馮·諾伊曼“瓶頸”，或“內存墻”問題，是長期困擾計算機體系結構的難題。另一個是摩爾定律“失效”—— 由于基礎物理原理限制和經濟的原因，持續提高集成密度將變得越來越困難。

而隨著近幾年可以存儲模擬數值的非易失性存儲器發展迅猛，它可以同時具有存儲和處理數據能力，可以破解傳統計算體系結構的一些基本限制，有望實現類腦突觸功能，隨即上述兩項困境也將逐步得到解決。

從英偉達的V100 GPU芯片和谷歌的Cloud TPU芯片的相繼發布可以看出云端人工智能芯片在架構層面，技術發展呈現三大趨勢：

一是芯片存儲的需求越來越高。未來云端人工智能芯片會有越來越多的片上存儲器，以及能夠提供高寬帶的片外存儲器。

二是芯片的處理能力將推想每秒千萬億次，并支持靈活伸延和部署。對云端 AI 芯片來說，單芯片的處理能力可能會達到每秒千萬億次的水平。實現這一目標除了要依靠CMOS工藝的進步，也需要架構的創新。比如在谷歌第一代TPU中，使用了脈動陣列架構，而在 英偉達的V100 GPU中，專門增加了張量核來處理矩陣運算。

三是專門針對推斷需求的FPGA和ASIC芯片將會越來越多。推斷和訓練相比有其特殊性，更強調吞吐率、能效和實時性，未來在云端很可能會有更多專門針對推斷的ASIC芯片出現。

以上數據來源于前瞻產業研究院發布的《中國人工智能芯片（AI芯片）行業發展前景預測與投資戰略規劃分析報告》。

更多深度行業分析盡在【前瞻經濟學人APP】，還可以與500+經濟學家/資深行業研究員交流互動