當前，人工智能正快速應用于金融、安防、交通、教育等傳統行業，提升生產、分配、交換、消費等各環節效率，對于推動技術創新升級和行業提質增效的成效日益凸顯。人工智能的高速發展也直接帶動對底層計算芯片的市場需求，據citics統計預測，2016年全球人工智能芯片市場規模超過20億美元，預估至2020年平均復合增長率超過40%、年規模接近150億美元。伴隨人工智能芯片技術逐步成熟和市場起量，其占據人工智能整體市場規模呈現逐年遞增態勢，預計將從2016年的8%增長至2020年的12%。

全球人工智能芯片領域

高速發展

現階段，以cpu芯片為代表的傳統計算芯片以串行邏輯運算為主，在體系架構上無法高效實現現有深度學習算法對海量數據高吞吐量、密集性線性代數任務的高并行化處理需求，驅動包括gpu、fpga、asic等專用于深度學習算法加速的芯片技術加速發展，呈現多技術路線并發創新的態勢。

gpu芯片因其通用性較強且適合大規模并行計算而被廣泛采用，但能耗和價格雙高，因此多限制部署在云端或車載等對成本和能耗不敏感場景，代表企業包括英偉達和amd。英偉達憑借針對人工智能運算優化的高性能tesla系列gpu產品初步獲取云端市場優勢,目前包括谷歌、臉書、微軟等巨頭企業和大量的初創企業、科研院所等均應用英偉達的gpu產品進行深度學習項目開發，覆蓋醫療、教育、金融、制造等領域。與此同時，amd也加速追趕，最新發布全球首款7nm制程的vega gpu芯片，引入針對人工智能任務設計的可編程幾何流水線、混合精度計算單元等架構技術，試圖搶攻服務器和工作站市場。

fpga芯片可通過編程靈活配置芯片架構適應算法更新且能效高于gpu芯片，但產品開發門檻較高，代表企業包括賽靈思、英特爾等。賽靈思推出基于fpga架構的新型多核異構計算平臺acap，集成soc、dsp、hbm、可編程i/o等模塊，可針對人工智能任務需求，實現硬件層面低至毫秒級別的高效靈活調節配置。此外，亞馬遜、微軟、百度等下游企業為加速應用創新也基于fpga芯片產品開發解決方案。例如，百度基于賽靈思fpga芯片產品開發云端人工智能加速芯片xpu，應用專用計算單元、高帶寬低延時內存、高帶寬i/o接口等架構設計滿足深度學習計算需求，同時結合旗下paddlepaddle深度學習框架打造百度云平臺服務能力。

asic芯片通過將算法固化實現極致的性能和能效，且大規模量產后成本優勢突顯，但前期開發周期長易面臨算法迭代風險，參與企業涵蓋英特爾等傳統硬件廠商以及谷歌、大量芯片初創公司等新興力量。谷歌基于深度學習算法的深刻理解和云端市場應用需求開發業界最高峰值計算能力的asic芯片cloud tpu，深度耦合旗下tensorflow開發框架打造閉環生態，提升谷歌云平臺核心競爭力。英特爾采取企業收購策略鋪開人工智能asic芯片產品布局，收購nervana推出面向云端處理任務的lake crest芯片，收購movidius推出高能效的mybriad x計算機視覺芯片，支持無人機、攝像頭、vr/ar頭顯等智能硬件的計算機視覺功能。蘋果發布iphone x智能手機內置a11生物芯片，集成神經網絡處理引擎，可本地輔助支持face id、語音識別、ar等功能，大幅提升芯片運算效率。

我國人工智能芯片領域

創新活躍

我國龐大的人工智能應用市場對底層芯片產生巨大需求，但本土人工智能芯片產業尚處于起步階段，企業多采用asic架構創新布局，代表參與企業涵蓋中星微、寒武紀、比特大陸、地平線機器人、深鑒科技等芯片廠商以及海康威視、科大訊飛等產業鏈其他環節企業，且主要布局模式分為兩類。

一是以寒武紀、比特大陸等為代表，聚焦人工智能通用計算需求側重研發通用加速芯片技術及產品。寒武紀推出深度學習處理ip產品1a處理器，已嵌入華為麒麟970芯片中提升智能手機的圖像識別、機器翻譯和語音降噪等綜合處理能力；發布云端智能芯片mlu 100，可支持各類深度學習和常見機器學習算法，并聯合中科曙光、聯想推出深度學習專用服務器提供云處理服務。

二是以地平線、深鑒科技等企業為代表，側重研發與特定算法和特定應用場景深度耦合的專用芯片，打造智能應用解決方案。地平線面向智能駕駛場景開發嵌入式人工智能視覺芯片-征程處理器，支持l2級別adas系統，實現同時對行人、機動車等多類目標的實時檢測、跟蹤與識別。深鑒科技面向智能安防領域推出基于自研架構的聽濤soc芯片，可提供人臉檢測識別、人臉分析、視頻結構化處理等軟硬一體化解決方案。

以上是網絡信息轉載，信息真實性自行斟酌。