2022年中國(guó)AI芯片行業(yè)深度研究
?
本文內(nèi)容參考自2022中國(guó)AI芯片行業(yè)研究報(bào)告。據(jù)億歐智庫(kù)測(cè)算，2025年，中國(guó)人工智能核心產(chǎn)業(yè)市場(chǎng)規(guī)模將達(dá)到4000億元，其 中基礎(chǔ)層芯片及相關(guān)技術(shù)的市場(chǎng)規(guī)模約1740億元。?下載鏈接：
2022中國(guó)AI芯片行業(yè)研究報(bào)告
四大類人工智能芯片（GPU、ASIC、FGPA、類腦芯片）及系統(tǒng)級(jí)智能芯片在國(guó)內(nèi)的發(fā)展進(jìn)度層次不齊。用于云端的訓(xùn)練、推斷等大算力通用 芯片發(fā)展較為落后；適用于更多垂直行業(yè)的終端應(yīng)用芯片如自動(dòng)駕駛、智能安防、機(jī)器人等專用芯片發(fā)展較快。超過80%中國(guó)人工智能產(chǎn)業(yè)鏈企 業(yè)也集中在應(yīng)用層。?
總體來看，人工智能芯片的發(fā)展仍需基礎(chǔ)科學(xué)積累和沉淀，因此，產(chǎn)學(xué)研融合不失為一種有效的途徑。
研究主體界定：面向人工智能領(lǐng)域的芯片及其技術(shù)、算法與應(yīng)用
無芯片不AI , 以AI芯片為載體實(shí)現(xiàn)的算力是人工智能發(fā)展水平的重要衡量標(biāo)準(zhǔn)。?
廣義的AI芯片：專門用于處理人工智能應(yīng)用中大量計(jì)算任務(wù)的模塊，即面向人工智能領(lǐng)域的芯片均被稱為AI芯片。?狹義的AI芯片：針對(duì)人工智能算法做了特殊加速設(shè)計(jì)的芯片。
《2022中國(guó)AI芯片行業(yè)研究報(bào)告》報(bào)告將對(duì)針對(duì)狹義的AI芯片即人工智能算法做特殊加速設(shè)計(jì)的四種主流芯片GPU、ASIC、FPGA、類腦芯片以及系統(tǒng)級(jí)AI芯片技術(shù)、實(shí)現(xiàn) AI的主流算法及在場(chǎng)景中的應(yīng)用情況進(jìn)行解析。
人工智能算法需要在計(jì)算機(jī)設(shè)備上實(shí)現(xiàn)，而芯片又是計(jì)算機(jī)設(shè)備運(yùn)作的核心零件，因此AI芯片的發(fā)展主要依賴兩個(gè)領(lǐng)域：第一個(gè)是模仿人腦建 立的數(shù)學(xué)模型與算法，第二個(gè)是半導(dǎo)體集成電路即芯片。優(yōu)質(zhì)的算法需要足夠的運(yùn)算能力也就是高性能芯片的支持。
億歐智庫(kù)2019年發(fā)布AI芯片行業(yè)研究報(bào)告認(rèn)為，人工智能于芯片的發(fā)展分為三個(gè)階段：第一階段由于芯片算力不足，神經(jīng)網(wǎng)絡(luò)算法未能落 地；第二階段芯片算力提升，但仍無法滿足神經(jīng)網(wǎng)絡(luò)算法需求；第三階段，GPU和新架構(gòu)的AI芯片促進(jìn)了人工智能的落地。?
目前，隨著第三代神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，彌合了神經(jīng)科學(xué)與機(jī)器學(xué)習(xí)之間的壁壘，AI芯片正在向更接近人腦的方向發(fā)展。
中國(guó)AI芯片產(chǎn)業(yè)圖譜
基于技術(shù)架構(gòu)、部署位置及實(shí)踐目標(biāo)的AI芯片分類?
AI芯片一般泛指所有用來加速AI應(yīng)用，尤其是用在基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)中的硬件。?
AI芯片根據(jù)其技術(shù)架構(gòu)，可分為GPU、FPGA、ASIC及類腦芯片，同時(shí)CPU可執(zhí)行通用AI計(jì)算，其中類腦芯片還處于探索階段。?
AI芯片根據(jù)其在網(wǎng)絡(luò)中的位置可以分為云端AI芯片、邊緣及終端AI芯片；根據(jù)其在實(shí)踐中的目標(biāo)，可分為訓(xùn)練（training）芯片和推理 （inference）芯片。
云端主要部署訓(xùn)練芯片和推理芯片，承擔(dān)訓(xùn)練和推理任務(wù)，具體指智能數(shù)據(jù)分析、模型訓(xùn)練任務(wù)和部分對(duì)傳輸帶寬要求比高的推理任務(wù)；邊緣 和終端主要部署推理芯片，承擔(dān)推理任務(wù)，需要獨(dú)立完成數(shù)據(jù)收集、環(huán)境感知、人機(jī)交互及部分推理決策控制任務(wù)。
GPU：從圖形處理器到通用數(shù)據(jù)并行處理器?
GPU(Graphics Processing Unit)圖形處理器最初是一種專門用于圖像處理的微處理器，隨著圖像處理需求的不斷提升，其圖像處理能力也得 到迅速提升。目前，GPU主要采用數(shù)據(jù)并行計(jì)算模式完成頂點(diǎn)渲染、像素渲染、幾何渲染、物理計(jì)算和通用計(jì)算等任務(wù)。因其超過CPU數(shù)十倍 的計(jì)算能力，已成為通用計(jì)算機(jī)和超級(jí)計(jì)算機(jī)的主要處理器。其中通用圖形處理器GPGPU(GeneralPropose Computing on GPU)常用于數(shù)據(jù) 密集的科學(xué)與工程計(jì)算中。?
英偉達(dá)與AMD仍占據(jù)GPU霸主地位，2018年至今，國(guó)產(chǎn)GPU也積極發(fā)展中，已有部分產(chǎn)品落地。
ASIC與FPGA: AI芯片領(lǐng)域“兵家必爭(zhēng)之地”?
FPGA全稱是Field Programmable Gate Array：可編程邏輯門陣列，是一種“可重構(gòu)”芯片，具有模塊化和規(guī)則化的架構(gòu)，主要包含可編程 邏輯模塊、片上儲(chǔ)存器及用于連接邏輯模塊的克重購(gòu)互連層次結(jié)構(gòu)。在較低的功耗下達(dá)到GFLOPS數(shù)量級(jí)的算力使之成為并行實(shí)現(xiàn)人工神經(jīng) 網(wǎng)絡(luò)的替代方案。?
ASIC（Application-Specific Integrated Circuit）是指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。ASIC從性能、能效、 成本均極大的超越了標(biāo)準(zhǔn)芯片，非常適合AI計(jì)算場(chǎng)景，是當(dāng)前大部分AI初創(chuàng)公司開發(fā)的目標(biāo)產(chǎn)品。
ASIC與FPGA：功能與市場(chǎng)定位不同，競(jìng)爭(zhēng)關(guān)系不明顯?
FPGA具有開發(fā)周期短，上市速度快，可配置性等特點(diǎn)，目前被大量的應(yīng)用在大型企業(yè)的線上數(shù)據(jù)處理中心和軍工單位。ASIC一次性成本遠(yuǎn)遠(yuǎn) 高于FPGA，但由于其量產(chǎn)成本低，應(yīng)用上就偏向于消費(fèi)電子，如移動(dòng)終端等領(lǐng)域。
目前，處理器中開始集成FPGA，也出現(xiàn)了可編程的ASIC，同時(shí)，隨著SoC的發(fā)展，兩者也在互相融合。
基于不同硬件實(shí)現(xiàn)方式的AI芯片：系統(tǒng)級(jí)芯片?
在手機(jī)、可穿戴設(shè)備等端設(shè)備中，很少有獨(dú)立的芯片，AI加速將由SoC上的一個(gè)IP實(shí)現(xiàn)。?
SoC(System-on-chip，片上系統(tǒng)）作為ASIC設(shè)計(jì)方法學(xué)中的新技術(shù)，始于20世紀(jì)90年代中期，是以嵌入式系統(tǒng)為核心，以IP復(fù)用技術(shù)為基 礎(chǔ)，集軟、硬件于一體的集成芯片。在一個(gè)芯片上實(shí)現(xiàn)信號(hào)的傳輸、存儲(chǔ)、處理和I/O等功能，包含嵌入軟件及整個(gè)系統(tǒng)的全部?jī)?nèi)容。?
由于高集成效能，SoC已經(jīng)成為微電子芯片發(fā)展的必然趨勢(shì)。
基于不同計(jì)算范式的AI芯片：類腦芯片?
CPU/GPU/GFPGA/ASIC及SoC是目前用的較多的AI芯片，此類AI芯片大多是基于深度學(xué)習(xí)，也就是深度神經(jīng)網(wǎng)絡(luò)（DNN），以并行方式進(jìn) 行計(jì)算的芯片，此類AI芯片又被稱為深度學(xué)習(xí)加速器。
如今，模仿大腦結(jié)構(gòu)的芯片具有更高的效率和更低的功耗，這類基于神經(jīng)形態(tài)計(jì)算，也就是脈沖神經(jīng)網(wǎng)絡(luò)（SNN)的芯片為類腦芯片。
?
目前，部分企業(yè)產(chǎn)品已進(jìn)入小批量試用階段 ,類腦芯片最快將于2023年成熟，能效比有望較當(dāng)前芯片提高2-3個(gè)數(shù)量級(jí)。
AI芯片發(fā)展：向著更低功耗、更接近人腦、更靠近邊緣的方向
現(xiàn)在用于深度學(xué)習(xí)的AI芯片（包括CPU、GPU、FPGA、ASIC）為了實(shí)現(xiàn)深度學(xué)習(xí)的龐大乘積累加運(yùn)算和并行計(jì)算的高性能，芯片面積越做越 大，帶來了成本和散熱等問題。AI芯片軟件編程的成熟度、芯片的安全，神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性等問題也未能得到很好的解決，因此，在現(xiàn)有基礎(chǔ) 上進(jìn)行改進(jìn)和完善此類AI芯片仍是當(dāng)前主要的研究方向。
?
最終，AI芯片將近一步提高智能，向著更接近人腦的高度智能方向不斷發(fā)展，并向著邊緣逐步移動(dòng)以獲得更低的能耗。
AI芯片發(fā)展：計(jì)算范式創(chuàng)新方向及其硬件實(shí)現(xiàn)
AI硬件加速技術(shù)已經(jīng)逐漸走向成熟。未來可能更多的創(chuàng)新會(huì)來自電路和器件級(jí)技術(shù)的結(jié)合，比如存內(nèi)計(jì)算，類腦計(jì)算；或者是針對(duì)特殊的計(jì) 算模式或者新模型，比如稀疏化計(jì)算和近似計(jì)算，對(duì)圖網(wǎng)絡(luò)的加速；或者是針對(duì)數(shù)據(jù)而不是模型的特征來優(yōu)化架構(gòu)。?
同時(shí)，如果算法不發(fā)生大的變化，按照現(xiàn)在AI加速的主要方法和半導(dǎo)體技術(shù)發(fā)展的趨勢(shì)，或?qū)⒃诓贿h(yuǎn)的將來達(dá)到數(shù)字電路的極限（約1到 10TFlops/W），往后則要靠近似計(jì)算，模擬計(jì)算，甚至是材料或基礎(chǔ)研究上的創(chuàng)新。
篇幅所限，本文內(nèi)容分享完畢，更多內(nèi)容請(qǐng)參閱“2022中國(guó)AI芯片行業(yè)研究報(bào)告”。
下載鏈接：
2022中國(guó)AI芯片行業(yè)研究報(bào)告
半導(dǎo)體2022年策略：國(guó)產(chǎn)化4.0+電動(dòng)化 2.0
異構(gòu)芯片研究框架合集《國(guó)產(chǎn)操作系統(tǒng)專題（3）》《國(guó)產(chǎn)操作系統(tǒng)專題（2）》《國(guó)產(chǎn)操作系統(tǒng)專題（1）》《信創(chuàng)專題合集》1、信創(chuàng)專題（二）.pdf2、信創(chuàng)專題（一）.pdf本號(hào)資料全部上傳至知識(shí)星球，更多內(nèi)容請(qǐng)登錄智能計(jì)算芯知識(shí)（知識(shí)星球）星球下載全部資料。
免責(zé)申明：本號(hào)聚焦相關(guān)技術(shù)分享，內(nèi)容觀點(diǎn)不代表本號(hào)立場(chǎng)，可追溯內(nèi)容均注明來源，發(fā)布文章若存在版權(quán)等問題，請(qǐng)留言聯(lián)系刪除，謝謝。
電子書<服務(wù)器基礎(chǔ)知識(shí)全解(終極版)>更新完畢。
獲取方式：點(diǎn)擊“閱讀原文”即可查看182頁?PPT可編輯版本和PDF閱讀版本詳情。
溫馨提示：
請(qǐng)搜索“AI_Architect”或“掃碼”關(guān)注公眾號(hào)實(shí)時(shí)掌握深度技術(shù)分享，點(diǎn)擊“閱讀原文”獲取更多原創(chuàng)技術(shù)干貨。
