中國人工智能行業(yè)發(fā)展概況 芯片行業(yè)有兩個重要特點

• 李芬珍子 2023年9月7日 來源：中研網 1243 81
• 繁體

人工智能行業(yè)發(fā)展概況

一、人工智能行業(yè)概述

AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊(其他非計算任務仍由CPU負責)。業(yè)界關于AI芯片的定義仍然缺乏一套嚴格和公認的標準。比較寬泛的看法是，面向人工智能應用的芯片都可以稱為AI芯片。由于需求的多樣性，很難有任何單一的設計和方法能夠很好地適用于各類情況。因此，涌現出多種專門針對人工智能應用的新穎設計和方法，覆蓋了從半導體材料、器件、電路到體系結構的各個層次。

AI芯片主要包括三類：

1、經過軟硬件優(yōu)化可以高效支持AI應用的通用芯片，例如GPU;

2、側重加速機器學習(尤其是神經網絡、深度學習)算法的芯片，這也是目前AI芯片中最多的形式;

3、受生物腦啟發(fā)設計的神經形態(tài)計算芯片。

AI技術的落地需要來自多個層面的支持，貫穿了應用、算法機理、芯片、工具鏈、器件、工藝和材料等技術層級。各個層級環(huán)環(huán)緊扣形成AI的技術鏈，而AI芯片本身處于整個鏈條的中部，向上為應用和算法提供高效支持，向下對器件和電路、工藝和材料提出需求。

二、人工智能的發(fā)展歷程

第一階段(2006年以前)：在這一階段，尚未出現突破性的人工智能算法，且能夠獲取的數據也較為有限，傳統(tǒng)通用CPU已經能夠完全滿足當時的計算需要，學界和產業(yè)界均對人工智能芯片沒有特殊需求，因此，人工智能芯片產業(yè)的發(fā)展一直較為緩慢。

第二階段(2006—2010年)：在這一階段，游戲、高清視頻等行業(yè)快速發(fā)展，同時也助推了GPU產品的迭代升級。2006年，GPU廠商英偉達發(fā)布了統(tǒng)一計算設備架構(CUDA)，第一次讓GPU具備了可編程性，讓GPU的核心流式處理器既具有處理像素、頂點、圖形等渲染能力，又同時具備通用的單精度浮點處理能力，即令GPU既能做游戲和渲染，也能做并行度很高的通用計算，英偉達稱之為GPCPU。統(tǒng)一計算設備架構推出后，GPU編程更加易用便捷，研究人員發(fā)現，GPU所具有的并行計算特性比通用CPU的計算效率更高，更加適用于深度學習等人工智能先進算法所需的“暴力計算”場景。在GPU的助力下，人工智能算法的運算效率可以提高幾十倍，由此，研究人員開始大規(guī)模使用GPU開展人工智能領域的研究和應用。

第三階段(2010—2015年)：2010年之后，以云計算、大數據等為代表的新一代信息技術高速發(fā)展并逐漸開始普及，云端采用“CPU+GPU”混合計算模式使得研究人員開展人工智能所需的大規(guī)模計算更加便捷高效，進一步推動了人工智能算法的演進和人工智能芯片的廣泛使用，同時也促進了各種類型的人工智能芯片的研究與應用。

第四階段(2016年至今)：2016年，采用TPU架構的谷歌旗下Deep Mind公司研發(fā)的人工智能系統(tǒng)阿爾法圍棋(Alpha Go)擊敗了世界冠軍韓國棋手李世石，使得以深度學習為核心的人工智能技術得到了全球范圍內的極大關注。此后，業(yè)界對于人工智能算力的要求越來越高，而GPU價格昂貴、功耗高的缺點也使其在場景各異的應用環(huán)境中受到諸多限制，因此，研究人員開始研發(fā)專門針對人工智能算法進行優(yōu)化的定制化芯片。大量人工智能芯片領域的初創(chuàng)公司在這一階段涌現，傳統(tǒng)互聯(lián)網巨頭也迅速入局該領域爭奪市場，專用人工智能芯片呈現出百花齊放的格局，在應用領域、計算能力、能耗比等方面都有了極大的提升。

三、行業(yè)特性及在國民經濟中的地位

在經歷了互聯(lián)網和移動互聯(lián)網的追趕之后，中國正成為一個重要的數據大國，而推動人工智能發(fā)展的最重要的因素之一就是數據。中國政府正通過《中國制造2025》、數字中國等政策推動中國產業(yè)的信息化智能化升級轉型，這為人工智能的發(fā)展提供了很多實際的應用場景。因此在這一次人工智能的大潮中，中國正站在一個非常有利的地位。

現階段來看，國產芯片的成功應用大多在消費類領域，能夠實現國產替代的芯片，大部分集中在電源，邏輯，存儲，MCU，半導體分立器件等中低端產品;而在對穩(wěn)定性和可靠性要求很高的通信、工業(yè)、醫(yī)療以及軍事的大批量應用中，國產芯片則幾乎難覓蹤影。一些技術含量很高的關鍵器件：如高速光通信接口、大規(guī)模FPGA、高速高精度ADC/DAC等領域仍然完全依賴美國供應商。雖然，國內半導體上市公司受到資金追捧，反映了市場投資者對于實現國產替代的憧憬，但仍需從芯片行業(yè)的特點出發(fā)去冷靜思考。

芯片行業(yè)有兩個重要特點——試錯成本高、排錯難度大。不算架構設計，整個芯片設計過程從電路設計開始，到投片，最少需要半年時間;投片送到工廠加工生產，一般需要2個月到3個月。而且一次投片的費用至少數十萬元，先進工藝甚至高達一千萬到幾千萬。如此高的試錯和時間成本對一次成功率的要求極高，因此相關人員不得不把流程拖長，進行反復驗證。在這一過程中，需要多個工種密切配合，團隊中一個人出錯，3個月后回來的芯片可能就是一塊石頭。修改一輪后，有需要花費3個月重來一次。

上述兩個特點決定了芯片行業(yè)必然需要長期持續(xù)投入，才有可能出成果，想依靠短期一次性投入取得成功幾乎就是不可能完成的任務。中國集成電路產業(yè)依然受資本熱捧，陸續(xù)涌入但相對分散的資本已經漸漸偏離了主航道。集成電路產業(yè)大多環(huán)節(jié)需要十年以上的積累方顯成效，涌入的資金并不能在短期內全面提升行業(yè)的技術、產業(yè)競爭力，相反，越來越多的企業(yè)開始感受到資本“過熱”帶來的煎熬。

《2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風險預測報告》由中研普華人工智能芯片行業(yè)分析專家領銜撰寫，主要分析了人工智能芯片行業(yè)的市場規(guī)模、發(fā)展現狀與投資前景，同時對人工智能芯片行業(yè)的未來發(fā)展做出科學的趨勢預測和專業(yè)的人工智能芯片行業(yè)數據分析，幫助客戶評估人工智能芯片行業(yè)投資價值。

• 相關深度報告REPORTS

  

  2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風險預測報告

  人工智能芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。業(yè)界關于AI芯片的定義仍然缺乏一套嚴格和公認的標準。比較寬泛的看A...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡