国内外AI芯片发展格局：芯片企业、IT及互联网企业、创业企业发展趋势分析

    当前，在算力、算法和大数据三驾马车的支撑下，全球人工智能进入第三次爆发期。然而，作为引爆点的深度学习算法，对现有的算力尤其是芯片提出了更为苛刻的要求。在AI场景中，传统通用CPU由于计算效率低难以适应AI计算要求，GPU、FPGA以及ASIC等AI芯片凭借着自身特点，要么在云端，要么在边缘端，有着优异表现，应用更广。从技术趋势看，短期内GPU仍将是AI芯片的主导，长期看GPU、FPGA以及ASIC三大技术路线将呈现并行态势。

    从市场趋势看，全球AI芯片需求将保持较快增长势头，云端、边缘芯片均具备较大增长潜力，预计未来5年市场增速将接近50%；国内虽然芯片技术差距较大，但随着AI应用的快速落地，AI芯片需求增长可能更为迅速。

    近年来，各类势力均在发力AI芯片，参与者包括传统芯片设计、IT厂商、技术公司、互联网以及初创企业等，产品覆盖了CPU、GPU、FPGA、ASIC等。从总体竞争格局看，欧美韩日继续领先该市场，且基本垄断中高端云端芯片，国内企业有进步但主要集中在边缘端，云端差距较为明显。在AIChipsetIndexTOP24榜单中，前十依然是欧美韩日企业，国内芯片企业如华为海思、联发科、Imagination（2017年被中国资本收购）、寒武纪、地平线机器人等企业进入该榜单，其中华为海思排12位，寒武纪排23位，地平线机器人排24位。

主要AI芯片类型及企业

数据来源：公开资料整理

    一、芯片企业

    芯片设计企业依然是当前AI芯片市场的主要力量，包括英伟达、英特尔、AMD、高通、星、恩智浦、博通、华为海思、联发科、Marvell（美满）、赛灵思等，另外，还包括不直接参与芯片设计，只做芯片IP授权的ARM公司。其中，英伟达、英特尔竞争力最为强劲。

    1、英伟达

    AI芯片市场的领导者，计算加速平台广泛用于数据中心、自动驾驶等场景。2017年，英伟达又推出了性能相比Pascal提升5倍的新GPU架构Volta，同时推出神经网络推理加速器TensorRT3。至此，英伟达完成了算力、AI构建平台的部署，也理所当然成为这一波人工智能热潮的最大受益者和领导者。公司的战略方向包括人工智能和自动驾驶。

    人工智能方面。英伟达面向人工智能的产品有两个，Tesla系列GPU芯片以及DGX训练服务器。Tesla系列是专门针对AI深度学习算法加速设计GPU芯片，DGX则主要是面向AI研究开发人员设计的工作站或者超算系统。2018年，公司包含这两款产品的数据中心业务收入大幅增长52%，其中TeslaV100的强劲销售是其收入的主要来源。

    自动驾驶方面。英伟达针对自动驾驶等场景，推出了Tegra处理器，并提供了自动驾驶相关的工具包。2018年，基于Tegra处理器，英伟达推出了NVIDIADRIVEAutoPilotLevel2+，并赢得了丰田、戴姆勒等车企的自动驾驶订单。同时，2018年，公司也正在积极推动Xavier自动驾驶芯片的量产。

    2019年3月，英伟达宣称将斥资69亿美元收购Mellanox。Mellanox是超算互联技术的早期研发和参与者。通过与Mellanox的结合，英伟达将具备优化数据中心网络负载能力的能力，其GPU加速解决方案在超算或者数据中心领域的竞争力也将得到显著提升。

    2、英特尔

    加速向数字公司转型，通过并购+生态优势发力人工智能。英特尔作为传统的CPU设计制造企业，在传统PC、服务器市场有着绝对的统治力。随着互联网时代的到来以及个人电脑市场的饱和，公司也在开始加快向数字公司转型。尤其在人工智能兴起之后，英特尔凭借着技术和生态优势，打造算力平台，形成全栈式解决方案。

    英特尔主要产品为CPU、FPGA以及相关的芯片模组。虽然CPU产品在训练端的应用效率不及英伟达，但推理端优势较为明显。英特尔认为，未来AI工作周期中，推理的时长将是训练时长的5倍甚至10倍，推理端的芯片需求也会放量。同时，即使是云端训练，GPU也需要同CPU进行异构。
英特尔成功在2017年10月推出了专门针对机器学习的神经网络系列芯片，目前该芯片已经升级至第二代，预计2019年下半年将正式量产上市，该芯片在云端上预计能和英伟达的GPU产品一较高下。

    二、IT及互联网企业

    AI兴起之后，互联网及IT企业凭借着在各大应用场景上技术和生态积累，也在积极拓展AI相关市场，其中AI芯片是部署重点之一。相较而言，互联网企业凭借着数据和场景先天优势，在AI算法和芯片领域优势更为明显，如美国谷歌、国内的BAT。IT企业如IBM，在人工智能领域较早开始研究，2018年年中曾经推出专门针对深度学习算法的原型芯片。

    1、谷歌

    TPU芯片已经实现从云到端，物联网TPUEdge是当前布局重点。

    谷歌可谓是AI芯片行业的一匹黑马，但是竞争力强劲。谷歌拥有大规模的数据中心，起初同其他厂商的数据中心一样，都采用CPU+GPU等异构架构进行计算加速，用来完成图像识别、语音搜索等计算服务。但是，随着业务量的快速增长，传统的异构模式也很难支撑庞大的算力需求，需要探索新的高效计算架构。同时，谷歌也需要通过研发芯片来拓展AI平台TensorFlow的生态。

    从谷歌TPU的本质来看，它是一款ASIC（定制芯片），针对TensorFlow进行了特殊优化，因此该产品在其他平台上无法使用。第一代CloudTPU仅用于自家云端机房，且已对多种Google官方云端服务带来加速效果，例如Google街景图服务的文字处理、Google相簿的照片分析、甚至Google搜寻引擎服务等。CloudTPU也在快速改版，2017年推出第二代，2018年推出第三代芯片TPU3.0。同时，谷歌对TPU的态度也更为开放，之前主要是自用，目前也在对用户开放租赁业务，但没有提供给系统商。

    2018年推出的EdgeTPU芯片即是以执行TensorFlowLite为主，而非TensorFlow。EdgeTPU性能虽然远不如TPU，但功耗及体积大幅缩小，适合物联网设备采用。EdgeTPU可以自己运行计算，不需要与多台强大计算机相连，可在传感器或网关设备中与标准芯片或微控制器共同处理AI工作。

    2、阿里巴巴

    阿里巴巴作为国内AI领域的领军企业，在底层算力、算法技术以及应用平台方面都有较强积累。同Google类似原因，阿里巴巴也在近年来开始开发AI芯片，同时加大对相关领域的投资布局。

    2017年，阿里巴巴成立阿里达摩院，研究领域之一就是AI芯片技术。2018年4月，阿里达摩院对外宣布正研发一款Ali-NPU神经网络芯片，预计将在2019年下半年问世。这款芯片将主要应用于图像视频分析、机器学习等AI推理计算。

    阿里巴巴在自研AI芯片之前，主要在通过投资的方式布局AI芯片领域。目前，寒武纪、深鉴科技、杭州中天微等都有阿里巴巴的入股，其中2016年1月份还成为了AI芯片设计企业杭州中天微的第一大股东。

阿里巴巴参与投资的AI芯片相关

数据来源：公开资料整理

    3、百度

    通过自研、合作以及投资等多种方式部署AI芯片。

    百度作为搜索企业，其对AI芯片的需求更为明确。早在2011年，百度就在FPGA和GPU进行了大规模部署，也开始在FPGA的基础上研发AI加速器来满足深度学习运算的需要。此后，百度就不断通过合作、投资和自研的方式来推进该业务。

    加强同芯片设计及IP企业合作，参与AI芯片企业投资，自研芯片也正在加速部署。

百度AI芯片合作、合资及自研情况

数据来源：公开资料整理

    三、创业企业

    1、寒武纪

    发力终端和云端芯片，技术综合实力较强。寒武纪发源于中科院，是目前全球领先的智能芯片公司，由陈天石、陈云霁兄弟联合创办，团队成员主要人员构成也来自于中科院，其中还有部分参与龙芯项目的成员。2018年6月公司，公司获得数亿美元投资，此轮融资之后，寒武纪科技估值从上年的10亿美金大幅上升至25亿美元。公司是目前国内为数不多的同时具备云端和终端AI芯片设计能力的企业。

    相比传统的GPU和CPU芯片，MLU芯片拥有显著的性能功耗比和性能价格比优势，适用范围覆盖了图像识别、安防监控、智能驾驶等多个重点应用领域。

    综合来看，公司在AI芯片方面竞争力较强。公司拥有自己的处理器架构和指令集，而且通过硬件神经元虚拟化、开发通用指令集、运用稀疏化处理器架构解决了ASIC用于深度学习时存在的三大问题。这三大问题是：云端算力的挑战、能效瓶颈、手机端和云端超大规模计算场景应用问题。

    2、地平线机器人

    芯片和计算平台在嵌入式及智能驾驶领域具备优势，2018年起，公司逐渐实现产品化落地。2019年2月，公司官方宣布已获得6亿美元B轮融资，SK中国、SKHynix以及数家中国一线汽车集团（与旗下基金）联合领投。B轮融资后，地平线估值达30亿美元。

    2018年2月，地平线自主研发的高清智能人脸识别网络摄像机，搭载地平线旭日人工智能芯片，提供基于深度学习算法的人脸抓拍、特征抽取、人脸特征值比对等功能。可以在摄像机端实现人脸库最大规模为5万的高性能人脸识别功能，适用于智慧城市、智慧零售等多种行业。

    2018年4月，公司发布地平线Matrix1.0自动驾驶计算平台。目前已经更新到性能更强的升级版本，地平线Matrix自动驾驶计算平台结合深度学习感知技术，具备强大的感知计算能力，能够为L3和L4级别自动驾驶提供高性能的感知系统。地平线Matrix自动驾驶计算平台已向世界顶级Robotaxi厂商大规模供货，成功开创了中国自动驾驶芯片产品出海和商业化的先河。

    从当前AI芯片竞争格局和市场前景看，国内企业在边缘端的机会多于云端。一方面，在边缘场景，国内在语音、视觉等领域已经形成了一批芯片设计企业队伍，相关芯片产品已经在安防、数据中心推理、智能家居、服务机器人、智能汽车等领域找到落地场景，未来随着5G、物联网等应用的兴起，相关企业的市场空间将进一步扩大。另一方面，在云端，国内企业也正在加速追赶，未来也有望取得突破。尤其是寒武纪，作为云端芯片重要的技术厂商，有望通过授权等方式为下游芯片设计、服务器企业赋能。

    AI芯片上市公司标的较为稀缺，覆盖标的中，重点推荐中科曙光、科大讯飞、中科创达以及四维图新。中科曙光作为“芯-服务器-云”一体化企业，将直接成为国内AI芯片发展的受益者。除了AMD授权的海光X86处理器之外，公司也正在和同为中科体系的寒武纪合作，预计将在AI服务器、智能芯片等方面获得突破；科大讯飞作为语音交互领域的龙头，不但持有寒武纪的股份，而且还在同外部合作研发AI芯片Castor（北河二），目前该芯片已经完成测试工作，未来可用于智能家居等语音交互场景；中科创达在嵌入式人工智能领域有着较强的积累，主要为手机及安防终端提供软件解决方案，近年来开始向底层芯片发力，2017年11月跟投了国内神经网络处理器厂商——耐能；四维图新作为自动驾驶领域的重点标的，其收购的杰发科技，车规级MCU已经实现量产，为后续进军自动驾驶，实施“汽车大脑”战略打下了良好的基础。

    国内人工智能芯片主要集中在边缘端推理领域，应用主要集中在安防、智能家居、消费机器人等场景，但是上述场景中AI芯片竞争十分激烈，可能影响到芯片企业产品落地效果。

    人工智能芯片和算法、终端、应用场景等密切相关，但在当前信息技术加速迭代的背景下，AI技术调整的风险非常高，相关调整一旦发生，将对企业发展造成重大影响。

    AI芯片研发难度大，需要投入大量的资金和人力。国内创业企业资金实力相对薄弱，在人才竞争中将处于劣势。上述因素，可能直接导致企业研发进度落后于预期。

    相关报告：智研咨询发布的《2019-2025年中国AI芯片行业市场全景调查及投资方向研究报告》