2019年AI芯片行业研究报告.pdfVIP

梧桐树下整理 AI芯片行业研究报告 2019年 摘要 梧桐树下整理 AI芯片主要适用于包括训练、推理在内的AI应用，擅长并行计算。主要应用于云端、 边缘及物联网设备终端。市场空间在2022年有望超过500亿美元； SMS AI芯片在云端主要为数据分析、模型开发（训练）及部分AI应用（推理）等提供算 力支持。英伟达基于其完备的GPU+CUDA生态主导云端AI芯片市场，但其产品售 价高昂，GPU计算效能及功耗不如FPGA及ASIC芯片，市场寻求潜在替代方案； 边缘侧和终端对于AI芯片需求更加分散 ，不同场景需要综合考虑芯片的PPACR。AI 芯片作为协处理器难以单独实现应用功能，对厂家软件及系统开发交付能力同样有 很高的考量。不同的应用场景中，拥有较高的固有行业壁垒，这需要AI芯片厂商能 够加强与产业固有主体的合作，融入现有产业结构； 芯片行业具有资本和技术壁垒双高的特点 ，高昂的研发费用需要广大的市场进行支 撑，对于AI芯片厂商来说除了核心软硬件技术开发实力外，市场洞察及成本控制亦 是不可或缺的能力； 行业当前接近Gartner技术曲线泡沫顶端，未来1~2年将会面临市场对于产品的检 验，只有通过市场检验和筛选的优质团队才能够继续获得产业、政策和资本的青睐 和继续支持。 来源：艾瑞研究院自主绘制。 ©2019.6 iResearch Inc. 2 梧桐树下整理 AI芯片行业概述 1 AI芯片应用场景及市场需求分析 2 AI芯片行业产业链及商业模式分析 3 AI芯片行业发展展望 4 企业推荐 5 3 关于人工智能芯片（AI芯片） 梧桐树下整理 AI芯片：基于矩阵运算、面向AI应用的芯片设计方案 1、定义：当前AI芯片设计方案繁多，包括但不限于GPU\FPGA\ASIC\DSP等。目前市场上的对于AI芯片并无明确统一的 定义，广义上所有面向人工智能（Artificial Intelligence ，AI ）应用的芯片都可以被称为AI芯片。 2、当前AI运算指以 “深度学习”为代表的神经网络算法，需要系统能够高效处理大量非结构化数据（文本、视频、图 像、语音等）。这需要硬件具有高效的线性代数运算能力，计算任务具有：单位计算任务简单，逻辑控制难度要求低，但 并行运算量大、参数多的特点。对于芯片的多核并行运算、片上存储、带宽、低延时的访存等提出了较高的需求。 3、针对不同应用场景，AI芯片还应满足：对主流AI算法框架兼容、可编程、可拓展、低功耗、体积及造价等需求。 深度学习模型复杂度及规模对芯片算力需求激增 通过架构设计AI芯片跨越工艺限制，算力效能对 CPU实现大幅超越