人工智能将重塑芯片产业格局.docxVIP

人工智能将重塑芯片产业格局

2016年谷歌AlphaGo的人工智能围棋“选手”横扫世界围棋界，获得世界舆论媒体对人工智能的广泛关注和讨论。而在更早之前的2011年2月，IBM的认知计算平台Watson在《危险边缘》智力问答节目中以压倒性优势击败人类，创下节目27年来最好的成绩，就已经显示人工智能在部分领域已经超越人类大脑的能力。1956年人工智能概念首次提出以来的五十多年里，受计算机计算能力和人工智能基础技术的欠缺，其发展处于踌躇不前。最近十年受益于超级计算机、大数据积累、云计算和云存储技术发展，开始可以满足人工智能大规模并行计算能力的部分需求，多种机器深度学习的算法模型开始迎来大规模的研究和应用。

一、人工智能应用前景广阔

人工智能做为一种基础技术，能辅助或者替代人的部分脑力活动，达到提升效率和增加工作成果的作用，其可以应用于各种行业。目前人工智能在模仿人脑构造和逻辑算法等方面的基础研究仍然处于起步阶段，而在细分应用领域的研究成果相对更成熟，比如工业4.0、机器人、语音识别、自动问答系统、智能医疗、安防、智能家居、无人驾驶等。基于比较成熟的人脸识别技术目前已经开始大规模应用在银行、国防、公安、移动支付、自拍软件等多种应用场景。以人工智能技术为核心的工业4.0和工业机器人在几年前掀起了全球性的工业革命，工业制造领域的智能化仍在持续深化加速发展中。

尽管人工智能的基础性技术有待成熟，但随着各细分应用领域研究不断成熟和各行业大数据的积累，人工智能应用的市场价值已经先行显现，成为各国政府和企业的投资热点。根据机构的研究预测，仅中国国内人工智能市场规模在2018年将超过406亿元，年复合增长率预计25.8%。资本市场近几年对人工智能领域的投资呈现爆发性的增长，据VentureScanner公布的统计数据，2014年人工智能全球投资总额为10亿元，同比增长逾50%。2015年则达到了12亿元，超过2014年之前近20年的累计投资总额。以IBM、谷歌、Facebook、苹果、阿里等为代表的国际巨头早已在人工智能领域深耕十多年，目前开始加快向人工智能上下游关键产业链延伸。人工智能产业链上下游传统的芯片制造企业、家电家居制造、汽车研发制造等行业企业也开始加大人工智能应用方面的研究。

二、人工智能重塑芯片市场需求

人工智能产业链分为技术支持层、基础应用层和方案集成层，分别为上中下游产业。技术支持层主要由硬件计算机芯片和软件算法模型两部分构成，在人工智能的研发研究中，通过计算机使用大数据进行大量大规模运算来不断优化算法模型，提高算法模型产品的深度推理和逻辑思考层次，而运算能力的核心技术在于芯片。

目前主流的芯片设计和构架为经典冯诺依曼模型，为单程运算，而人工智能的人工神经算法与传统计算模式不同，需要同时并行运算，而原来英特尔CPU的架构模式无法适应计算需求。以人工智能算法中研究和应用比较广泛的一种是卷积神经网络CNN（ConvolutionalNeuralNetwork）算法为例，该模型算法的特性可以概括为海量的输入数据、大规模的MAC运算、稀疏的权值矩阵、灵活的数据位宽和多样的网络拓扑等特性。传统的冯诺依曼结构的CPU在执行该算法时，其串行执行方式无法高效处理大量并行运算，导致执行效率非常低下，无法满足计算量的需求，而硬件数量的限制也导致并行计算能力出现瓶颈。尽管目前用于处理图形的GPU有高度并行运算单元并被广泛运用于目前的人工智能研究的计算系统中，但是GPU仍然不是专为人工智能并行计算需求而设计的芯片，存在功耗大、价格高，且不适合嵌入式环境。另外，目前已有的DSP、FPGA等成熟的主流处理器也并不完全适合深度学习向的算法模型。换句话来说就是人工智能已经开始重塑未来芯片市场的主导需求，而目前这个市场处于群雄逐鹿的初级竞争阶段。

人工智能在网络科技和传统产业中广阔的应用前景，吸引了各路资本包括政府的投资布局，尤其在处于技术和资本壁垒极高的上游芯片产业。人工智能对新型芯片的需求将主导芯片市场未来的需求，谁先开发出先进的人工智能芯片产品，谁就将崛起成为芯片行业的新寡头。

三、人工智能芯片——电子芯片技术重构

目前人工智能芯片主流的研发方向为以成熟电子芯片技术进行电路集成架构重新设计，以求增加并行运算能力、减小尺寸和降低能耗。受芯片行业高技术壁垒和资本壁垒因素影响，这方面研发主要为传统芯片制造企业和大型科技公司主导，而目前人工智能芯片主要应用于人工智能算法研究的超级计算机中，移动设备、普通计算机和人工智能应用终端设备仍然是传统架构的专用芯片。

公司

发布时间

AI芯片名称

特性

谷歌

2016年5月

TPU

专为TensorFlow深度学习算法设计的专用集成芯片

英特尔

预计2017年

XeonPhi

快速计算，并根据概率和联系做决策，可为计算带