近年来，AI芯片在云计算、数据中心、边缘计算、消费电子、智能制造、智能驾驶、智能金融及智能教育等领域的应用越来约广泛，由此AI芯片被业界广泛关注，如今该领域新的生产设计商不断涌现，行业市场规模不断增长。

据TrendForce显示，预期2022年全球AI芯片市场规模将达到390亿美元，成长率18.2％。由于目前AI芯片的应用以云端运算、安防、机器人与车用居多，2023年将进入高成长期，特别是由云端运算、车用两大领域引领市场快速成长，到2025年全球AI芯片市场规模有望达到740亿美元，2022～2025年CAGR将达到23.8％。

 

核心观点

源起基金认为，随着消费性电子设备市场需求增加，且多数用中小型设备开发商偏向7nm的ASIC。另外，5G、低轨道卫星通讯、云端与边缘运算的工作负载与结构化需求推动，电信系统将成为最大的终端使用市场。

因此，在多方需求高涨下，AI芯片将迎来快速发展期，预期2026年AI芯片市场规模有望达到930亿美元，其中CPU、GPU与ASIC芯片的市场主要份额稳健，在AI市场规模的比重有望达到33％、34％、26％，而ASIC芯片市场相对增长较快，未来前景广阔。

AI芯片市场规模及行业格局

2020～2021年新冠疫情带动数字化浪潮，加之美国、中国与欧盟各国相继出台“数智能化发展策略”催化国家暨产业数字转型，如美国大力推进“美国制造”与“数字经济”进程，前者主要侧重半导体产业，锁定IC设计、生产制程与核心设备；后者主要专注在数字美元，现正处于验证系统开发与法案拟定阶段。欧盟则推出欧洲数字罗盘（Europe's Digital Compass）计划，主要围绕人才培育、确保安全与永续、企业数字转型、公共服务数字化四大类，其中企业数字转型为重中之重，且期望至2030年有75％厂商能广泛使用云端运算、大数据与AI，至少90％以上中小企业应达到基本的数字密集程度。

随着机器视觉、自动驾驶技术快速发展，加深仓储物流、供应链的物流运输、自驾车等领域应用，使全球AI芯片需求高涨，且快速扩大其在整体半导体市场的市占率，其市占率从2020年的5.9％扩展到2021年的6.4％，市场规模也从2020年260亿美元增长到2021年330亿美元，成长幅度达到26.9％。

行业格局方面，目前，GPU 作为Deep Learning（DL）最广泛的芯片，随着深度学习对运算需求不断提升，以及为达到DNN（Deep Neural Network）的运算要求，NVIDIA、寒武纪、Google、Intel等厂商积极探索GPU在高效能运算方面的应用与突破，同时专注于高效能运算的芯片研发与相关生产计划。

其中，部分厂商竭力寻求基于FPGA（现场可程序化逻辑匣阵列）架构的半客制化芯片，例如Google研发的张量运算处理器TPU、寒武纪研发的神经网络运算处理器NPU，以及Intel旗下的Altera Stratix V FPGA。

此外，Intel也尝试推广面向不同品牌、不同种类硬件的XPU Programming，并以SYCL作为统一的程序设计语言且充分利用Intel oneAPI，使原本的开发框架从封闭性转为开放性，以期更有效支援开发人员构建高性能异构应用。

另一方面，芯片公司与算法公司的合作也逐渐增多，同时芯片企业逐渐往产业链上游布局与合作，上下游产业链整合趋势明显。譬如，地平线主要从事边缘人工智能芯片的研发，具有领先的人工智能算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展，是国内唯一一家实现车规级人工智能芯片前装量产的企业，核心产品包括征2、征程3、征程5等。寒武纪专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片；2021年思元290智能芯片及加速卡、玄思1000智能加速器量产落地。

在公司注册方面，我国AI芯片企业注册量快速增长，由2017年的1110家迅速增长至2021年的13492家，年均复合增长率达86.7%。最新数据显示，2022年1-5月，我国AI芯片企业注册量达6783家，已超过2020年新增企业数量，行业竞争进一步加剧。

AI芯片领域投融资概况

数据显示，2021年我国AI芯片投资数量共109起，投资金额达396.36亿元，同比增长57.6%。截至2022年6月22日，2022年我国AI芯片投资数量共37起，投资金额达92.47亿元。

 

2022年AI芯片行业投资事件37起，融资金额达近百亿元。2022年6月，芯视达完成近3亿元C+轮融资，由屹唐长厚基金和星河资本联合领投，无锡联泰投资、玖兆投资等数家机构跟投，原股东张江浩珩继续追加投资；锐思智芯完成近2亿元的A轮融资，巡星投资（OPPO旗下投资公司）和同创伟业联合领投，虹软科技、舜宇光学产业基金、耀途资本、深圳天使母基金、联想创投、清科创投跟投。

截至2022年7月28日，今年我国人工智能芯片行业共发生投资事件101起，已披露投资金额最高的为ESWIN奕斯伟公司在C轮中收到的25亿人民币投资。

 

图 | 2021年下半年至今，AI芯片领域部分大额融资事件（来源：IT桔子）

强算力时代,AI芯片在多场景应用中商业化加速

AI芯片大致可分为CPU、GPU、FPGA与ASIC（客制化芯片）；其中，GPU是由大量运算单元组成的大规模并行运算架构，专为同时处理多重任务而设计，多应用于工作站、个人计算机、游戏设备、智能型手机等设备，处理图形、图像相关运算工作；再者，该芯片采用统一渲染架构，能在算法尚未定型的领域中使用，故通用性程度较高、商业化较成熟。

 

FPGA主要是能提供用户根据自身的需求进行重复程序设计，解决可程序化元件电路数不足问题，且运行效率高于GPU、CPU，功耗也相对较低，但当处理的任务重复性不强、逻辑较为复杂时，该芯片效率就会低于使用冯纽曼架构的处理器。

ASIC是一种根据特定算法、架构的客制化芯片，其客制化程度比GPU、FPGA更高、专用性较强，故运算水平一般高于CPU、GPU、FPGA，但初始投入大，且算法一旦改变，运算能力将大幅下降，需重新设计客制，不过随着数据量不断增加和芯片技术的极限到来，对算力的诉求越难以被满足。

尤其是部分特定领域的数据量日益庞大，算法逐渐固定，对以ASIC架构为基础设计而成的DPU、TPU与NPU之需求增加，特别是DPU，因DPU能部分取代CPU、GPU部分功能，解决数据量骤增而导致CPU与Memory间数据传输问题，改善并加速网络数据传输运算速度。

目前广泛用在大型数据中心，因大型数据中心的流量处理需占据整体运算近30％，加上数据中心在节点间交换效率和节点内I/O切换效率偏低，故透过DPU与CPU、GPU协同运行能有效解决松耦合问题。

因此随着物联网设备不断扩增，例如工业机器人、AGV/AMR、智能型手机、智能音箱、智能摄影机等，加上自动驾驶、影像辨识、语音语意辨识、运算等技术在各领深化运用、升级，将催化AI芯片与技术市场迅速成长。

以2022年整体市场来看，在智能汽车、机器人与数据中心三大领域对AI芯片的需求将持续增加，进而不断提升运算能力、技术架构以满足此三大领域需求；其中，智能汽车方面，自汽车电子电气架构从分布式走向集中式，MPU、MCU需求逐年增加，加上现在电动车紧密贴合先进驾驶辅助系统（ADAS）技术应用，使车厂利用AI芯片解决复杂的运算条件、整车运行功耗与数据传输等问题，增强整车的稳定性、安全性。

此外，近年机器人的技术扩散相当快，应用场景已从工业环境延伸到饭店、餐厅、医院、仓储物流、国防与太空探索等，然为了让机器人能运行影像处理、人脸辨识等功能都会选择GPU、FPG。

当前机器人正快速朝向3D实体、工作分解结构（Work Breakdown Structure，WBS）与时间等多维度处理能力发展。有鉴于此，现阶段的GPU、FPGA架构将持续创新突破，甚至针对特殊需求进行设计，这势必牵引制造、封测与设备，以及材料与软件的全链同步升级。

免责声明：本公众号发布内容部分信息来源网络，本平台不对文章信息或资料真实性、有效性、准确性及完整性承担责任。文章仅供阅读参考，不作任何投资建议，如有侵权请联系删除。