图片来源：视觉中国AI芯片投资版图AI芯片设计是人工智能产业链的重要一环。2017年5月以来，各家AI芯片厂商的新品相继发布。经过一年多的发展，各个环节的分工逐渐明显。AI芯片新品发布中（2017年5月以来发布的AI芯片列表）。AI芯片的应用场景不再局限于云端，部署在智能手机、安防摄像头、自动驾驶汽车等终端的各类产品也越来越丰富。AI芯片除了追求性能的提升，也逐渐注重特殊场景的优化。目前，人工智能产业链包括提供AI加速核心的IP授权商、各类AI芯片设计公司、代工企业等。AI芯片投资图如上图所示。根据部署位置，AI芯片可以部署在数据中心（云端），也可以部署在手机、安防摄像头、汽车等终端（边缘）。根据承担的任务，可分为用于构建神经网络模型的训练芯片和使用神经网络模型进行推理的推理芯片。训练芯片侧重于绝对算力，而推理芯片更注重综合指标，必须考虑单位能耗、时延、成本等计算能力。训练芯片受算力限制，一般只部署在云端。推理芯片根据不同的应用场景分为手机边缘推理芯片、安防边缘推理芯片和自动驾驶边缘推理芯片。为了方便起见，我们也称它们为手机AI芯片、安防AI芯片、汽车AI芯片。由于AI芯片对单位能耗和算力要求较高，一般采用14nm/12nm/10nm等先进工艺生产。台积电目前正与Nvidia、Xilinx等芯片厂商合作攻关7nmAI芯片。五大场景塑造352亿美元市场AI芯片市场规模及竞争格局根据中金公司对相关AI芯片上市公司的营收统计以及各场景AI渗透率测算，AI芯片市场规模已2017年达到39.1亿美元详情如下：2017年全球数据中心AI芯片规模总计23.6亿美元，其中云端训练芯片市场规模20.2亿美元，云端推理芯片市场规模340万美元。2017年全球手机AI芯片市场规模为3.7亿美元。2017年全球安防摄像头AI芯片市场规模为3.3亿美元。2017年全球自动驾驶AI芯片市场规模为8.5亿美元。巨大的市场前景和战略意义，让AI芯片赢得了巨头们的热切关注。英伟达在2017年指出，到2020年，全球云训练芯片市场规模将达到110亿美元，而推理芯片（云+边缘）市场规模将达到150亿美元。英特尔也在刚刚结束的2018DCI峰会上重申了数据服务驱动硬件市场增长的观点。英特尔将其2022年用于数据中心以执行AI加速的FPGA的TAM预测从70亿美元上调至80亿美元。同时，中金公司也注意到，手机SoC价格的上涨，以及AI向中端机型的渗透，将为行业创造更广阔的市场空间。安全芯片受益于现有设备的智能化升级，芯片需求扩大。在自动驾驶方面，针对丰田提出的算力需求，我们看到目前的芯片算力与L5级自动驾驶还有很大差距。（英飞凌在自动驾驶各个级别给出了半导体价值预测，可以为我们的TAM估算提供参考。）历代苹果手机芯片的成本走势。自动驾驶对算力的需求加速芯片升级。中国半导体价值预测结合上述观点，结合我们对人工智能在各应用场景渗透率的分析，中金公司预测，2022年云训练芯片市场规模将达到172亿美元，CAGR约为54%。2022年云推理芯片市场规模将达到72亿美元，CAGR约为84%。2022年智能手机边缘推理芯片市场规模将达到38亿美元，CAGR约为59%。用于安防摄像头的边缘推理芯片的市场规模将在2022年达到18亿美元，复合年增长率约为41%。2022年用于自动驾驶汽车的边缘推理芯片市场规模将达到52亿美元，CAGR约为44%。下面对五种应用场景进行详细分析。云训练芯片：英伟达主导AI芯片工作流程。训练是指通过将大量数据样本代入神经网络模型运算，反复迭代，得到每个神经元“正确”的权重参数的过程。由于计算单元数量少，CPU的并行计算能力弱，不适合直接执行训练任务。因此，一般采用“CPU+加速器芯片”的异构计算模式进行训练。目前Nvidia的GPU+CUDA计算平台是最成熟的AI训练方案，另外还有：第三方异构计算平台OpenCL+AMDGPU或者OpenCL+Intel/XilinxFPGA。云计算服务商自研加速芯片（如谷歌的TPU）有两种解决方案。基于不同的解决方案，各芯片厂商推出了用于云端训练的AI芯片。云训练芯片对比从整个云训练芯片的市场竞争格局来看，目前NvidiaGPU的优势暂时比较明显。甚至谷歌的一些深度学习训练任务也离不开英伟达GPU；除了GPU之外，云训练新入局的竞争对手是谷歌的TPU，但目前并没有直接对外销售；Intel积极布局CPU+FPGA异构计算，持续优化至强CPU架构；Xilinx在FPGA方面也有很深的涉猎；GPU销量一直很好AMD也开始切入深度学习训练任务。云推理芯片：百家争鸣推理是指利用已有的神经网络模型进行计算，并使用新的输入数据一次性得出正确结论的过程。推理过程一般对响应速度要求较高，因此会采用AI芯片（配备训练好的神经网络模型）进行加速。与训练芯片相比，推理芯片考虑的因素更全面：单位功耗的计算能力、时延、成本等。初始推理也采用GPU加速，但由于应用场景的特殊性，优化基于特定的神经网络算法会带来更高的效率，FPGA/ASIC的性能可能会更加突出。主要云推理芯片对比除了Nvidia、Google、Xilinx、Altera（英特尔）等传统芯片厂商涉足云推理芯片外，Wavecomputing、Groq等初创企业也加入了竞争。中国企业中，寒武纪和比特大陆也在积极布局云芯片业务。未来，云端推理芯片将应用于智能语音识别、智能搜索等应用场景，呈现百花齐放的趋势。手机端芯片推断：格局稳定手机芯片市场目前包括（1）苹果、三星、华为等采用芯片+整机垂直业务模式的厂商，以及（2）独立芯片供应商如如高通、联发科、展锐，以及（3）ARM、Synopsys、Cadence等向芯片公司提供独立IP授权的供应商。采用垂直商业模式的厂商芯片不对外销售，只服务于自有品牌整机，性能针对自有软件进行专门优化，以效率取胜。独立芯片供应商利用相对较强的性能指标来获得剩余厂商的市场份额。手机AI芯片对比2017年以来，苹果、华为海思、高通、联发科等主要芯片厂商相继发布了支持AI加速的新一代芯片（如下图），AI芯片逐渐渗透到手机领域中档产品。由于手机空间有限，独立的AI芯片很难被手机厂商采用。在AI加速芯片设计能力上具有先发优势的公司（如寒武纪），一般都是通过IP授权的方式进入。智能手机SoC市场份额分析（2017）对于这些厂商，中金公司认为AI的主要作用是提升芯片附加值和产品单价。根据IHS数据，随着硬件性能的提升和AI计算结构的不断渗透，苹果A11芯片的成本已经达到了27.5美元。芯片成本的持续上涨，有望推高垂直机型厂商的售价，为同等出货量的现有芯片厂商贡献更多的营业收入。高通、联发科、展锐等独立芯片供应商将受益于芯片本身ASP的提升。安防边缘推理芯片：视频监控行业四方在过去十年主要经历了“高清”和“网络”的两次更替。随着2016年以来AI在视频分析领域的突破，当前视频监控行业正处于第三个重要升级周期——“智能化”的起步阶段。前端摄像头搭载终端推理芯片，可实时对视频数据进行结构化处理，“云+边缘”的边缘计算解决方案逐步渗透。中金公司预测，安防摄像头推理芯片市场规模将从2017年的3.3亿美元增长至2022年的18亿美元，复合年增长率约为41%。边缘推理芯片在安全端的主要应用是基于将视频流在本地转换为结构化数据。这不仅节省了云存储空间，还提高了系统效率。因此，除了Nvidia和Movidius（一家计算机视觉初创公司），也有传统的视频解码芯片厂商积极布局智能安防。在行业中，海思和安霸与Nvidia和Movidius竞争激烈。安防AI芯片对比中金公司认为，当前整个安防AI芯片市场竞争格局稳定，存量厂商凭借与下游客户的长期合作，有望继续受益于安防智能化升级，新进入者的市场空间有限。安防AI芯片下游客户稳定，为海康威视、大华等视频监控解决方案提供商。客户与传统视频解码芯片厂商的长期合作具有粘性，新产品也不断推出。初创企业的竞争优势较弱，尤其是在安防AI芯片的性能差异化难以实现的情况下。自动驾驶边缘推理芯片：一片蓝海除了智能手机和安防，自动驾驶汽车也是人工智能的落地场景之一。车用半导体的旺盛需求已经拉紧了供给端产能，推断自动驾驶芯片的需求也有望在未来五年实现高速增长。中金公司预计其市场规模将从2017年的8.5亿美元增长至2022年的52亿美元，年复合增长率约为44%。自动驾驶的算力需求加速芯片升级。要让车辆实现真正的自动驾驶，必须经历感知-建模-决策三个阶段，而每个阶段都离不开终端推理芯片的计算。无论是环境感知还是避障规划，自动驾驶都对芯片算力提出了很高的要求。但由于时延和可靠性的限制，自动驾驶相关的计算无法在云端进行，边缘推理芯片的升级势在必行。据丰田统计，要实现L5级全自动驾驶，至少需要12TOPS的推断算力。按照目前先进的英伟达PX2自动驾驶平台来看，要满足完全自动驾驶的需求，需要将近15台PX2车载电脑。自动驾驶平台对比近年来，各家传统汽车半导体供应商纷纷涉足自动驾驶业务，纷纷推出自己的自动驾驶或辅助驾驶平台；但对于下一代产品，中金公司预计Mobileye和新秀英伟达有望一马当先。下一代自动驾驶AI芯片流片及预计量产时间自动驾驶芯片市场仍处于起步阶段。与其他终端应用场景相比，自动驾驶不仅计算复杂度最高，对汽车级芯片也提出了更高的要求。入门门槛比较低，其硬件升级也比较慢。目前，各厂商的下一代自动驾驶平台最早计划在2019年实现量产。目前上市平台的芯片大多只支持L2/3级别。虽然恩智浦等传统半导体厂商深耕汽车电子多年，获得了一定的客户粘性，但在自动驾驶业务上，整个市场还没有形成非常明显的竞争格局。客户也在不断地测试芯片厂商的产品，以达到最佳的选择。从客户偏好来看，传统大厂愿意自己搭建平台，然后采购所需的芯片，而新造车厂商则更愿意直接采购自动驾驶平台。与各家芯片厂商的合作伙伴相比，全自动驾驶的实现非常复杂，目前还处于起步阶段。中金公司认为，初创企业在整个行业的发展中有机会，看好技术领先和与车厂的紧密合作。创业公司。智视认为，GPU在训练芯片方面已经站稳脚跟，但随着人工智能场景的逐步深入，更具针对性的TPU和更灵活的FPGA将瓜分新的市场，而边缘计算（推理）、多样化的场景应用提供了足够的竞争力传统玩家、芯片制造商和新兴初创公司的平台。注：本文内容为中金公司AI芯片专题报道。将从市场现有的芯片品类入手，对目前本土主要的AI芯片企业进行盘点。
