在人工智能超過60年的發展歷程中，經歷了漫長的歷史演進和技術更迭，并曾兩次陷入低谷。近幾年隨著工業4.0、智能生活、“互聯網+”等領域的快速進步，加之深度學習算法在語音和視覺識別上取得突破，人工智能技術開始滲透至工業、醫療、教育、安全等多個領域。

人工智能行業的競爭其實是人工智能芯片的競爭

在人工智能超過60年的發展歷程中，經歷了漫長的歷史演進和技術更迭，并曾兩次陷入低谷。近幾年隨著工業4.0、智能生活、“互聯網+”等領域的快速進步，加之深度學習算法在語音和視覺識別上取得突破，人工智能技術開始滲透至工業、醫療、教育、安全等多個領域。

根據前瞻產業研究院發布的《2018-2023年中國芯片行業市場需求與投資規劃分析報告》數據顯示，2016年全球人工智能芯片市場規模達到36億美金，預計到2021年將達到111億美金，年復合增長率達到25%，增長迅猛，發展空間巨大。

圖表1：2016-2021年全球人工智能芯片市場規模及預測（單位：億美金）

核心芯片決定一個新的計算平臺的基礎架構。核心芯片將決定一個新的計算時代的基礎架構和未來生態，因此，谷歌、微軟、IBM、Facebook等全球IT巨頭都投巨資加速人工智能核心芯片的研發，旨在搶占新計算時代的戰略制高點，掌控人工智能時代主導權。回顧在PC和移動互聯網時代分別處于霸主地位的X86架構和ARM架構的發展歷程，可以看到：從源頭上掌控核心芯片架構取得先發優勢，對于取得一個新計算時代主導權有多么重要。

隨著大數據的發展，計算能力的提升，人工智能近兩年迎來了新一輪的爆發。芯片約占人工智能比重的15%，結合我國人工智能市場規模，推算出2016年我國人工智能芯片市場規模約為15億元，到2022年市場規模將達到50億元左右。

圖表2：2016-2022年中國人工智能芯片市場規模及預測（單位：億元，%）

各類芯片各有千秋，芯片之戰勝負存在較大變數

人工智能市場規模的快速增長得益于其應用領域的不斷開拓。目前已經覆蓋包括深度學習、機器視覺、指紋識別、人臉識別、個人助理、智慧機器人等13個具體應用，涉及工業機器人、安全識別、無人駕駛、智能醫療、智能家居等多個新興產業，人工智能勢必將成為新一輪科技革命的強大推動力量。強大推動力的背后，是AI芯片之爭，其主要分為以下幾種：

圖表3：人工智能芯片的分類介紹

從技術上來看，GPU、FPGA和ASIC都各有千秋。從實際應用來看，GPU擁有最完善的生態系統支撐，具有較大的先發優勢。由于市場對此已經充分預期，我們在此就不再贅述。人工智能在推理環節應用剛起步，云端要比前端設備發展速度更快。下面我們將重點講述一下云端數據中心的應用。在數據中心，FPGA使用日益廣泛，而ASIC路線風險太高，目前僅有谷歌批量部署了TPU。

圖表4：處理器芯片對比-1

具體來看，GPU與CPU有相同之處，兩者都有總線和外界聯系，都有自己的緩存系統，以及數字和邏輯運算單元。兩者也具有很大的差異。CPU需要很強的通用性來處理各種不同的數據類型，同時又需要進行邏輯判斷、分支跳轉和中斷等處理，因此CPU內部的結構異常復雜；而GPU專門執行復雜的數學幾何計算，面對的是類型高度統一、相互無依賴的大規模數據和不需要被打斷的純凈計算環境。所以與CPU擅長邏輯控制和通用類型數據運算不同，GPU擅長大規模、獨立的浮點和并行計算。中國在GPU芯片設計領域發展相對較晚，當前掌握核心技術的公司包括景嘉微、兆芯等。其中景嘉微研發的JM5400圖形芯片打破國外芯片在我國軍用GPU領域的壟斷，實現了軍用GPU國產化。

FPGA芯片與GPU以及CPU相比，具有性能高、能耗低以及可硬件編程的特點。雖然FPGA的頻率一般比CPU低，但是可以用FPGA實現并行度很大的硬件計算器。FPGA高性能、低能耗以及可硬件編程的特點使其適用范圍得以擴大，目前FPGA主要應用于通訊、醫療電子、安全、視頻、工業自動化等領域。

為深度學習量身定制的ASIC芯片將在計算速度和功耗上趕超GPU和FPGA，并隨著人工智能滲透率的不斷提升，未來在智能手機、物聯網、車聯網等領域，人工智能芯片將得到廣泛應用，廣闊的市場空間為ASIC大規模量產創造了可能。隨著大規模量產條件下單片成本大幅下降，ASIC可能會成為未來深度學習領域的主流芯片。目前，科技巨頭紛紛在ASIC深度學習芯片上發力。

類腦芯片其是一種基于神經形態工程、借鑒人腦信息處理方式。旨在適于實時處理非結構化信息、具有學習能力的超低功耗新型計算芯片。可以說類腦芯片是更加接近人工智能目標的芯片，其力圖在基本架構上模仿人腦的工作原理，使用神經元和突觸的方式替代傳統的架構體系，使芯片能夠進行異步、并行、低速和分布式處理信息數據的能力，同時具備自主感知、識別和學習的能力。

圖表5：我國人工智能芯片的種類及主要代表企業

整體來看，深度學習的興起得益于大數據的發展、計算機計算能力的大幅提升和算法本身的突破，其中計算能力的大幅度提升則得益于GPU、FPGA、ASIC等人工智能芯片的廣泛應用，芯片作為人工智能技術核心環節，未來前景廣闊。