据TrendForce表示，在全球数字化、智能化的浪潮下，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、运算等技术在各领域深化应用催化AI芯片与技术市场迅速成长，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％。

TrendForce表示，基于全球各种消费性电子产品和数字技术的日益普及，促进半导体市场成长，亦让AI和物联网等最延伸性技术受到广泛应用，使AI芯片能在更短时间处理大量数据，故AI/ML（Machine Learning）、物联网与无线通讯设备领域快速成长同时，亦刺激对半导体的需求。

再者，AI芯片在进行推理任务时，主要透过终端设备的传感器、麦克风阵列或镜头进行数据采集，并将收集的数据代入训练好的模型推理得出推理结果，以最大限度减少人为错误，这也说明不同终端场景，对算力、能耗等性能的需求也有差异，因此需对特定应用场景进行特殊设计，实现最优解决方案。

国产AI芯片玩家摩拳擦掌

中国有着孕育AI产业最肥沃的沃土——全球最大的数据需求和数据积累，这对于AI训练和推理无疑是充足的燃料。同时，资本和政策对AI芯片的利好也使得一众AI芯片创业公司驶入了快车道。

2021年，AI芯片企业融资不断，金额屡创新高。老芯片玩家、创企、互联网巨头纷纷下场发力AI芯片。据不完全统计，国内已有至少30多家明确涉足AI芯片的企业，如已上市的寒武纪、已经实现大规模商业化落地的昆仑芯科技、专注云端两代产品的燧原科技、发力GPGPU芯片厂商天数智芯、壁仞科技的首款高端通用GPU已交付流片、摩尔线程的GPU芯片已经研制成功、黑芝麻/地平线/芯驰等在自动驾驶芯片上不断攻克、知存科技/苹芯科技等在存算一体上的努力等等。尽管这些AI芯片企业“出身”不同、体量有别、切入赛道路数也不尽相同，但均在各自的领域里各有所长，持续研发不断突破，不断攀登高峰。

随着算力、算法和数据等要素齐备，各个玩家的架构和路径逐渐明朗。北京半导体行业协会副秘书长朱晶此前曾指出，当下中国AI芯片所比拼的无疑是：1）比谁有钱，能请得起更贵的人才，用得起更先进的制程；2）比谁有大场景的资源和工程化能力；3）比谁有杀手锏或者避开主战场另辟蹊径的能力，比如低功耗设计，存算，封装；4）比谁有更强的软件和生态能力。

AI引领强算力时代，协同运行启动多场景应用

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。其中，FPGA使用率较高，因该芯片具有低功耗、高性能、可重配置能力与自我调整特征，并能将机器人作业系统（Robot Operating System，ROS）整合到FPGA平台，进而让机器人内部软硬件可有效交互，发挥最佳运行效能。

再者，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。

综上所述，智能汽车、机器人和物联网技术，与其构建的智能交通、智能工厂和智能城市等新蓝海，对AI芯片市场需求与发展可期，同时也带动数据中心进一步成长，其在训练、创建新运算模型与维持中心服务器营运、电力控管皆使用到大量AI芯片，例如Tesla扩大其GPU驱动的AI Super，将A100 GPU配置数量增加到7,360个，提前为DoJo部署。百度自研二代崑仑芯片以增强量子运算效能，且于2022年8月推出超导量子计算机，以及全平台量子软硬件整合解决方案，可透过PC端、手机端、云端接入各种量子芯片。

在多方需求高涨下，AI芯片势必迅速成长，预期2026年AI芯片市场规模有望达到930亿美元，其中CPU与GPU仍占据AI芯片市场主要份额且稳健成长，而ASIC市场前景广阔，其优势与特性能协助在数据处理、消费性电子、电信系统、工业与其他产业的用户开发系列产品，缩短产品、服务或系统的创新周期。

TrendForce研究显示，CPU、GPU与ASIC芯片在2026年AI市场规模的比重将达33％、34％、26％，其中以ASIC芯片市场成长最快，原因有两点，其一，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。其二，5G、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不断增加，因为电信系统是最大的终端使用市场。

国内AI芯片引领者如何拉开身位？

落地为王。AI芯片必须与特定应用场景的AI算法配合起来才能真正实现AI的商业化落地。对于本土芯片企业来说，只有在找到正确的位置，才能有机会迎来腾飞。在这方面，去年刚从百度独立出来的昆仑芯科技则是一个很好的范例。

2021年4月，昆仑芯科技完成独立融资，首轮估值约130亿元。自此，带着过去十年在AI芯片领域的积累，该团队踏上了一条充满挑战却前景广阔的道路。

昆仑芯科技已实现两代芯片产品的量产及落地应用，积累了强大的工程化能力。昆仑芯1代于 2020 年量产，在百度搜索引擎、小度等业务中上线过万片，外部也有数十家客户。不过对此，很多人有所质疑：产品在设计之初是立足于百度，对于外部客户的需求场景适配是否会有问题，或者到底能否拿下非百度客户。昆仑芯科技该如何走接下来的路？

芯片设计要从一开始真正了解真实场景中客户的诉求，其次是AI的模型变化路径，这些如果没有真实场景的历练是体会不到的。

百度的应用场景是目前几乎所有互联网里场景最多的，其复杂度和丰富度远高于外部。对AI来说，百度有搜索，设计CV，NLP，语音等各种领域，因此昆仑芯科技的产品要基于众多模型进行优化设计，而非外界猜测的为百度做了特殊优化。反而，百度场景的需求更能代表AI未来发展方向，出身于场景一线的昆仑芯科技更能务实、深刻的理解实际业务需求。

昆仑芯科技透露，团队过往经验可以用“一纵一横”来总结。纵向来看，团队在百度内部做人工智能加速超过十年。2008年就开始使用GPU，2011年开始自研性价比更高的FPGA方案并完成了过万片的部署，2018年转型自研加速芯片。因此，团队熟知AI发展历史上的各类体系结构。过去十年间，单单FPGA就迭代了三个大版本，芯片迭代两代。落地数万片，也因此得到了大量用户的需求反馈和数据积累，芯片得以在正确的方向进行迭代，形成闭环。横向看，团队在数据中心的各类AI场景、无人驾驶、生物计算等场景均有研发经验，对各类业务场景如数家珍。

十余年研发积累，昆仑芯产品初心并非简单做一个仅适用部分场景的尝试性产品，而是希望能够集经验大成，做一款成熟有非凡竞争力的创新产品。2020年，昆仑芯1代推出后，面对疫情压力仅仅两个月便完成百度内部过万片部署，TCO节省上亿元、大幅度降低固定资产投入。

事实上，昆仑芯科技的产品落地早已走出百度，揽获各行各业多达数十家客户。在互联网、智慧工业、智慧城市、智慧交通、智慧政务、智算中心等业务中，均有成功案例。

•在工业质检方面，部署了昆仑芯AI芯片的智能工厂，算法机可同时处理24个模型，处理完所有流程仅需480毫秒。通过深度学习算法对于各种缺陷进行学习后，能准确识别产品的全部33类缺陷，漏检率控制在0.1%以内，并能使全检出货达到AQL 0.4标准（极高的合格质量水平）。该设备相对于标传统视觉检测的同类机型，投资回报率是传统机型的 6.5倍。

•在智慧公安、应急、城管、交通、政务和教育等多个领域，昆仑芯AI芯片赋能各级政府，满足在精准分析、科学决策和专业管理方面的需求，大大提升城市治理能力。

2021年8月“出道即量产”的昆仑芯2代，目前商业化进展也成果显著，百度业务已经上线，百度之外数千万金额的订单也已在握，跑出了芯片行业落地的“芯”速度。

昆仑芯科技CEO欧阳剑曾表示：“我们的芯片是通用的人工智能芯片，这是我们最大的优势。技术在百度跑通了，在其他领域公司也可以跑起来”。

迄今为止，昆仑芯科技做的最对的三件事：一是抓住了时代和产业的窗口，二是对产品技术上的前瞻性，三是团队凭借出众的能力和执行力把机遇落实了下来。

虎年来临前，半导体行业众多拜年文案，其中“祝AI芯片公司找到落地场景”戳中很多从业者。不过昆仑芯科技并不担心。AI计算的需求本来就是真实存在的，有好的产品、满足客户需求，就能实实在在落地。

AI芯片技术与市场竞争

人工智能，从软件层面看，其实是一种暴力计算。需要很强的计算能力来支撑。视频、3D、VR信息形式，数据量会大一两个数量级。这些都需要芯片对数据处理能力的提升。

所以，人工智能芯片核心驱动力，依然是对数据处理能力的需求，目前的芯片远远满足不了需求。尤其是一些视频、3D数据处理的场景，非要用到AI芯片不可，原来的CPU不仅成本太高，而且根本达不到要求。

以自动驾驶的视频处理为例，单靠CPU来处理汽车摄像头传来的实时视频数据，根本不可能，必须要用到针对CV场景优化之后的AI芯片。同样的场景，还有智慧城市领域的城市摄像头。

目前芯片体系所能提供的算力根本达不到要求，算力还得往上提高一两个数量级才行。

对于中国而言，还面临一个芯片国产化的问题。AI芯片是另一个赛道，有弯道超车的可能性。中国发展AI芯片产业，可以避免被美国卡脖子，有助于中国的计算产业安全，和供应链的可靠性。

文章来源： 吴建明，半导体行业观察，