过去一年,随着 AI 在各个行业的不断落地,行业痛点逐渐被发现,AI 芯片的发展路径渐趋明朗。未来五年,我们预计 AI 芯片市场的规模有接近 10 倍的增长,2022 年将达到 352 亿美元。AI 芯片设计是人工智能产业链的重要一环。AI 芯片的应用场景不再局限于云端,部署于智能手机、安防摄像头、及自动驾驶汽车等终端的各项产品日趋丰富。除了追求性能提升外,AI 芯片也逐渐专注于特殊场景的优化。
人工智能产业链中,包括提供 AI 加速核的 IP 授权商,各种 AI 芯片设计公司,以及晶圆代工企业。按部署的位臵来分,AI 芯片可以部署在数据中心(云端),和手机,安防摄像头,汽车等终端上。按承担的任务来分,可以被分为用于构建神经网络模型的训练芯片,与利用神经网络模型进行推断的推断芯片。
AI芯片主要应用于三大领域:(1)手机 SoC 价格不断上升、AI 向中端机型渗透都将为行业创造更广阔的市场空间。(2)安防芯片受益于现有设备的智能化升级,芯片需求扩大。(3)自动驾驶方面,针对丰田公司提出的算力需求,我们看到当下芯片算力与 L5 级自动驾驶还有较大差距。英飞凌公司给出了各自动驾驶等级中的半导体价值预测,可以为我们的 TAM 估算提供参考。
用于智能手机的边缘推断芯片:竞争格局稳定,传统厂商持续受益。智能手机通过AI算法+ 终端推断芯片,可实现对于现实世界图像的智能识别,并在此基础上进行实时优化,如果缺少终端芯片的支持,一旦运行高负载的 AI 任务手机就需要呼唤云端。而云端的相应速度不够,导致 AI 摄影的识别率和准确率下降,用户体验将大打折扣。
用于安防边缘推断芯片:海思、安霸与 Nvidia 、Mobileye 形成有力竞争。视频监控行业在过去十几年主要经历了“高清化”、“网络化”的两次换代,而随着 2016年以来 AI 在视频分析领域的突破,目前视频监控行业正处于第三次重要升级周期——“智能化”的开始阶段。 前端摄像头装备终端推断芯片,可以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渐渗透。应用安防摄像头的推断芯片市场规模,将从 2017 年的 3.3 亿美元,增长至 2022 年的 18 亿美元,CAGR~41%。
用于自动驾驶的边缘推断芯片:一片蓝海,新竞争者有望突围。若想使车辆实现真正的自动驾驶,要经历在感知- 建模- 决策三个阶段,每个阶段都离不开终端推断芯片的计算。在车辆感知周围环境的过程中,融合各路传感器的数据并进行分析是一项艰巨的工作,推断芯片在其中起到了关键性作用。随着车速越来越快,无人车 可行驶的路况越来越复杂,该 数值 在未来需要进一步缩短 ,对算法 效率及推断芯片的算力都是极大的挑战。