智能芯片行业前景研究报告
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智能芯片行业前景研究报告
技术创新，变革未来
前言
Introduction
随着人工智能受到媒体和资本的热捧，近来国内外各路豪杰纷纷推出自己 的人工智能芯片，在PC行业已经开始逐年衰退，智能手机行业也随着市场的逐 渐饱和进入瓶颈期的情况下，人工智能、物联网、云计算、大数据等领域被认 为是下一个风口。其中，人工智能无疑是最受媒体和资本热捧的宠儿。同时，
非常依赖Cache
不ቤተ መጻሕፍቲ ባይዱ赖Cache
逻辑核心复杂
逻辑核心简单
计算目的
适合串行 运算复杂度高
适合大规模并行 运算复杂度低
02 人工智能芯片行业现状
全球智能芯片市场规模分析
数据显示，2017年全球人工智能 芯片市场规模达到44.7亿美金，随着包 括谷歌、脸书、微软、亚马逊以及百度 在内的巨头相继入局，预计到2018年将 达到57亿美金，2020年有望突破百亿大 关，增长迅猛，发展空间巨大。
2020年)》
对7月发布的《新一代人工智能发展规划》的补充，详细规划了人工智能在未来三年的重点 发展方向和目标，每个方向的目标都做了非常细致的量化。
人工智能芯片计算过程
训练过程
执行过程
人脸
人
人脸 标签
工
车辆
神 经
车辆 型号
网
语音
络
文字
识别
人脸识别 车辆识别 语音识别
人工智能芯片分类分析
随着人工智能的快速发展，应用场 景不断拓展，目前已覆盖包括深度学习、 机器视觉、指纹识别、人脸识别、个人 助理、智慧机器人等13个具体应用。
技术架构来看，人工智能芯片分为 通用性芯片（GPU）、半定制化芯片 （FPGA）、全定制化芯片（ASIC）三大 类。
在未来三年的重点发展方向和目标，每个方向的目标都做了非常细致的量化。
时间
政策
相关内容
2015年5月
《中国制造2025》
首次提及智能制造，提出加快推动新一代信息技术与制造技术融合发展，把智能制造作为两 化深度融合的主攻方向，着力发展智能装备和智能产品，推动生产过程智能化。
2015年7月 《关于行积动极的推指进导“意互见联》网+”新将服人务工，智加能快作人为其工主智要能的核十心一技项术行突器动破人之，等一促领。进域明人的工确推智提广出能应在，用智依。托能家互居联网、平智台能提终供端人、工智智能能汽公车共、机创
ASIC是一种为专门目的而设计的集成电路。是为实现特定要求而定制的专用AI芯片。 除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤其在高性能、低功耗 的移动端。
GPU与CPU的比较
GPU使用SIMD（单指令多数据流）来让多个执行单元以同样的步伐来处理不同的数据，原 本用于处理图像数据，但其离散化和分布式的特征，以及用矩阵运算替代布尔运算适合处理深 度学习所需要的非线性离散数据。作为加速器的使用，可以实现深度学习算法。
国外大厂纷纷推出了自己的人工智能芯片。
图片
图片
CONTENTS
目 录
前言 1. 人工智能芯片市场概况
1. 人工智能芯片计算过程分析 2. 人工智能芯片分类分析 3. 不同人工智能芯片特点分析 4. GPU与CPU的比较
2. 人工智能芯片行业现状
1. 全球智能芯片行业市场规模 2. 中国智能芯片行业市场规模 3. 人工智能芯片市场动力
2017年3月
在十二届全国人大五次会议的政府工作报告中，“人工智能”首次被写入政府工作报告。
2017年7月 《新一代人工智能发展规划》
明确指出新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术 与应用总体达到 世界领先水平，成为世界主要人工智能创新中心。
2017年12月
《促进新一代人工智能产业 发展三年行动计划(2018-
AI芯片
芯片特点
GPU
GPU称为图形处理器，它是显卡的“心脏”是单指令、多数据处理，采用数量众多的 计算单元和超长的流水线，主要处理图像领域的运算加速。
FPGA ASIC
FPGA称为现场可编程门阵列，用户可以根据自身的需求进行重复编程。适用于多指 令，单数据流的分析，与GPU相反，因此常用于预测阶段，用硬件实现软件算法，因 此在实现复杂算法方面有一定的难度。
3. 政策护航 4. 人工智能市场发展推动 5. 市场需求推动 4. 行业重点企业分析 6. 百度 7. 寒武纪 8. 地平线 9. 景嘉微
10. 深鉴科技
5.行业发展前景分析
01 人工智能芯片市场概况
人工智能芯片计算过程分析
伴随着大数据的发展，计算能力 的提升，人工智能近两年迎来了新一轮 的爆发。而人工智能的实现依赖三个要 素：算法是核心，硬件和数据是基础， 其中硬件指的是运行 AI 算法的芯片与 相对应的计算平台。芯片就是硬件的最 重要组成部分。包括两个计算过程：1、 训练；2、执行。
人工智能芯片分类
人工智能芯片
GPU
ASIC
FPGA
TPU
VPU
NPU
BPU
不同人工智能芯片特点分析
目前适合深度学习的人工智能芯片主要有GPU、FPGA、ASIC三种技术路线。GPU 最先被引 入深度学习，技术最为成熟；FPGA具有硬件可编程特点，性能出众但壁垒高。ASCI 由于可定制、 低成本是未来终端应用的趋势。
GPU由并行计算单元和控制单元以及存储单元构成GPU拥有大量的核（多达几千个核）和 大量的高速内存，擅长做类似图像处理的并行计算，以矩阵的分布式形式来实现计算。同CPU不 同的是，GPU的计算单元明显增多，特别适合大规模并行计算。
CPU和GPU区别对比
CPU
GPU
架构区别
70%晶体管用来构建Cache还有一部分 整个就是一个庞大的计算阵列 控制单元，负责逻辑算数部分不多 （包括alu和shader填充）
数据来源：中商产业研究院数据库
中国人工智能芯片市场分析
目前，我国的人工智能芯片行业发 展尚处于起步阶段。随着大数据的发展， 计算能力的提升，人工智能近两年迎来 了新一轮的爆发。
数据显示，2017年中国人工智能芯 片市场规模达到33.3亿元，同比增长75% ； 预计2018年市场规模将进一步增长，达 到45.6亿元。
数据来源：中商产业研究院数据库
03 人工智能芯片市场动力
政策护航
随着人工智能的快速发展，国家相继出台一系列政策支持中国人工智能的发展，推动中国
人工智能步入新阶段。2017年12月，《促进新一代人工智能产业发展三年行动计划（2018-2020
年）》的发布，它作为对7月发布的《新一代人工智能发展规划》的补充，详细规划了人工智能
技术创新，变革未来
前言
Introduction
随着人工智能受到媒体和资本的热捧，近来国内外各路豪杰纷纷推出自己 的人工智能芯片，在PC行业已经开始逐年衰退，智能手机行业也随着市场的逐 渐饱和进入瓶颈期的情况下，人工智能、物联网、云计算、大数据等领域被认 为是下一个风口。其中，人工智能无疑是最受媒体和资本热捧的宠儿。同时，
非常依赖Cache
不ቤተ መጻሕፍቲ ባይዱ赖Cache
逻辑核心复杂
逻辑核心简单
计算目的
适合串行 运算复杂度高
适合大规模并行 运算复杂度低
02 人工智能芯片行业现状
全球智能芯片市场规模分析
数据显示，2017年全球人工智能 芯片市场规模达到44.7亿美金，随着包 括谷歌、脸书、微软、亚马逊以及百度 在内的巨头相继入局，预计到2018年将 达到57亿美金，2020年有望突破百亿大 关，增长迅猛，发展空间巨大。
2020年)》
对7月发布的《新一代人工智能发展规划》的补充，详细规划了人工智能在未来三年的重点 发展方向和目标，每个方向的目标都做了非常细致的量化。
人工智能芯片计算过程
训练过程
执行过程
人脸
人
人脸 标签
工
车辆
神 经
车辆 型号
网
语音
络
文字
识别
人脸识别 车辆识别 语音识别
人工智能芯片分类分析
随着人工智能的快速发展，应用场 景不断拓展，目前已覆盖包括深度学习、 机器视觉、指纹识别、人脸识别、个人 助理、智慧机器人等13个具体应用。
技术架构来看，人工智能芯片分为 通用性芯片（GPU）、半定制化芯片 （FPGA）、全定制化芯片（ASIC）三大 类。
在未来三年的重点发展方向和目标，每个方向的目标都做了非常细致的量化。
时间
政策
相关内容
2015年5月
《中国制造2025》
首次提及智能制造，提出加快推动新一代信息技术与制造技术融合发展，把智能制造作为两 化深度融合的主攻方向，着力发展智能装备和智能产品，推动生产过程智能化。
2015年7月 《关于行积动极的推指进导“意互见联》网+”新将服人务工，智加能快作人为其工主智要能的核十心一技项术行突器动破人之，等一促领。进域明人的工确推智提广出能应在，用智依。托能家互居联网、平智台能提终供端人、工智智能能汽公车共、机创
ASIC是一种为专门目的而设计的集成电路。是为实现特定要求而定制的专用AI芯片。 除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤其在高性能、低功耗 的移动端。
GPU与CPU的比较
GPU使用SIMD（单指令多数据流）来让多个执行单元以同样的步伐来处理不同的数据，原 本用于处理图像数据，但其离散化和分布式的特征，以及用矩阵运算替代布尔运算适合处理深 度学习所需要的非线性离散数据。作为加速器的使用，可以实现深度学习算法。
国外大厂纷纷推出了自己的人工智能芯片。
图片
图片
CONTENTS
目 录
前言 1. 人工智能芯片市场概况
1. 人工智能芯片计算过程分析 2. 人工智能芯片分类分析 3. 不同人工智能芯片特点分析 4. GPU与CPU的比较
2. 人工智能芯片行业现状
1. 全球智能芯片行业市场规模 2. 中国智能芯片行业市场规模 3. 人工智能芯片市场动力
2017年3月
在十二届全国人大五次会议的政府工作报告中，“人工智能”首次被写入政府工作报告。
2017年7月 《新一代人工智能发展规划》
明确指出新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术 与应用总体达到 世界领先水平，成为世界主要人工智能创新中心。
2017年12月
《促进新一代人工智能产业 发展三年行动计划(2018-
AI芯片
芯片特点
GPU
GPU称为图形处理器，它是显卡的“心脏”是单指令、多数据处理，采用数量众多的 计算单元和超长的流水线，主要处理图像领域的运算加速。
FPGA ASIC
FPGA称为现场可编程门阵列，用户可以根据自身的需求进行重复编程。适用于多指 令，单数据流的分析，与GPU相反，因此常用于预测阶段，用硬件实现软件算法，因 此在实现复杂算法方面有一定的难度。
3. 政策护航 4. 人工智能市场发展推动 5. 市场需求推动 4. 行业重点企业分析 6. 百度 7. 寒武纪 8. 地平线 9. 景嘉微
10. 深鉴科技
5.行业发展前景分析
01 人工智能芯片市场概况
人工智能芯片计算过程分析
伴随着大数据的发展，计算能力 的提升，人工智能近两年迎来了新一轮 的爆发。而人工智能的实现依赖三个要 素：算法是核心，硬件和数据是基础， 其中硬件指的是运行 AI 算法的芯片与 相对应的计算平台。芯片就是硬件的最 重要组成部分。包括两个计算过程：1、 训练；2、执行。
人工智能芯片分类
人工智能芯片
GPU
ASIC
FPGA
TPU
VPU
NPU
BPU
不同人工智能芯片特点分析
目前适合深度学习的人工智能芯片主要有GPU、FPGA、ASIC三种技术路线。GPU 最先被引 入深度学习，技术最为成熟；FPGA具有硬件可编程特点，性能出众但壁垒高。ASCI 由于可定制、 低成本是未来终端应用的趋势。
GPU由并行计算单元和控制单元以及存储单元构成GPU拥有大量的核（多达几千个核）和 大量的高速内存，擅长做类似图像处理的并行计算，以矩阵的分布式形式来实现计算。同CPU不 同的是，GPU的计算单元明显增多，特别适合大规模并行计算。
CPU和GPU区别对比
CPU
GPU
架构区别
70%晶体管用来构建Cache还有一部分 整个就是一个庞大的计算阵列 控制单元，负责逻辑算数部分不多 （包括alu和shader填充）
数据来源：中商产业研究院数据库
中国人工智能芯片市场分析
目前，我国的人工智能芯片行业发 展尚处于起步阶段。随着大数据的发展， 计算能力的提升，人工智能近两年迎来 了新一轮的爆发。
数据显示，2017年中国人工智能芯 片市场规模达到33.3亿元，同比增长75% ； 预计2018年市场规模将进一步增长，达 到45.6亿元。
数据来源：中商产业研究院数据库
03 人工智能芯片市场动力
政策护航
随着人工智能的快速发展，国家相继出台一系列政策支持中国人工智能的发展，推动中国
人工智能步入新阶段。2017年12月，《促进新一代人工智能产业发展三年行动计划（2018-2020
年）》的发布，它作为对7月发布的《新一代人工智能发展规划》的补充，详细规划了人工智能