2017年嵌入式人工智能行业分析报告

2017年嵌入式人工智能行业分析报告

2017年9月

目录

一、AI芯片里程碑事件一华为发布全球首款手机AI芯片 (4)

二、嵌入式AI是人工智能在移动终端落地的最后一公里解决方案 . 5

1、以互联网巨头为主的人工智能仍以云端AI计算为主 (6)

2、嵌入式AI是人工智能在移动终端等前端场景的落地的必经之路 (7)

（1）嵌入式AI与云端AI (7)

（2）云端AI 限制了人工智能在很多前端应用场景的落地 (8)

（3）嵌入式AI具有较大商业价值，物联网及能耗要求推动嵌入式人工智能的发展 (10)

（4）自动驾驶、智能机器人、智能手机及智能家居将率先导入应用 (11)

3、移动计算厂商加快布局嵌入式人工智能 (12)

三、NPU神经网络处理器芯片是嵌入式AI 的核心 (14)

1、传统CPU架构无法支撑深度学习要求的大规模并行运算。 (14)

2、三种主流的NPU处理器芯片：GPU、FPGA、ASIC (16)

（1）GPU：并行计算优势最先投入到深度学习计算中 (16)

（2）FPGA+CPU异构架构：高性能、低功耗的可编程芯片 (17)

（3）ASIC：低功耗、高性能的专用芯片 (19)

（4）GPU&FPGA&ASIC各有侧重 (20)

四、相关公司简况 (21)

1、全志科技 (21)

2、中科创达 (22)

3、富瀚微 (23)

4、中科曙光 (24)

柏林时间9月2日下午华为在IFA 2017柏林消费电子展上发布了全球首款移动端AI芯片麒麟970（Kirin 970），标志着嵌入式人工智能的到来。

嵌入式人工智能，是AI落地的最后一公里解决方案。从PC互联网到移动互联网到智能化终端，对AI的要求越来越高。当前的人工智能计算主要在云端数据中心进行，非常依赖网络，具有一定的时延，且数据传输的安全性、私密性不能得到保证。随着人们对人机交互和信息获取的智能化要求越来越高，移动设备上会有越来越强的AI需求，嵌入式人工智能在本地计算，不联网的情况下就可以做到实时的环境感知、人机交互、决策控制，是解决移动终端智能的技术路径。

神经网络处理单元(NPU)是满足AI深度学习算法的技术方向。深度学习是当前人工智能的主流算法，其本质是人工神经网络，要求对海量数据进行大规模并行计算，随着摩尔定律变缓甚至失效以及传统CPU架构单线程的计算特点无法支撑深度学习并行大规模计算的要求，异构计算架构是新的技术方向，为AI提供计算加速过程。基于各种架构的NPU处理器芯片是嵌入式人工芯片研发的重点。

NPU处理器芯片有三种实现路径，GPU、FPGA、ASIC方案各有千秋。异构计算架构是新摩尔定律的方向。NPU处理器作为嵌入式AI的核心，有GPU、FPGA,、ASIC三种实现技术路径。云端AI 的实现以GPU方案为主，终端AI的实现由于实时性、低功耗的要求，FPGA和ASIC实现方案更具有优越性。