国产AI 芯片的创业裂变

【资料图】

AI已经进入了“大模型”时代。自2018年GPT-1.0模型首次发布以来，OpenAI不断迭代模型，最近发布了GPT-4.0模型，它拥有更大的参数量、更长的迭代时间和更高的准确性。随着人工智能的快速发展，算力的提升也被加速推动。人工智能非常依赖于相关基础设施，包括计算、储存和网络等。随着数据不断增长和算法复杂度提高，人工智能对计算力提出了更高的要求。全球人工智能算力基础设施产业正在加速发展，为人工智能技术在更广泛场景中落地创造可能。

释放算力的价值对国家整体经济发展将发挥推动作用。计算力指数每提高1点，数字经济和GDP将分别增长3.5‰和1.8‰。可见，国家计算力指数越高，对经济的拉动作用越强。在业界，人工智能的应用产生了很多需求，其中最直接的赛道是企业数字化转型。据IDC统计，全球范围内，企业在人工智能（AI）市场的技术投资从2019年的612.4亿美元增长至2021年的924.0亿美元，预计到2022年（同比）将增长26.6%至1,170.0亿美元，并有望到2025年突破2,000亿美元，增幅高于企业数字化转型（DX）支出整体增幅。

中国的智能算力规模正在快速增长。算力是实现人工智能产业化的核心力量，其发展对人工智能技术的进步和行业应用起着决定性作用。随着人工智能向多场景化、规模化、融合化等高应用阶段发展，数据体量呈现出急剧增长态势，算法模型的参数量也呈指数级增加，以加速计算为核心的算力中心规模将不断扩大。在科技兴国政策驱动下，人工智能在提升中国核心竞争力的重要支撑作用得以确立。结合新基建、数字经济等利好政策，中国人工智能市场稳中有进，凸显在数字经济时代中技术的力量。据IDC预测，到2022年，中国的智能算力规模将达到268.0EFLOPS，超过通用算力规模。预计到2026年，智能算力规模将进入ZFLOPS级别，达到1,271.4EFLOPS。在2021-2026年期间，中国的智能算力规模年复合增长率预计将达到52.3%，而同期通用算力规模的年复合增长率为18.5%。根据《IDC中国服务器市场季度跟踪报告》及CPU双精度（FP64）运算能力数据，测算了中国通用算力规模。2021年中国通用算力规模达47.7EFLOPS，预计到2026年通用算力规模将达到111.3EFLOPS。2021-2026年期间，预计中国智能算力规模年复合增长率达52.3%，同期通用算力规模年复合增长率为18.5%。

中国人工智能的发展正在向城市覆盖面更广泛的地区扩展。未来预计将涌现出更多具有城市特色的人工智能示范区，为产业发展树立标杆。根据2022年中国人工智能城市排行榜显示，北京排名第一，杭州、深圳、上海和广州分别位居第二到第五名，这些城市均为发展较好、经济水平高的一、二线城市，而天津、成都和南京等城市则进入了前十名。不同地区都在提升城市算力基础设施水平的同时，也推动产业智能化的发展以适应自身的发展需求。

面向人工智能领域的芯片均被称为AI芯片。广义而言，AI芯片指的是专门用于处理人工智能应用中大量计算任务的模块，除了以GPU、FPGA、ASIC为代表的AI加速芯片，还有比较前沿性的研究，例如：类脑芯片、可重构通用AI芯片等。狭义的AI芯片指的是针对人工智能算法做了特殊加速设计的芯片。“无芯片不AI”，以AI芯片为载体实现的算力是人工智能发展水平的重要衡量标准，发展更注重超速运算能力的AI芯片成为推动人工智能产业爆发的关键核心要素之一，其快速发展对人工智能技术的进步和行业应用起到了决定性的作用。

AI芯片的兴起源于AI对算力的高需求。算力是实现AI产业化的核心力量，随着人工智能应用场景的不断拓展和数据规模的急剧增长，算法模型的参数量呈指数级增加，特别是深度学习成为当前AI研究和运用的主流方式，加速计算成为不可或缺的需求。虽然CPU可以拿来执行AI算法，但因为内部有大量其他逻辑，而这些逻辑对于目前的AI算法来说是完全用不上的，所以，使用CPU并不能达到最优的性价比。因此，AI芯片应运而生，它们被设计出来适配海量并行计算能力，进而可以加速AI计算。AI芯片的维度。以部署位置（云端、终端）和承担任务（训练、推理）为横纵坐标，可以清晰的划分出AI芯片的市场领域。根据部署的位置不同，AI芯片可以分为：云AI芯片、端AI芯片。云端即数据中心，在深度学习的训练阶段需要极大的数据量和大运算量，单一处理器无法独立完成，因此训练环节只能在云端实现。云AI芯片的特点是性能强大、能够同时支持大量运算、并且能够灵活地支持图片、语音、视频等不同AI应用。基于云AI芯片的技术，能够让各种智能设备和云端服务器进行快速的连接，并且连接能够保持最大的稳定。终端即手机、安防摄像头、汽车、智能家居设备、各种IoT设备等执行边缘计算的智能设备。终端的数量庞大，而且需求差异较大。端AI芯片的特点是体积小、耗电少，而且性能不需要特别强大，通常只需要支持一两种AI能力。根据承担任务的不同，AI芯片可以分成：训练芯片、推理芯片。训练芯片主要用于构建神经网络模型，即用大量标记过的数据来“训练”相应的系统，使之可以适应特定的功能。训练需要极高的计算性能，需要较高的精度，需要能处理海量的数据，需要有一定的通用性，以便完成各种各样的学习任务。对于训练芯片来说，更注重绝对的计算能力；推理芯片主要用于利用神经网络模型进行推理预测，指利用训练好的模型，使用新数据推理出各种结论。即借助现有神经网络模型进行运算，利用新的输入数据来一次性获得正确结论的过程。推断芯片更注重综合指标，需要全面考虑单位能耗算力、时延、成本等等。以部署位置（云端、终端）和承担任务（训练、推理）为横纵坐标，可以清晰的划分出AI芯片的市场领域。

中国市场呈现出显著的增长趋势。根据市场规模分析，随着越来越多企业将人工智能应用于终端产品，人工智能芯片的需求快速增长。AI芯片广泛应用于云计算、数据中心、边缘计算、消费电子、智能制造、智能驾驶、智能金融及智能教育等领域。近年来，我国的AI芯片行业备受关注，不断涌现出新的生产设计商，市场规模也不断扩大。据数据显示，2021年我国AI芯片市场规模达到427亿元，同比增长124%。预计到2023年，市场规模将进一步扩大至1206亿元。

决定计算能力的关键是芯片。中美两国人工智能领域的竞争，算法主要看设计团队的智慧和灵感，双方没什么差距；大数据资源中国占据绝对优势；大数据分析技术双方相近；但决定人工智能产品表现的关键要素还包括“算力”，通俗描述就是“运算能力、计算能力”。计算能力是计算机的核心能力，这也是中美两国在超级计算机领域竞争多年的原因之一。

在AI芯片领域，国外芯片巨头占据了大部分市场份额。全球范围内主要布局人工智能芯片的厂商有Intel、NVIDIA、Qualcomm、Google等。无论是在人才聚集、公司合并等方面，都具有领先优势。特别是美国的巨头企业，凭借着多年在芯片领域的领先地位，迅速切入AI领域并积极布局，目前已经成为该产业的引领者。此外，在GPU和FPGA方面，它们更是处于完全垄断地位。

我国AI芯片产业起步较晚，技术上与世界先进水平也还存在着较大的差距。国内AI芯片市场也较为分散，集中度低。随着数字经济的兴起，人工智能已经深入渗透到各个行业，特别是在互联网等科技公司中更为普及。这些公司对于计算机软件技术和存储设备的要求极高，因此对于底层技术的布局和提升更为重视，尤其是在人工智能芯片领域。国内各科技巨头都在这个领域展开布局。例如，百度于2011年成立了昆仑芯，开始探索芯片领域；阿里巴巴在2018年成立了平头哥，专注于AI芯片市场。华为一直在人工智能芯片领域进行布局，早在2017年就推出了基于神经网络处理器的Ascend芯片，主要面向人工智能推理场景。2019年，华为又推出了面向全场景的AscendAI处理器，具有更高的性能和更广泛的适用性，可应用于智能手机、云计算、自动驾驶等多个领域。此外，华为还推出了AtlasAI计算平台，提供完整的AI计算框架，以支持用户进行高效的AI开发。华为在人工智能芯片领域的不断投入和创新，使其成为全球领先的人工智能技术供应商之一。国内AI芯片厂商以中小公司为主，多集中于设备端AIASIC的开发，并已有所建树。其中寒武纪成为全球AI芯片领域第一个独角兽初创公司，其NPUIP已被应用于全球首款手机AI芯片——麒麟970。

关键词：