人工智能正在引爆新一轮科技革命热潮，随着Chatgpt-3&4、“文心一言”、“盘古大模型”等国内外语言类大模型陆续发布及开放测试，都进一步推升了对算力狂热的需求。AI芯片是AI算力的核心组成，随着AI算力规模的快速增长将催生更大的AI芯片需求。今年3月以来全球AI芯片巨头英伟达开始明显加单，英伟达A100和H100成为目前最为稀缺的战略物资。已有报道指出英伟达后续对AI顶级规格芯片需求明显看增，紧急向台积电追加预订先进封装产能。根据CSDN报道，微软为构建ChatGPT的算力构建基础设施，需要将上万颗英伟达A100芯片进行连接。根据PrecedenceResearch的数据，2022年全球人工智能芯片市场规模为168.6亿美元，22-32年CAGR有望达29.7%。高性能人工智能芯片市场高速增长，产业链各环节有望迎来高速增长机遇。AI芯片行业概览
AI芯片即人工智能芯片，也被称为AI加速器或计算卡，是专门针对人工智能领域设计的芯片，其架构和指令集针对人工智能领域中的各类算法和应用作了专门优化，可高效支持视觉、语音、自然语言处理和传统机器学习等智能处理任务。AI芯片为AI应用落地提供了商业化可行的算力解决方案。
来源：《Deep Learning》早在上世纪80年代，学术界已经提出了相当完善的人工智能算法模型，但直到近些年，模型的内在价值也没有被真正的实现过。这主要是受限于硬件技术发展水平，难以提供可以支撑深度神经网络训练/推断过程所需要的算力。直到近年来异构计算芯片被投入应用到AI应用相关领域，解决了算力不足的问题。从技术架构来看，AI芯片行业的主流技术路线主要分为GPU（图形处理器）、FPGA（现场可编程逻辑门阵列）、ASIC（专用集成电路）三大类。不同类型芯片各具优势，在不同领域呈现多技术路径并行发展态势。
01 GPU
GPU（Graphics Processing Unit）是图形处理器的简称，它是一种专门用于处理图形、视频、游戏等高性能计算的硬件设备。GPU擅长大规模并行运算，可平行处理海量信息。由于其设计和生产均已成熟，具有最强的计算能力同时具备深度学习等能力，成为最适合支撑人工智能训练和学习的硬件，目前成为服务器中加速芯片的首选。GPU不涉及CPU通常遇到的复杂的分支运算，成为AI芯片的最优选择：
资料来源：Ofweek根据用途和性能表现，GPU可以分为专业卡和消费级卡两类：专业卡通常用于工程、科学、医学等领域的高性能计算和大规模数据处理，主要厂商包括英伟达、AMD等；消费级卡则主要用于普通家庭和游戏玩家，主要厂商包括英伟达、AMD、英特尔等。在全球范围内，英伟达和AMD形成双寡头垄断，尤其在云端AI芯片市场上英伟达一家独大，主要原因是：强大的并行计算能力（相比CPU）、通用性以及成熟的开发环境。英伟达丰富的产品线和良好的生态环境是其核心竞争力：
资料来源：艾瑞咨询但同时其产品也存在着功耗偏大、价格昂贵等问题（V100芯片售价达10万元，DGX系列服务器售价过百万元）。现阶段，随着例如英伟达A100、H100等型号产品的发布，GPU在算力方面的优势相较于其他硬件具有较大优势。早些年主要是美国将中国超算中心及相关GPU芯片企业拉入实体清单，以此达到限制中国AI以及超级计算机的发展，但是限制范围限于超算单一场景。2022年9月，美国针对AI、HPC及数据中心研发所用的高端GPU发出限制，英伟达的A100和H100以及AMD的MI250芯片暂停向中国客户销售。2022年10月，美国升级禁令限制范围，对高算力芯片的连接速度和每秒运算次数等具体参数做限制，除英伟达和AMD外，国内厂商海光信息的部分产品也被加入到限制范围内。美国将制裁限制范围由应用场景扩大到芯片和产品层面，其实也是代表着国内相关GPU产品或下游应用发展超过美国政府的预期。随着美国持续加大对中国高端芯片的出口限制，高速运算相关的GPU、CPU等芯片国产化进程必然加快。从国产替代方案来看，景嘉微、龙芯中科、海光信息、寒武纪、芯原股份、芯动科技、壁仞科技、沐曦等厂商有望全面受益。
02 FPGA
FPGA（Field Programmable Gate Array）芯片在数据中心领域主要用于硬件加速，具有可硬件编程、配置高灵活性和低能耗等优点，并被广泛应用于2016年后发布的云计算模型中。
资料来源：沐曦科技FPGA相比ASIC，FPGA芯片在性能、灵活性、同构性、成本和功耗等五个方面可以达到出色的平衡。FPGA完全可以不需要读DRAM，整个算法在片上完成。例如，深鉴科技利用FPGA做出了ESE的模型并在不同的处理器（CPU/GPU/FPGA）上运行，发现FPGA上训练时长最短，能耗最小。在能耗上，CPU Dense耗能11W、CPU Sparse耗能38W、GPU Dense耗能202W，这是耗能最大的一种情况、GPU Spare耗能136W，相比之下FPGA仅需41W；在训练时延上，FPGA用时82.7μs，远小于CPU的6017.3μs，也仅为GPU训练时长的三分之一。
资料来源：ESE
FPGA不仅拥有软件可编程性和灵活性，还兼具硬件的并行性和低延迟性，在上市周期、成本上具有很大的优势。因此在人工智能、5G通信等迭代升级频繁的领域，FPGA成为比较理想的解决方案。FPGA产业链较为复杂，FPGA制造商对上下游企业议价能力较强。产业链包括底层算法设计企业、晶圆代工厂、专用材料及设备供应商等上游企业，FPGA芯片制造商、封测厂商等中游企业以及视觉工业厂商、汽车厂商、通信服务供应商、云端数据中心等下游企业。其中产业链中游龙头FPGA企业在全球市场占据垄断地位，且对上游软硬件供应商和下游客户企业议价能力较强。IBM、台积电、Intel、华为、腾讯等国内外知名企业均参与其中。FPGA技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计占市场份额近90%，其中赛灵思的市场份额超过50%，始终保持着全球FPGA霸主地位，其次为Lattice和Microsemi，份额均为5%左右。赛灵思拥有全球最为领先的FPGA产品，同时拥有自适应SoC、加速器和SmartNIC解决方案，对AMD在数据中心领域和边缘领域能力起到了有效补充。英特尔斥巨资收购Altera是要让FPGA技术为英特尔的发展做贡献。表现在技术路线图上，那就是从现在分立的CPU芯片+分立的FPGA加速芯片，过渡到同一封装内的CPU晶片+FPGA 晶片，到最终的集成CPU+FPGA系统芯片。国内FPGA厂商主要包括紫光同创（紫光国微持股30%）、复旦微电和安路科技。受益于国产化加速推进，有望拥有广阔的成长空间。在国内外生成式预训练语言类大模型陆续发布的大背景下，FPGA市场将受到较高更快拉动。根据Semico Research的数据，人工智能领域的FPGA全球市场规模2023年有望达52亿美元，五年复合增速有望达38.4%。
03 ASIC
随着芯片专用化的趋势逐渐显露，越来越多的芯片厂商开始尝试其他技术路线来实现人工智能算法的计算，如FPGA和ASIC。其中最被看好，同时竞争格局最为开放的是ASIC。如果说在芯片产业上ARM对X86架构的反击制衡成就于移动终端的兴起，那么AI浪潮之下，AI芯片尤其是专用于深度学习的ASIC，用以点及面的方式实现跨越式发展，未尝不是一个弯道超车的好机会。ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片，可满足多种终端运用。尽管ASIC需要大量的物理设计、时间、资金及验证，但在量产后，其性能、能耗、成本和可靠性都优于GPU和FPGA。
资料来源：头豹研究院与GPU与FPGA形成确定产品不同，ASIC仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。应用场景上，智能手机、可穿戴设备、安防前端等均可能成为ASIC芯片落地放量的先行地。ASIC芯片市场竞争格局稳定且分散。竞争空间上，传统的CPU领域有英特尔、高通；GPU领域有英伟达，FPGA中有赛灵思和Altera（英特尔收购），唯有与AI计算最为定制化结合的ASIC领域尚未有绝对的垄断性龙头。由于ASIC开发周期长，仅有大厂有资金与实力进行研发。同时，ASIC是全定制芯片，在某些特定场景下运行效率最高，故某些场景下游市场空间足够大时，量产ASIC芯片可以实现丰厚的利润。目前市场上主流ASIC有TPU芯片、NPU芯片、VPU芯片以及BPU芯片，它们分别是由Google、寒武纪、Intel以及地平线公司设计生产。在海外，谷歌TPU是主导者，国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为海思和阿里）在细分领域也有所建树，目前已经取得了一定的成果。
资料来源：公开资料整理ASIC芯片上中美技术差距较小，是中国企业较好的突破口。我国的ASIC技术与世界领先水平差距较小，部分领域处于世界前列。对于刚刚涉及芯片领域的公司来说，ASIC的技术门槛低于GPU和FPGA，因为其可以不必追求很高的通用性和灵活性，而只需要针对应用场景进行设计，通过舍弃灵活性可以达到很好的性能效果。
04 AI芯片市场格局
从AI芯片全球总体市场格局来看，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端ASIC芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用”的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在GPU和FPGA领域，中国尚处于追赶状态，高端芯片依赖海外进口。据Liftr Insights 数据，目前在AI技术进展最为前沿的北美数据中心AI芯片市场，英伟达凭借硬件优势和软件生态，一家独大，且在训练和推理环节均保持持续领先，其优势短期难以撼动。在数据中心AI加速市场，2022年英伟达市场份额达82%，亚马逊AWS和赛灵思分别占比8%、4%，AMD、英特尔和谷歌均占比2%。完整的产业布局成为支持美国AI芯片初创企业的重要力量，使得这些初创企业可以将主要资源集中在某个环节，从而更快取得突破并实现商业化。国内AI芯片以寒武纪思元系列、华为昇腾系列等为代表。寒武纪和华为昇腾部分AI芯片产品性能已达到较高水平，有望加速实现国产替代。相比于海外市场头部企业的并购潮，近年来中国也出现了大量创业公司致力于数据中心和汽车领域的AI芯片设计，并形成了和海外公司比肩的演进路线图。终端AI芯片市场上百家争鸣，不存在通用的解决方案。在当前智能服务器渗透率尚低，GPU产品并非完美解决方案的情况下，对于其他AI芯片厂商云计算中心市场依然存在着较大的市场空间可以进入。芯片行业具有资本和技术壁垒双高的特点，高昂的研发费用需要广大的市场进行支撑，对于AI芯片厂商来说除了核心软硬件技术开发实力外，市场洞察及成本控制亦是不可或缺的能力。行业当前接近Gartner技术曲线泡沫顶端，未来1到2年将会面临市场对于产品的检验，只有通过市场检验和筛选的优质团队才能够继续获得产业、政策和资本的青睐和继续支持。AI浪潮下，云计算、智能汽车、智能机器人等人工智能产业快速发展，市场对AI芯片的需求不断增加，AI芯片市场规模有望迎来巨大的市场机遇。
作者利益披露：转载，不作为证券推荐或投资建议，旨在提供更多信息，作者不保证其内容准确性。
声明：文章观点来自网友，仅为作者个人研究意见，不代表韭研公社观点及立场，站内所有文章均不构成投资建议，请投资者注意风险，独立审慎决策。
