随着人工智能産業的持續高速發展，AI在智能安防、無人駕駛、智能手機、智慧零售零售、智能機器人等幾大行業不斷落地，工信部提前發放5G商用牌照，人工智能正在引爆新一輪智能化熱潮。#人工智能#
在持續已久的“AI熱潮”中，各家争相推出的大模型、AI應用，都進一步推升了對算力狂熱的需求。
英偉達A100和H100是目前最為稀缺的戰略物資，3月以來英偉達開始明顯加單。
本周已有報道指出英偉達後續對AI頂級規格晶片需求明顯看增，緊急向台積電追加預訂先進封裝産能。
新一輪人工智能浪潮下，國内AI智算中心等數字化基礎設施不斷完善，AI模型複雜度和參數量的快速提升，對計算能力要求不斷提高，高性能人工智能晶片市場将保持高速增長，産業鍊各環節有望迎來高速增長機遇。
根據艾瑞咨詢，2022年中國人工智能晶片市場規模達到396億元，預計2027年市場規模将達到2,164億元，CAGR為40.5%。#晶片#
AI晶片行業概覽
AI晶片是算力的硬體基石和核心，也被稱為計算卡或AI加速器。
從廣義上講隻要能夠運作人工智能算法的晶片都叫作AI晶片。但是通常意義上的AI晶片指的是針對人工智能算法做了特殊加速設計的晶片。
現階段，這些人工智能算法一般以深度學習算法為主，也可以包括其它機器學習算法。專門用于處理AI應用中大量計算任務的子產品。
關注樂晴智庫，洞悉産業格局！
AI晶片産業鍊：
人工智能晶片三大主流路線
用于執行人工智能算法的晶片可以采用不同的技術路線。
目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成為AI晶片行業的主流技術路線。不同類型晶片各具優勢，在不同領域呈現多技術路徑并行發展态勢。
GPU
GPU（Graphics Processing Unit）的設計和生産均已成熟，占領AI晶片的主要市場佔有率。
GPU擅長大規模并行運算，可平行處理海量資訊，是AI晶片的首選。
伺服器和資料中心用的處理器晶片本身就不斷增長，而目前計算仍主要依靠CPU，随着AI算力需求的提升，資料中心算力呈現多樣化趨勢，主要用于AI計算的GPU占比不斷提升。
據IDC資料，GPU在雲端訓練市場占比高達75%。
行行查 | 行業研究資料庫 資料顯示，在全球範圍内，英偉達和AMD形成雙寡頭壟斷，尤其是英偉達占GPU市場佔有率的70%-80%。
由于國外GPU巨頭具有豐富的晶片設計經驗和技術沉澱，同時又具有強大的資金實力，中國短期内無法撼動GPU晶片的市場格局。
GPU不涉及CPU通常遇到的複雜的分支運算，成為AI晶片的最優選擇：
資料來源：Ofweek
國内廠商GPU市占率不足1%，美國對華制裁加速GPU國産替代。
前幾年主要是美國将中國超算中心及相關GPU晶片企業拉入實體清單，以此達到限制中國AI以及超級計算機的發展，但是限制範圍限于超算單一場景。
2022年9月，美國針對AI、HPC及資料中心研發所用的高端GPU發出限制，英偉達的A100和H100以及AMD的MI250晶片暫停向中國客戶銷售。
2022年10月，美國更新禁令限制範圍，對高算力晶片的連接配接速度和每秒運算次數等具體參數做限制，除英偉達和AMD外，國内廠商海光資訊的部分産品也被加入到限制範圍内。
美國将制裁限制範圍由應用場景擴大到晶片和産品層面，其實也是代表着國内相關GPU産品或下遊應用發展超過美國政府的預期。
美國持續加大對中國高端晶片的出口限制，高速運算相關的GPU、CPU等晶片國産化程序必然加快。
從國産替代方案來看，景嘉微、海光資訊、好利科技、壁仞科技等廠商有望受益。
國内GPU産業鍊情況：
FPGA
FPGA（Field Programmable Gate Array）晶片在資料中心領域主要用于硬體加速，具有可硬體程式設計、配置高靈活性和低能耗等優點，并被廣泛應用于2016年後釋出的雲計算模型中。
FPGA作為AI加速晶片：
資料來源：沐曦科技
2022年11月以來，随着Chatgpt-3&4、“文心一言”、“盤古大模型”等國内外語言類大模型陸續釋出及開放測試，對AI晶片市場預計将産生較強拉動。
FPGA相比ASIC，FPGA晶片在性能、靈活性、同構性、成本和功耗等五個方面可以達到出色的平衡。
相比于CPU，FPGA晶片由于其無指令、無需共享記憶體的體系結構，能夠同時提供強大的計算能力和足夠的靈活性。
由于資料中心使用FPGA晶片代替傳統的CPU方案後，處理其自定義算法時可實作顯著的加速效果，進而後續在微軟Azure、亞馬遜AWS、阿裡雲的伺服器中，FPGA晶片都得到了廣泛部署。
相比GPU，FPGA晶片在資料中心領域具有低延遲及高吞吐的優勢。
FPGA技術壁壘高，市場呈雙寡頭壟斷：賽靈思（Xilinx）和英特爾（Intel）合計占市場佔有率近90%，其中賽靈思的市場佔有率超過50%，始終保持着全球FPGA霸主地位。
賽靈思擁有全球最為領先的FPGA産品，同時擁有自适應SoC、加速器和SmartNIC解決方案，對AMD在資料中心領域和邊緣領域能力起到了有效補充。
英特爾斥巨資收購Altera是要讓FPGA技術為英特爾的發展做貢獻。表現在技術路線圖上，那就是從現在分立的CPU晶片+分立的FPGA加速晶片，過渡到同一封裝内的CPU晶片+FPGA 晶片，到最終的內建CPU+FPGA系統晶片。預計這幾種産品形式将會長期共存，因為CPU和FPGA的分立雖然性能稍差，但靈活性更高。
英特爾FPGA技術路線圖：
FPGA下遊最大應用領域為通信行業，占比超過40%，國内民用FPGA龍頭為紫光同創（紫光國微持股30%）和安路科技，在通信領域驗證加速，持續快速增長。
在國内外生成式預訓練語言類大模型陸續釋出的大背景下，FPGA市場将受到較高更快拉動。
根據Semico Research的資料，人工智能領域的FPGA全球市場規模2023年有望達52億美元，五年複合增速有望達38.4%。
ASIC
随着晶片專用化的趨勢逐漸顯露，越來越多的晶片廠商開始嘗試其他技術路線來實作人工智能算法的計算，如FPGA和ASIC，其中最被看好，同時競争格局最為開放的是ASIC。
ASIC（Application Specific Integrated Circuits）是面向特定使用者需求設計的定制晶片，可滿足多種終端運用。
盡管ASIC需要大量的實體設計、時間、資金及驗證，但在量産後，其性能、能耗、成本和可靠性都優于GPU和FPGA。
與GPU與FPGA形成确定産品不同，ASIC僅是一種技術路線或方案，着力解決各應用領域突出問題及管理需求。
目前，ASIC晶片市場競争格局穩定且分散。
ASIC晶片上中美技術差距較小，是中國企業較好的突破口。大陸的ASIC技術與世界領先水準差距較小，部分領域處于世界前列。
對于剛剛涉及晶片領域的公司來說，ASIC的技術門檻低于GPU和FPGA，因為其可以不必追求很高的通用性和靈活性，而隻需要針對應用場景進行設計，通過舍棄靈活性可以達到很好的性能效果。
在海外，谷歌TPU是主導者；國内初創晶片企業（如寒武紀、比特大陸和地平線），網際網路巨頭（如百度、華為海思和阿裡）在細分領域也有所建樹，目前已經取得了一定的成果。
FPGA晶片和ASIC成本對比：
資料來源：頭豹研究院
AI雲端和終端晶片
依據部署位置，AI晶片可劃分為雲端（如資料中心等伺服器端）和終端（應用場景涵蓋手機、汽車、安防攝像頭等電子終端産品）晶片。
目前在雲端AI晶片市場上英偉達一家獨大，尤其是在雲訓練端，主要原因是英偉達GPU産品線豐富，程式設計環境成熟，産品支援市場上主要的開發架構和語言。
但同時其産品也存在着功耗偏大、價格昂貴等問題（V100晶片售價達10萬元，DGX系列伺服器售價過百萬元）。
英偉達豐富的産品線和良好的生态環境是其核心競争力：
基于此，各大雲廠商紛紛提出自己的AI晶片開發計劃以擺脫上遊AI晶片供貨商一家獨大的壟斷市場情況。
此外，根據資料顯示，推斷市場未來增速和空間将會高于訓練端市場，而GPU晶片并不善于推斷任務，
是以，在目前智能伺服器滲透率尚低，GPU産品并非完美解決方案的情況下，對于其他AI晶片廠商雲計算中心市場依然存在着較大的市場空間可以進入。
終端AI晶片市場上百家争鳴，不存在通用的解決方案。
目前邊緣端的應用領域主要包括安防、智能家居、智能機器人、自動駕駛等。
因為這類應用對功耗、成本甚至尺寸的壓力更大，主要包括一些物聯網，可穿戴應用，是以對于專用處理器的需求更顯著。這類應用的總量很大，但差異化明顯，需求五花八門，存在很多變數，技術上很難用一種架構來實作。
同時，相對泛手機晶片而言，這類晶片的資金投入門檻不高。随着Nvidia開源DLA，如果配合開源的RSIC-V CPU，門檻可能會進一步降低。
AI訓練和推理晶片
依據承擔的功能和在實踐中的目标，AI晶片可劃分為訓練和推理晶片。
AI訓練晶片的廠商全球屈指可數，相關晶片主要以伺服器、叢集、加速卡等模式用在雲端，在邊緣端也将逐漸出現。
AI推理晶片門檻相比訓練難度較低，一些優秀的創業公司依靠Fabless模式進入市場。晶片公司可提供專用的人工智能晶片/IP和開發工具。
訓練晶片面向資料中心、汽車等行業客戶，也有大量雲公司設計自用晶片内部使用。
推理晶片部分內建在硬體終端，如手機、攝像頭、汽車、礦機等，部分用于雲端提供服務。
國内部分公司在國産化的大趨勢下也值得關注。這些公司在邊緣計算中心、汽車、IoT等領域的推理市場的機會更大，針對行業定制的推理晶片可能是破局之道。
目前，自動駕駛、攝像頭、數字貨币挖礦等領域已經出現了大量定制推理晶片，未來行業的發展将更為明确。而資料中心訓練市場等的發展需要依靠不斷研發縮小差距。
AI晶片整體市場格局
完整的産業布局成為支援美國AI晶片初創企業的重要力量，使得這些初創企業可以将主要資源集中在某個環節，進而更快取得突破并實作商業化。
目前的AI晶片市場中英偉達憑借硬體優勢和軟體生态，市場佔有率較高。
算法方面，模型的複雜度不斷提升；軟體方面，AI架構的使用越來越集中，有大型模型訓練能力的晶片将會更加集中，而軟體工具支援的晶片類别也會更加集中。
是以英偉達的優勢難以短期撼動。
相比于海外市場頭部企業的并購潮，中國出現了大量創業公司緻力于資料中心和汽車領域的AI晶片設計，并形成了和海外公司比肩的演進路線圖。#5月财經新勢力#
總體來看，歐美日韓基本壟斷中高端雲端晶片，國内布局主要集中在終端ASIC晶片，部分領域處于世界前列，但多以初創企業為主，且尚未形成有影響力的“晶片−平台−應用”的生态，不具備與傳統晶片巨頭（如英偉達、賽靈思）抗衡的實力；而在GPU和FPGA領域，中國尚處于追趕狀态，高端晶片依賴海外進口。
關注樂晴智庫，洞悉産業格局！