“算力基建”聚焦于硬件系统，一方面聚焦广义算力，另一方面涵盖配套基建。其中广义算力主要涵盖算力芯片（CPU+XPU）、封测、存储三方面，配套基建主要涵盖AI服务器、配套机柜、通信设备等。
深度学习模型与推荐式系统模型复杂度进一步提升，对芯片算力提出了更高的要求，现阶段AI芯片算力已步入蓬勃发展阶段。
AI运算指以“深度学习”为代表的神经网络算法，需要硬件具有高效的线性代数运算能力，计算任务具有单位计算任务简单，逻辑控制难度要求低，但并行运算量大、参数多的特点。对于芯片的多核并行运算、片上存储、带宽、低延时的访存等提出了较高的需求。
从技术架构来看，算力芯片主要分为GPU、FPGA、ASIC三大类。其中，GPU是较为成熟的通用型人工智能芯片，而FPGA和ASIC则是针对人工智能需求特征的半定制和全定制芯片。#人工智能##算力##芯片#
资料来源：中国信通院
关注乐晴，洞悉产业格局！
GPU
GPU是英伟达公司在1999年8月发表NVIDIA GeForce 256绘图处理芯片时首先提出的概念。在此之前，电脑中处理影像输出的显示芯片，通常很少被视为是一个独立的运算单元。
GPU芯片通用性强，其中原本为图形计算设计的大量算数逻辑单元（ALU）可以为深度学习提供良好的加速效果。
GPU的计算能力最强，但是成本高、功耗高。
全球GPU市场为三足鼎立的寡头竞争格局，英伟达在独显领域一家独大。
独立GPU即独立显卡，需要插在主板的相应接口上，具备单独的显存，不占用系统内存，能够提供更好的显示效果和运行性能。
集成GPU即集成显卡，是将图形核心以单独芯片的方式集成在主板上，并且动态共享部分系统内存作为显存使用，能够提供简单的图形处理能力，以及较为流畅的编码应用。全球知名供应商主要包括英特尔和AMD两家。
在独立显卡市场上，长期以来都是AMD及英伟达两家的二人转，2022年英特尔正式杀入了显卡市场，目前独立GPU市场则主要由英伟达、AMD和英特尔三家公司占据，2022年Q4全球独立GPU市场占有率分别为85%、9%和6%，其中，英伟达在PC端独立GPU领域市场占有率优势明显。
IDC预计2023年中国GPU市场规模将达到111亿美元，2027年中国GPU市场规模将会增长至345.57亿美元。
FPGA
与GPU类似，FPGA也是配合CPU进行加速。不同于CPU和GPU，FPGA可对芯片硬件层进行灵活编译，且功耗远小于前两者。
FPGA可编程带来的配置灵活性使其能更快地适应市场，具有明显的实用性。
FPGA于1985年由赛灵思创始人之一Ross Freeman发明，并在现有的可编程器件（如PAL、GAL、CPLD等）的基础上进一步发展而来。FPGA 主要由可编程I/O单元、可编程逻辑单元、可编程布线资源等组成。
作为专用集成电路（ASIC）领域中的一种半定制电路，FPGA可以根据使用者的需求通过配套EDA软件多次重复编程配置以实现特定功能。
FPGA在集成电路行业所处的位置：
PGA芯片由逻辑单元（LC）、输入输出单元（IO）和开关连线阵列（SB）三部分构成。
市场格局方面来看，海外厂商主导全球FPGA 市场，赛灵思和英特尔 形成双头垄断，国内企业具备先发优势的厂商包括复旦微电（高可靠FPGA 技术领先，率先推出亿门级FPGA 和PSoC 芯片，应用领域不断丰富）和紫光国微（国内特种集成电路行业领先者，产品覆盖500 多个品种，特种领域FPGA 持续更新）、安路科技（国内民用FPGA龙头）。
复旦微电具备65nm 制程千万门级和28nm制程亿门级产品，目前以28nm制程的FPGA产品为主。
紫光国微于2022年推出了2x纳米的低功耗FPGA系列产品，新一代1x纳米更高性能FPGA系列产品也在顺利推进中，进一步完善了产品种类。
安路科技的FPGA芯片产品形成了由PHOENIX高性能产品系列、EAGLE高效率产品系列、ELF低功耗产品系列组成的产品矩阵。
根据MRFR预测，2025年全球FPGA市场规模有望达到125亿美元。
ASIC
ASIC芯片主要应用于深度学习加速，在推理侧，相较其他AI芯片在效率和速度方面具有明显优势。
ASIC体积小、功耗低，适合量产，但是研发时间长，且不可编辑，前期投入成本高，带来一定的技术风险。
表现最为突出的ASIC就是谷歌2015年发布的TPU（张量处理芯片）和英特尔2022年发布的Gaudi 2。
KBVResearch报告数据显示，2019-2025年，全球ASIC芯片市场规模预计将达到247亿美元，在预测期内以8.2%的复合年增长率增长。
大陆的AISC主要企业有寒武纪、澜起科技、黑芝麻、地平线、华为海思、阿里巴巴等。
部分国产AISC技术已经达到国际领先，如在BF16浮点算力方面，华为海思的昇腾910已超过谷歌的最新一代产品TPUv4。
另外，在边缘计算中，AI芯片会利用传声器阵列、摄像头等传感器采集到的数据按照已构建的模型进行推理并输出相应的结果。由于边缘计算的应用场景众多，对于硬件的算力、能耗等性能要求也不尽相同，因此催生出对AI芯片更加广泛的需求。
美国已限制对华销售最先进、使用最广泛的AI训练GPU—英伟达A100以及H100，国产算力芯片距离英伟达最新产品存在较大差距，但对信息颗粒度要求较低的推理运算能实现部分替代。
在训练芯片方面，头部企业重点布局相关芯片研发，打破国外企业长期垄断局面。当前大陆的AI芯片行业仍处于起步期，在新一轮人工智能浪潮爆发的背景下，国产替代加速行业市场空间充足。
关注乐晴，洞悉产业格局！