AI芯片行业深度：发展现状、竞争格局、市场空间及相关公司深度梳理-230407（21页）.pdf

《AI芯片行业深度：发展现状、竞争格局、市场空间及相关公司深度梳理-230407（21页）.pdf》由会员分享，可在线阅读，更多相关《AI芯片行业深度：发展现状、竞争格局、市场空间及相关公司深度梳理-230407（21页）.pdf（21页珍藏版）》请在三个皮匠报告上搜索。

1、 1/21 2023 年年 4 月月 7 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 AI芯片行业深度：发展现状、竞争格局、市芯片行业深度：发展现状、竞争格局、市场空间场空间及相关公司深度梳理及相关公司深度梳理 从广义上讲只要能够运行人工智能算法的芯片都叫作 AI 芯片，但通常意义上的 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。AI 芯片也被称为 AI 加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由 CPU 负责）。下面我们从 AIGC 产业链出发了解 AI 芯片在产业链中的地位及作用，分析不同类别的 AI 芯片的

2、作用及特性都有哪些，我国 AI 芯片行业现状及竞争格局是怎样的，目前全球 AI 芯片的四大技术路线都有哪些？chatGPT 及“文心一言”的出现对于 AI 芯片市场又怎样的影响，市场空间有多大，相关公司都有哪些，未来有怎样的发展趋势？对于这些问题我们下面一一解答。目录目录 一、AI 芯片概述.1 二、AI 芯片分类解读.4 三、我国 AI 芯片现状.9 四、AI 芯片竞争格局.10 五、AI 芯片四大技术路线.12 六、AI 芯片市场预期.16 七、相关公司.18 八、AI 芯片发展趋势.20 九、参考资料.21 一、一、AI 芯片芯片概述概述 1.AIGC 产业链产业链 2/21 2023

3、年年 4 月月 7 日日 行业行业|深度深度|研究报告研究报告 AIGC 产业链主要分为上游算力硬件层、中游数据/算法软件层和下游行业应用层。硬件层依靠高性能AI 芯片、服务器和数据中心为 AIGC 模型的训练提供算力支持，是承载行业发展的基础设施；数据/算法层软件层主要负责 AI 数据的采集、清洗、标注及模型的开发与训练，多方厂商入局自然语言处理、计算机视觉、多模态模型等领域；行业应用层目前主要涉及搜索、对话、推荐等场景，未来有望在多个行业呈现井喷式革新。位于算力硬件层的 AI 芯片是人工智能的底层基石。2.AI 芯片是人工智能的底层基石芯片是人工智能的底层基石 2014 年李天石博士“Di

4、anNao”系列论文让科学界看到，在冯诺依曼架构下也可以实现 AI 专用芯片。此后 Google 推出的 TPU 运算架构的 AlphaGo，接连打败李世石和柯洁，看到了专用芯片的商业价值。人工智能经历过三阶段，迎来爆发式增长。AI 人工智能的发展主要依赖两个领域的创新和演进：一是模仿人脑建立起来的数学模型和算法，其次是半导体集成电路 AI 芯片。AI 的发展一直伴随着半导体芯片的演进过程，20 世纪 90 年代，贝尔实验室的杨立昆（YannLeCun）等人一起开发了可以通过训练来识别手写邮政编码的神经网络，但在那个时期，训练一个深度学习卷积神经网络（Convolutional Neural

5、Network，CNN）需要 3 天的时间，因此无法实际使用，而硬件计算能力的不足，也导致了当时 AI 科技泡沫的破灭。AI 芯片是 AI 发展的底层基石。英伟达早在 1999 年就发明出 GPU，但直到 2009 年才由斯坦福大学发表论文介绍了如何利用现代 GPU 远超过多核 CPU 的计算能力（超过 70 倍），把 AI 训练时间从几周缩短到了几小时。算力、模型、数据一直是 AI 发展的三大要素，而 AI 芯片所代表的算力则是人工智能的底层基石。3.训练芯片及推理芯片训练芯片及推理芯片 根据机器学习算法步骤，AI 芯片分为“训练（Training）”芯片和“推理（Inference）”芯片

6、。“训练芯片”主要用于人工智能算法训练，即在云端将一系列经过标记的数据输入算法模型进行计算，不断调整优化算法参数，直至算法识别准确率达到较高水平。“推理芯片”主要用于人工智能算法推理，即将在云端训练好的算法模型进行裁剪优化变“轻”之后，进入“实战”阶段，输入数据直接得出准确的识别结果。不同用途（训练 or 推理）、不同应用场景（端-边-云）对 AI 芯片有着不同的要求。首先，训练芯片追求的是高计算性能（高吞吐率）、低功耗，但是推理芯片主要追求的是低延时（完成推理过程所需要的时间尽可能短）、低功耗。其次，“端-边-云”三个环节对 AI 芯片的有不同的要求其中端和边上进行5XcZgVmU9XkXu