人工智能早已悄然融入日常生活：手機(jī)應(yīng)用推薦你喜歡的視頻內(nèi)容、智能語(yǔ)音助手幫你安排當(dāng)天的日程、自動(dòng)駕駛汽車(chē)讓你的通勤更加輕松，而這些神奇的智能體驗(yàn)背后，都離不開(kāi)一個(gè)至關(guān)重要的推手——AI芯片。

就像大腦賦予人類(lèi)思考的能力，AI芯片則賦予機(jī)器以智能。無(wú)論是數(shù)據(jù)中心的算力需求，還是邊緣設(shè)備的智能升級(jí)，抑或是自動(dòng)駕駛等前沿應(yīng)用的實(shí)現(xiàn)，都離不開(kāi)高性能、高效率的AI芯片。它的性能不僅影響著人工智能夠的廣度和深度，也決定著應(yīng)用場(chǎng)景能否帶來(lái)令人驚艷的體驗(yàn)。

隨著AI技術(shù)的持續(xù)火熱發(fā)展，AI芯片市場(chǎng)逐漸成為科技領(lǐng)域的焦點(diǎn)，它不僅牽動(dòng)著全球科技巨頭神經(jīng)，也激發(fā)了無(wú)數(shù)初創(chuàng)公司的創(chuàng)新熱情。此次，AI硬件創(chuàng)業(yè)公司AGIGA的CEO王曉冉與我們分享了關(guān)于AI芯片發(fā)展及當(dāng)前AI芯片市場(chǎng)格局的見(jiàn)解。

PART.01AI芯片的發(fā)展歷程

隨著人工智能的迅猛發(fā)展，傳統(tǒng)通用芯片已無(wú)法滿(mǎn)足人工智能任務(wù)對(duì)于算力、功耗和延遲的特殊需求，AI芯片應(yīng)運(yùn)而生。AI芯片的發(fā)展主要經(jīng)歷了從CPU主導(dǎo)到GPU崛起，再到專(zhuān)用AI芯片涌現(xiàn)的歷程。

01從通用芯片到AI專(zhuān)用芯片

王曉冉表示，如今大家都知道人工智能有“算力、算法、數(shù)據(jù)”三大支柱，而在半導(dǎo)體設(shè)計(jì)領(lǐng)域，其實(shí)也有三大關(guān)鍵支柱，即面積、功耗和性能。而AI芯片的發(fā)展，本質(zhì)上是圍繞著這三個(gè)支柱進(jìn)行持續(xù)優(yōu)化、創(chuàng)新和突破的過(guò)程。

早期AI計(jì)算多采用通用CPU，但由于CPU主要用于執(zhí)行串行計(jì)算、擅長(zhǎng)邏輯和復(fù)雜任務(wù)，對(duì)于AI發(fā)展所需要大規(guī)模并行計(jì)算需求，其性能瓶頸明顯、能耗比不佳，因此難以滿(mǎn)足AI模型快速迭代和大規(guī)模數(shù)據(jù)處理的需求。隨后，GPU憑借其強(qiáng)大的并行處理能力成為AI計(jì)算的重要支撐。

GPU初時(shí)是為圖形渲染而設(shè)計(jì)的，具有大量的計(jì)算核心，適合并行計(jì)算。在深度學(xué)習(xí)發(fā)展的早期，研究人員發(fā)現(xiàn)GPU可以顯著加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，例如，在圖像識(shí)別任務(wù)中，使用GPU可以將訓(xùn)練時(shí)間從數(shù)周縮短到幾天甚至幾小時(shí)。2007年，英偉達(dá)發(fā)布了通用計(jì)算平臺(tái)CUDA，幫助開(kāi)發(fā)者將GPU用于圖形渲染之外的并行計(jì)算任務(wù)，CUDA的出現(xiàn)極大降低了AI研究人員和工程師使用GPU的門(mén)檻，使英偉達(dá)GPU成為AI計(jì)算領(lǐng)域的標(biāo)準(zhǔn)硬件。隨著深度學(xué)習(xí)的發(fā)展，GPU也逐漸成為AI計(jì)算的主流硬件，許多深度學(xué)習(xí)框架，如TensorFlow和PyTorch，都對(duì)GPU進(jìn)行了良好支持，進(jìn)一步推動(dòng)了GPU在AI研究和工業(yè)界的應(yīng)用，從學(xué)術(shù)實(shí)驗(yàn)室到大型互聯(lián)網(wǎng)公司的數(shù)據(jù)中心，GPU被廣泛用于訓(xùn)練各種深度學(xué)習(xí)模型。

然而，雖然GPU在AI計(jì)算中有很大優(yōu)勢(shì)，但它仍然是一種通用性較強(qiáng)的芯片，在一些特定的AI任務(wù)中，如移動(dòng)設(shè)備上的實(shí)時(shí)語(yǔ)音識(shí)別或在自動(dòng)駕駛汽車(chē)上進(jìn)行低功耗、高實(shí)時(shí)性環(huán)境感知計(jì)算，仍然存在能耗高、效率不夠高等問(wèn)題。于是，專(zhuān)為人工智能設(shè)計(jì)的AI芯片開(kāi)始興起，它們通過(guò)高度定制化的架構(gòu)和先進(jìn)的工藝節(jié)點(diǎn)，在縮減芯片面積的同時(shí)大幅降低功耗、提高性能。

02AI芯片的類(lèi)型

AI芯片一般可以從設(shè)計(jì)工藝和應(yīng)用場(chǎng)景兩個(gè)維度來(lái)劃分為不同類(lèi)型。從設(shè)計(jì)工藝看，AI芯片主要包括ASIC（專(zhuān)用集成電路）和FPGA（現(xiàn)場(chǎng)可編程門(mén)陣列）兩種。

ASIC芯片：為特定應(yīng)用或算法定制開(kāi)發(fā)的專(zhuān)用芯片，具備高性能、低功耗、小面積的優(yōu)勢(shì)，但開(kāi)發(fā)成本高、周期較長(zhǎng)，典型代表如谷歌TPU、華為昇騰芯片等。

FPGA芯片：通過(guò)可編程邏輯單元實(shí)現(xiàn)不同算法，靈活性高，開(kāi)發(fā)周期短，但在性能、功耗、面積效率方面遜于ASIC，典型產(chǎn)品來(lái)自AMD和英特爾。

王曉冉表示，從應(yīng)用場(chǎng)景的角度，AI芯片大體可分為訓(xùn)練芯片和推理芯片兩類(lèi)。訓(xùn)練芯片主要用于AI模型的訓(xùn)練過(guò)程，這一場(chǎng)景強(qiáng)調(diào)極高的計(jì)算性能、高精度浮點(diǎn)運(yùn)算以及數(shù)據(jù)吞吐能力，典型代表包括英偉達(dá)Tesla V100/H100系列、谷歌TPU v3/v4等。推理芯片則用于已訓(xùn)練模型的實(shí)際應(yīng)用部署，強(qiáng)調(diào)低功耗、低延遲、高效率的實(shí)時(shí)計(jì)算能力，典型代表包括谷歌Edge TPU、華為昇騰310、蘋(píng)果A系列芯片中的神經(jīng)引擎，以及英偉達(dá)Jetson系列等。

PART.02AI芯片產(chǎn)業(yè)鏈及行業(yè)格局

AI芯片產(chǎn)業(yè)鏈主要分為上游芯片設(shè)計(jì)工具與IP提供商、中游芯片設(shè)計(jì)與制造廠商、下游終端應(yīng)用等主要環(huán)節(jié)。上游環(huán)節(jié)由EDA工具公司和IP核授權(quán)商組成，中游環(huán)節(jié)包含芯片設(shè)計(jì)公司以及芯片制造代工廠，下游則涉及AI芯片的終端應(yīng)用場(chǎng)景，包括云端數(shù)據(jù)中心、邊緣計(jì)算設(shè)備以及消費(fèi)電子終端等。目前，全球AI芯片產(chǎn)業(yè)鏈整體呈現(xiàn)明顯的區(qū)域化特征，上游EDA和IP環(huán)節(jié)主要被歐美企業(yè)主導(dǎo)，中游制造環(huán)節(jié)以臺(tái)積電等亞洲企業(yè)占據(jù)主導(dǎo)地位，而芯片設(shè)計(jì)與應(yīng)用端則呈現(xiàn)多元化競(jìng)爭(zhēng)格局。

01各產(chǎn)業(yè)環(huán)節(jié)的代表性企業(yè)

AI芯片的上游環(huán)節(jié)，EDA工具公司和IP核授權(quán)商提供了必不可少的軟件工具和知識(shí)產(chǎn)權(quán)。新思科技和Cadence作為主要的EDA工具公司，提供的芯片設(shè)計(jì)、仿真和驗(yàn)證工具極大地提高了芯片設(shè)計(jì)效率與可靠性；而IP核授權(quán)領(lǐng)域以ARM為代表，其CPU和GPU核IP廣泛應(yīng)用于各類(lèi)AI芯片。此外，如Imagination、CEVA以及RISC-V架構(gòu)提供商也在神經(jīng)網(wǎng)絡(luò)加速等AI專(zhuān)用IP方向快速發(fā)展。

在芯片設(shè)計(jì)領(lǐng)域，科技巨頭占據(jù)重要地位。英偉達(dá)憑借其在圖形處理單元方面的深厚技術(shù)積累，設(shè)計(jì)的GPU廣泛應(yīng)用于AI訓(xùn)練和推理。近年來(lái)陸續(xù)推出的Tesla、A100/H100 GPU以及Jetson等系列產(chǎn)品使其在AI芯片市場(chǎng)占據(jù)優(yōu)勢(shì)地位。谷歌依靠強(qiáng)大的研發(fā)實(shí)力，推出的專(zhuān)為人工智能任務(wù)設(shè)計(jì)的TPU（張量處理單元），在深度學(xué)習(xí)推理方面展現(xiàn)出極高的效率和性能，尤其適用于大規(guī)模數(shù)據(jù)中心的人工智能計(jì)算。AMD則借助GPU與如Instinct MI系列的異構(gòu)芯片迅速崛起。在移動(dòng)端、邊緣端AI推理芯片市場(chǎng)，華為昇騰系列、寒武紀(jì)的思元芯片、高通、蘋(píng)果、聯(lián)發(fā)科等也占有重要位置。

在制造端，全球的AI芯片制造呈現(xiàn)高度集中態(tài)勢(shì)，臺(tái)積電以其先進(jìn)的工藝節(jié)點(diǎn)占據(jù)絕對(duì)主導(dǎo)地位，目前包括英偉達(dá)、AMD、蘋(píng)果等絕大部分高端AI芯片均由其代工制造。此外，英特爾通過(guò)自有晶圓廠，具備設(shè)計(jì)與制造一體化能力，也在積極發(fā)展AI芯片制造業(yè)務(wù)。

02中國(guó)AI芯片市場(chǎng)現(xiàn)狀

中國(guó)的AI芯片企業(yè)近年來(lái)發(fā)展迅猛，涌現(xiàn)出了一批具有代表性的公司。從業(yè)務(wù)定位、應(yīng)用場(chǎng)景和技術(shù)路徑等維度，目前中國(guó)的AI芯片企業(yè)大致可劃分為三類(lèi)：

第一類(lèi)是以云端AI芯片為主的企業(yè)，這些公司主要聚焦高性能計(jì)算及數(shù)據(jù)中心領(lǐng)域的AI訓(xùn)練與推理芯片，強(qiáng)調(diào)芯片性能和大規(guī)模AI計(jì)算能力，典型代表包括華為海思、寒武紀(jì)。華為海思以“昇騰”系列芯片布局云端和邊緣AI計(jì)算，在服務(wù)器端高性能計(jì)算和移動(dòng)端高效推理場(chǎng)景均有廣泛應(yīng)用。寒武紀(jì)作為中國(guó)早期的AI芯片創(chuàng)業(yè)公司之一，以其“思元”系列芯片在云端推理及邊緣端推理領(lǐng)域?qū)崿F(xiàn)技術(shù)突破，推動(dòng)了國(guó)產(chǎn)芯片在數(shù)據(jù)中心和智能終端上的廣泛部署。

第二類(lèi)是專(zhuān)注于終端與邊緣AI芯片的企業(yè)，它們主要提供用于邊緣計(jì)算、移動(dòng)設(shè)備或IoT終端的低功耗、高能效推理芯片，典型代表包括地平線、黑芝麻智智能等。王曉冉表示，近年來(lái)，這類(lèi)AI初創(chuàng)企業(yè)發(fā)展迅速。比如地平線專(zhuān)為自動(dòng)駕駛、智能安防等邊緣端AI應(yīng)用場(chǎng)景設(shè)計(jì)芯片。去年年底，地平線成功在港股上市，成為當(dāng)年頂流的科技類(lèi)IPO，市值一度突破700億港幣。此外，黑芝麻智能也聚焦于自動(dòng)駕駛與汽車(chē)智能化領(lǐng)域，其“華山”系列芯片具備高性能、低功耗優(yōu)勢(shì)，已成功應(yīng)用于車(chē)載AI計(jì)算平臺(tái)，逐漸成長(zhǎng)為汽車(chē)AI芯片領(lǐng)域的重要參與者。這類(lèi)企業(yè)側(cè)重于汽車(chē)電子、智能安防、智能家居、消費(fèi)電子等廣泛場(chǎng)景，注重芯片功耗、延遲、經(jīng)濟(jì)性和性?xún)r(jià)比。

第三類(lèi)是以類(lèi)腦芯片或仿生計(jì)算芯片為代表的前沿探索型企業(yè)，比如清華大學(xué)孵化的靈汐科技等公司，旨在實(shí)現(xiàn)更加低功耗、類(lèi)人腦計(jì)算模式的下一代AI芯片。但目前，這類(lèi)企業(yè)的芯片更多處于研發(fā)和試驗(yàn)階段，尚未大規(guī)模商業(yè)化應(yīng)用。

王曉冉表示，雖然中國(guó)AI芯片企業(yè)快速崛起，但與國(guó)際廠商相比，中國(guó)AI芯片企業(yè)仍然在制造能力與軟件生態(tài)方面等方面存在差距，還需要持續(xù)的技術(shù)積累和研發(fā)投入。

PART.03大模型推動(dòng)AI芯片加速發(fā)展

隨著生成式AI和大模型應(yīng)用普及，AI市場(chǎng)需求規(guī)模持續(xù)擴(kuò)大，推動(dòng)AI基礎(chǔ)設(shè)施建設(shè)進(jìn)入高速增長(zhǎng)階段。

Grand View Research研究顯示，預(yù)計(jì)2025年至2030年，人工智能產(chǎn)業(yè)的復(fù)合年增長(zhǎng)率將高達(dá)35.9%。IDC的新預(yù)測(cè)還認(rèn)為，到2030年，人工智能將廣泛影響各行各業(yè)，為全球經(jīng)濟(jì)貢獻(xiàn)19.9萬(wàn)億美元，推動(dòng)全球GDP增長(zhǎng)3.5%。

大模型與生成式AI的迅速崛起，對(duì)AI芯片行業(yè)也產(chǎn)生著廣泛影響。首先，以GPT等為代表的生成式AI模型，參數(shù)規(guī)模動(dòng)輒數(shù)百億甚至數(shù)萬(wàn)億級(jí)別，使對(duì)算力的需求呈現(xiàn)指數(shù)級(jí)增長(zhǎng)，極大地推動(dòng)了芯片算力需求從單純追求峰值性能轉(zhuǎn)向持續(xù)、高效的規(guī)模化計(jì)算。為了應(yīng)對(duì)這種變化，AI芯片的設(shè)計(jì)邏輯正在逐步從傳統(tǒng)的單芯片算力優(yōu)化，向多芯片、分布式算力架構(gòu)演進(jìn)，強(qiáng)調(diào)更高效的芯片互聯(lián)與數(shù)據(jù)通信能力，如Chiplet（芯粒）技術(shù)和異構(gòu)計(jì)算架構(gòu)越來(lái)越受到重視。

同時(shí)，大模型對(duì)內(nèi)存帶寬和存儲(chǔ)架構(gòu)也提出了更高要求，使得高帶寬內(nèi)存、更高容量的片上緩存、存算融合技術(shù)等逐漸成為AI芯片設(shè)計(jì)中的關(guān)鍵要素。此外，由于大模型的訓(xùn)練和推理任務(wù)差異顯著，AI芯片開(kāi)始向場(chǎng)景化和定制化方向發(fā)展，針對(duì)訓(xùn)練場(chǎng)景的超大規(guī)模算力芯片和針對(duì)推理場(chǎng)景的高效低功耗芯片逐漸分化，ASIC專(zhuān)用芯片和GPU等通用芯片在不同場(chǎng)景中的定位越來(lái)越清晰。

需要注意的是，當(dāng)前AI芯片行業(yè)在快速發(fā)展的同時(shí)也伴隨著一定的泡沫風(fēng)險(xiǎn)，尤其體現(xiàn)在政策驅(qū)動(dòng)和資本市場(chǎng)熱捧下的出現(xiàn)投資過(guò)熱現(xiàn)象。部分企業(yè)缺乏扎實(shí)的技術(shù)積累或清晰的商業(yè)模式，盲目追求短期估值和融資規(guī)模，導(dǎo)致市場(chǎng)競(jìng)爭(zhēng)激烈但實(shí)際落地能力不足。AI芯片的研發(fā)周期長(zhǎng)、技術(shù)壁壘高，因此相關(guān)技術(shù)企業(yè)也需要用更長(zhǎng)期主義的心態(tài)去發(fā)展。