今年2月，中國人工智能半導體制造商Horizon Robotics從SK China、SK Hynix和大型汽車集團獲得了6億美元的B輪融資，成為該領域首家估值達到30億美元的公司。該公司首席執行官、百度深度學習學院前院長余凱表示，Horizon的下一個目標是成為智能駕駛和AIoT等領域的“邊緣計算英特爾”。

市場情報公司Tractica預測，到2025年，全球深度學習芯片組市場將從2017年的16億美元飆升至663億美元。盡管中國許多初創企業專注于人工智能應用，但Horizon Robotics是少數幾家致力于硬件基礎設施建設的企業之一，而中國目前在硬件基礎設施建設方面仍存在不足。

大多數中國半導體初創企業目前都處于凈虧損狀態，分析師預計未來兩年這種情況可能會持續下去。此外，美國還對近12項人工智能和機器學習技術實施了出口管制。然而，在多項政府政策的推動下，中國半導體企業正在迎頭趕上，它們在研發方面投入了大量精力和大規模資金。

中國芯片公司主要面向兩個應用領域:安全和智能手機。到2020年，中國將擁有超過6億個安全攝像頭。從2018年到2022年，中國安全領域的復合年增長率預計為22.6%，廣泛應用于公共安全、城市交通、生態建筑和工業園區。

芯片是視頻監控中最昂貴的組件。一個典型的設備需要四種類型的芯片:兩種SoC加速器，一種用于深度學習的芯片，一種ISP芯片。目前大部分的AI芯片解決方案都使用GPU，但是Cambricon和DeePhi將提供更多的FPGA或ASIC解決方案，而華為海思已經成為專業SoC領域的巨頭。

但是，有一家初創芯片公司NextVPU研發出了在一個SoC芯片內集成深度學習、ISP、視覺計算的邊緣AI芯片，并且獲得安防巨頭海康和機器人獨角獸優必選的投資。

另一個值得關注的市場是智能手機，人工智能是這個市場新的流行詞。例如，華為Mate 10和Glory V10都搭載了華為尖端的神經處理單元(NPU)麒麟970。不管是不是營銷噱頭，自2017年以來，中國智能手機應用領域的人工智能集成已經顯著增加。人臉識別、美圖攝像頭、VR應用和語音助手等已經成了智能手機的常見功能。Strategy Analytics預計，到2023年，90%的智能手機將配備人工智能助手。

深度學習需要大量的計算資源，而GPU在圖像和視頻處理方面仍然處于劣勢。目前最兼容的深度學習訓練芯片是英偉達和AMD生產的GPU。然而，這種芯片非常昂貴而且耗電量巨大。所以下一個最佳選擇是FPGA(現場可編程門陣列)，它通常用于深度學習推理，由Xinlinx、Lattice和Intel Altera等公司生產。這些自適應的、半定制的芯片具有較低的耗電量和延遲，但浮點數速度不夠快，可能存在復雜的布線問題。

另外一個選擇是ASIC(特定于應用程序的集成電路)，這是完全可定制的，但其前期研發也相對昂貴。目前谷歌TPU、華為海思和亞馬遜的ASIC等多家科技公司正在研發。與此同時，與商用GPU或FPGA相比，為TensorFlow服務的谷歌第三代TPU在耗費同等電量的情況下能夠執行更高級的ML指令。

除了云計算和數據中心環境之外，預計邊緣計算市場將占據總市場機會的四分之三以上。中國初創企業缺乏大型半導體公司在CPU、GPU和FPGA設計方面的經驗，因此ASIC被視為一個趕超的機會。目前該領域的中國公司有:

北京比特大陸科技有限公司（Bitmain）

寒武紀（Cambricon）

地平線機器人（Horizon Robotics）

肇觀電子（NextVPU，獲得海康投資）

蘇州樂志軟件科技有限公司（Easytech）

深鑒科技（DeePhi Tech）(被Xinlinx收購，2018)

華為海思(成立于1991年)

百度

阿里巴巴

隨著人工智能的應用迅速擴展到汽車、手機、無人機和機器人領域，中國最近在上海證券交易所(SSE)成立了一個科技創新委員會(STIB)，類似于美國納斯達克(Nasdaq)。正如上海證券交易所在其官方網站上所解釋的那樣，“設立科技創新委員會并試點注冊制度是資本市場的一項關鍵改革舉措。隨著市場開放，為將要出現的大型芯片公司做好準備，滿懷希望的中國企業需要在發展自身優勢、展示盈利能力的同時，抵御外國競爭。