作者@@：麦姆斯咨询殷飞@@，来源@@： MEMS微信公众号@@
据麦姆斯咨询介绍@@，全球人工智能@@@@（AI）芯片市场规模到@@@@2033年@@预计将增长至@@@@2576亿美元@@，届时最大的三个垂直行业将包括信息技术@@@@（IT）和@@电信业@@，银行@@、金融及保险业@@（BFSI），以及消费电子@@@@行业@@。AI正在改变我们的世界@@，从@@2016年@@DeepMind成功战胜围棋世界冠军李世石@@，到@@OpenAI ChatGPT强大的预测能力@@，AI训练@@算法@@的复杂性正在以惊人的速度发展@@，运行新开发训练@@算法@@所需要的计算量大约每四个月就要翻一番@@。为了跟上这一增长步伐@@，AI应用@@的@@硬件不仅需要具有可扩展性@@（随着新算法@@的引入能够延长使用寿命@@，同时保持较低的运行成本@@），而且还需要能够在终端用户边缘处理越来越复杂的模型@@。另外@@，还需要一种双管齐下的方法@@（即在云端和@@边缘处理@@AI），以全面实现@@高效的物联网@@@@（IoT）应用@@。
AI芯片应用@@@@
英国知名研究公司@@IDTechEx在这份最新发布的研究报告中@@，对全球@@AI芯片技术@@格局和@@市场趋势提供了独到@@的深入见解@@。该报告全面分析了@@19家主要的@@AI芯片公司@@，并介绍了@@10家初创设计公司以及全球最著名的半导体制造@@商@@。本报告包括了对@@AI技术@@创新和@@市场动态的详细评估@@。市场分析和@@预测侧重于总营收@@，并按地理位置@@（欧洲@@、亚太和@@北美@@）、处理类型@@（边缘和@@云@@）、芯片架构@@@@（GPU、CPU、ASIC和@@FPGA）、封装类型@@（片上系统@@、多芯片模块和@@@@2.5D+）、应用@@（语言@@、计算机视觉@@、预测和@@其它@@）以及垂直行业@@（工业@@、医疗保健@@、汽车@@、零售@@、媒体和@@广告@@、BFSI、消费电子@@@@、IT和@@电信等@@）提供了细分预测@@。
AI芯片价值链@@
此外@@，本报告包含了与@@AI应用@@90 nm至@@3 nm节点芯片相关@@的设计@@、制造@@、组装@@、封装测试@@以及运行相关@@成本的精细核算@@。随着半导体制造@@商转向@@3 nm以下的更先进节点@@，报告对相关@@的设计成本和@@制造@@成本进行了预测@@。IDTechEx基于@@在半导体和@@电子@@行业积累的专业知识@@，对通过关键厂商访谈收集的重要数据进行了客观分析@@。
智能硬件持续增长@@
通过硬件设计以实现@@某种功能@@，特别是@@通过将某些类型的计算从@@主处理器上剥离来加速这些计算@@，并不是一个全新的概念@@。早期中央处理单元@@（CPU）与数学协处理器配对@@，称为浮点单元@@（FPU），其目的是将复杂的浮点数学运算从@@@@CPU卸载到@@这种专用芯片上@@，因为后者可以以更有效的方式处理这类计算@@，从@@而解放@@CPU专注于其它任务@@。随着市场和@@技术@@的发展@@，工作负载也在发展@@，因此@@需要新的硬件来处理这些工作负载@@。其中特别值得关注的例子便是计算机图形的生成和@@处理@@，所探讨的加速器已经成为家喻户晓的名称@@：图形处理单元@@（GPU）。
正如计算机图形需要不同类型的芯片架构@@@@一样@@，机器学习@@（ML）的出现也带来了对另一种加速器的需求@@，以高效地处理机器学习@@的工作负载@@。本报告详细介绍了@@CPU、GPU和@@现场可编程门阵列@@（FPGA）架构@@之间的差异@@，以及它们在处理机器学习@@工作负载方面的相对有效性@@。专用集成电路@@（ASIC）可以通过设计来处理特定的工作负载@@，本报告分析了多家世界领先的@@AI ASIC架构@@。对能够处理机器学习@@工作负载的芯片需求@@，只有当消费者真正从@@中获益的情况下才会迎来爆发@@（例如@@，消费电子@@@@产品的功能增强@@，安全摄像头更准确的图像分类和@@物体检测@@，自动驾驶汽车@@的低延迟@@、高精度推演等@@），这些应用@@有望推动@@AI芯片市场在@@2023年@@~2033年@@实现@@@@24.4%的复合年@@增长率@@（CAGR）。
2023年@@~2033年@@三类主要@@AI芯片复合年@@增长率预测@@
全球聚焦@@AI
AI在自然语言@@处理@@、语音识别@@、智能推送@@、强化学习@@、对象检测@@、图像分类等应用@@中的作用@@，对很多产品功效以及国家治理模型都非常重要@@。因此@@，AI硬件和@@软件的开发推动了全球范围内的投资计划@@。由于具有@@AI能力的处理器和@@加速器需要依赖半导体制造@@商@@，因此@@，目前@@AI芯片的制造@@能力@@取决于少数几家半导体制造@@商的供应能力@@（对于边缘设备@@@@，没有必要使用最先进的工艺节点@@技术@@@@，因为这些芯片通常用于低功耗推演@@。然而@@，事实是全球供应链仍然严重依赖特定地区@@）。
2020年@@，对特定地区半导体制造@@公司的依赖风险开始凸显@@，当时多种因素@@（如新冠疫情@@、数据挖掘的兴起@@、台湾干旱@@、制造@@设施火灾以及原材料采购困难等@@）的叠加导致全球芯片短缺@@，半导体芯片供不应求@@。自那以后@@，半导体价值链中最大的利益相关@@方@@（美国@@、欧盟@@、韩国@@、中国台湾@@、日本和@@中国大陆@@）一直在寻求降低供应链风险@@，以防出现下一波更加严重的芯片短缺@@。各个国家和@@地区政府都已采取了积极的举措@@，激励半导体制造@@公司扩大业务或@@建设新工厂@@。本报告讨论了这些政府举措@@，详细说明了相关@@的投资计划@@、原因以及对其他利益相关@@者的意义@@（例如@@美国@@对中国施加的限制@@，以及中国如何围绕这些限制建立国家半导体供应链@@）。此外@@，报告还概述了自@@2021年@@以来宣布的半导体制造@@私人投资@@，以及当前厂商的半导体@@（特别是@@AI相关@@）制造@@能力@@。
2021年@@以来主要厂商公布的半导体制造@@投资@@
AI发展成本@@
机器学习@@是计算程序利用数据根据@@模型进行预测@@，然后通过调整所使用的@@权重来优化模型@@，使其更好地与所提供的数据相匹配@@。因此@@，其计算包括两个步骤@@：训练@@和@@推理@@。实现@@AI算法@@的第一阶段是训练@@@@，在训练@@阶段@@，数据被输入到@@模型中@@，模型调整其权重@@，直到@@它与所提供的数据适当匹配@@。第二阶段是推理@@，在推理阶段执行经过训练@@的@@AI算法@@，并对新数据以与获取的数据一致的方式进行分类@@。在这两个阶段中@@，训练@@阶段的计算量更大@@，因为这个阶段需要执行无数次相同的计算@@。这就提出了一个问题@@：训练@@AI算法@@需要多少成本@@？
为了尽可能准确量化@@，IDTechEx严格计算了从@@@@90 nm到@@3 nm工艺节点@@AI芯片的设计@@、制造@@、组装@@、测试@@、封装以及运行成本@@。具有给定晶体管密度的@@3 nm芯片的面积小于具有相同晶体管密度的成熟节点芯片@@，可以比较针对给定@@AI算法@@部署先进节点芯片和@@具有类似性能成熟节点芯片的成本@@。例如@@，根据@@IDTechEx使用的@@3 nm芯片模型@@，具有给定面积和@@晶体管密度的@@3 nm芯片连续使用@@5年@@所产生的成本@@，在相同条件下将比具有相同晶体管密度的@@90 nm芯片低@@45.4倍@@。这包括各芯片的初始生产成本@@，然后可以用来确定是否值得从@@成熟的节点芯片升级到@@更先进的节点芯片@@，具体取决于芯片的服役时间@@。
基于@@IDTechEx面向@@AI应用@@的@@3 nm芯片模型@@，不同工艺节点@@芯片@@5年@@期生产和@@运行成本的评估@@
市场发展及路线图@@
IDTechEx的全球@@AI芯片市场模型考量了架构@@趋势@@、封装发展@@、资金@@/投资的分散@@/集中@@、历史财务数据以及本地化的生态系统@@，以准确反映未来十年@@不断演变的市场价值@@。