一、中国
人工智能芯片行业发展现状
研究主体界定：面向人工智能领域的芯片及其技术、算法与应用
●“无芯片不AI ”, 以AI芯片为载体实现的算力是人工智能发展水平的重要衡量标准。
●广义的AI芯片：专门用于处理人工智能应用中大量计算任务的
模块，即面向人工智能领域的芯片均被称为AI芯片。
●狭义的AI芯片：针对人工智能算法做了特殊加速设计的芯片。
●本报告将对针对狭义的AI芯片即人工智能算法做特殊加速设计的四种主流芯片
GPU、
ASIC、
FPGA、类脑芯片以及系统级AI芯片技术、实现AI的主流算法及在场景中的应用情况进行解析。
AI芯片的发展历程：模仿人脑建立的模型和算法与
半导体芯片发展交替进行
●人工智能算法需要在计算机设备上实现，而芯片又是计算机设备运作的核心零件，因此AI芯片的发展主要依赖两个领域：第一个是模仿人脑建 立的数学模型与算法，第二个是半导体
集成电路即芯片。优质的算法需要足够的运算能力也就是高性能芯片的支持。
●亿欧智库2019年发布AI芯片行业研究报告认为，人工智能于芯片的发展分为三个阶段：第一阶段由于芯片算力不足，神经网络算法未能落 地；第二阶段芯片算力提升，但仍无法满足神经网络算法需求；第三阶段，GPU和新架构的AI芯片促进了人工智能的落地。
●目前，随着第三代神经网络的出现，弥合了神经科学与机器学习之间的壁垒，AI芯片正在向更接近人脑的方向发展。
中国政策环境：在政策的引导支持下，中国人工智能芯片市场持续快速发展
●芯片产业是信息产业的核心部件与基石。当前，我国芯片高度依赖进口非常不利于国家安全与行业发展。因此，近年来国家高度关注人工智能 芯片产业的发展，发布一系列产业支持政策，为人工智能芯片行业建立了优良的政策环境，促进行业的发展。
●2021年，《“十四五”规划纲要和2035年远景目标纲要》指出，“十四五”期间，我国新一代人工智能产业将聚焦高端芯片等关键领域。从 国家战略高度为人工智能芯片行业建立了优良的政策环境。
●各地方也根据各自的背景与条件，发布促进和扶持人工智能产业发展的方案方针。截止2021年9月，包括北京、天津、上海、江苏、福建等 20余省、市、地区发布人工智能相关政策，进一步支持引导人工智能及芯片产业发展。
中国人工智能芯片产业图谱
二、人工智能芯片解读
1. 技术层面
基于技术架构、部署位置及实践目标的AI芯片分类
●AI芯片一般泛指所有用来加速AI应用，尤其是用在基于神经网络的深度学习中的硬件。
●AI芯片根据其技术架构，可分为GPU、FPGA、ASIC及类脑芯片，同时
CPU可执行通用AI计算，其中类脑芯片还处于探索阶段。
●AI芯片根据其在网络中的位置可以分为云端AI芯片、边缘及终端AI芯片；根据其在实践中的目标，可分为训练（training）芯片和推理 （inference）芯片。
●云端主要部署训练芯片和推理芯片，承担训练和推理任务，具体指智能数据分析、模型训练任务和部分对传输带宽要求比高的推理任务；边缘 和终端主要部署推理芯片，承担推理任务，需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。
| 技术架构种类 | 定制化程度 | 可编辑性 | 算力 | 价格 | 优点 | 缺点 | 应用场景 |
| GPU | 通用型 | 不可编辑 | 中 | 高 | 通用性较强且适合大规模并行运算；设计和制造工艺成熟 | 并行运算能力在推理端无法完全发挥 | 高级复杂算法和通用性人工智能平台 |
| FPGA | 半定制化 | 容易编辑 | 高 | 中 | 可通过编程灵活配置芯片架构适应算法迭代，平均性能较高；功耗较低；开发时间较短（6个月） | 量产单价高；峰值计算能力较低；硬件编程困难 | 适用于各种具体的行业 |
| ASIC | 全定制化 | 难以编辑 | 高 | 低 | 通过算法固化实现极致的性能和能效、平均性很强；功耗很低；体积小；量产后成本最低 | 前期投入成本高；研发时间长（1年）；技术风险大 | 当客户处在某个特殊场景，可以为其独立设计一套专业智能算法软件 |
| 类脑芯片 | 模拟人脑 | 不可编辑 | 高 | - | 最低功耗；通信效率高；认知能力强 | 目前仍处于探索阶段 | 适用于各种具体的行业 |
GPU：从图形
处理器到通用数据并行处理器
●GPU(Graphics Processing Unit)图形处理器最初是一种专门用于图像处理的微处理器，随着图像处理需求的不断提升，其图像处理能力也得 到迅速提升。目前，GPU主要采用数据并行计算模式完成顶点渲染、像素渲染、几何渲染、物理计算和通用计算等任务。因其超过CPU数十倍 的计算能力，已成为通用计算机和超级计算机的主要处理器。其中通用图形处理器GPGPU(GeneralPropose Computing on GPU)常用于数据 密集的科学与工程计算中。
●英伟达与AMD仍占据GPU霸主地位，2018年至今，国产GPU也积极发展中，已有部分产品落地。
GPU的开发环境：
●CG(C for Graphics)：为GPU编程设计的高级绘制语言，由NVIDIA和微 软联合开发，微软版本叫HLSL，CG是NVIDIA版本。
●CUDA（ComputeUnified
deviceArchitecture，统一计算架构）：由 NVIDIA所推出的一种集成技术，是首次可以利用GPU作为C-编译器的开 发环境。可以兼容OpenCL或者自家的C-编译器。
●ATIStream：AMD针对旗下图形处理器（GPU）所推出的通用并行计算 技术。利用这种技术可以充分发挥AMDGPU的并行运算能力，用于对软 件进行加速或进行大型的科学运算。
●OpenCL(Open Computing Language，开放计算语言)：为异构平台编 写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。
ASIC与FPGA: AI芯片领域“兵家必争之地”
●FPGA全称是Field Programmable Gate Array：可编程逻辑门阵列，是一种“可重构”芯片，具有模块化和规则化的架构，主要包含可编程 逻辑模块、片上储存器及用于连接逻辑模块的克重购互连层次结构。在较低的功耗下达到GFLOPS数量级的算力使之成为并行实现人工神经 网络的替代方案。
●ASIC（
APPlication-
SPECific Integrated Circuit）是指应特定
用户要求和特定电子系统的需要而设计、制造的集成电路。ASIC从性能、能效、 成本均极大的超越了标准芯片，非常适合AI计算场景，是当前大部分AI初创公司开发的目标产品。
芯片设计流程与设计优势对比
更多详细内容请下载附件查看
已绑定手机
发表于 2022-4-29 15:30:27
