2023AI芯片行业发展简析报告

AI芯片 行业简析报告 版权归属上海嘉世营销咨询有限公司商业合作/内容转载/更多报告 01.AI芯片：人工智能的基石 •自2018年GPT-1.0模型首次发布以来，OpenAI不断迭代模型，今年发布的GPT-4.0模型，它拥有更大的参数量、更长的迭代时间和更高的准确性。随着数据不断增长和算法复杂度提高，人工智能 对计算力提出了更高的要求。算力是实现人工智能产业化的核心力量，其发展对人工智能技术的进步和行业应用起着决定性作用。 全球AI支出、数字化转型支出及GDP增长趋势预测 AI支出增幅 DX支出增幅 GDP增幅 35% 30% 25% 20% 15% 10% 5% 0% 2020 2021 2022 2023E 2024E -5% •释放算力的价值对国家整体经济发展将发挥推动作用。计算力指数每提高1点，数字经济和GDP将分别增长3.5‰和1.8‰。可见，国家计算力指数越高，对经济的拉动作用越强。2021-2026年期间，预计中国智能算力规模年复合增长率达52.3%，同期通用算力规模年复合增长率为18.5%。 中国智能算力规模及预测 百亿亿次浮点运算/秒（EFLDPS） 1400.0 1200.0 1000.0 800.0 600.0 400.0 200.0 0.0 20192020202120222023E2024E2025E2026E 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 02.AI芯片算力发展的三个阶段 •广义上讲只要能够运行人工智能算法的芯片都叫做AI芯片。但是通常意义上的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）。 •第一阶段：因为芯片算力不足，所以神经网络没有受到重视。第二阶段：通用芯片CPU的算力大幅提升，但仍然无法满足神经网络的需求。第三阶段：GPU和和新架构的AI芯片推进人工智能落地。 AI芯片算力发展阶段 第一阶段第二阶段第三阶段 起步发展期反思发展期发展应用期低迷发展期稳步发展期蓬勃发展期 人工智能诞生 机器定理证明智能跳棋程序 …… 任务失败目标落空 机器翻译笑话百出 定理证明发展乏力 …… 专家系统遍地开花人工智能转向实用 医疗专家系统化学专家系统低质专家系统 …… 多项研究发展缓慢 专家系统发展乏力 神经网络研究受阻 …… 互联网推动人工智能不断创新和实用 深蓝战胜国际象棋冠军IBM提出智慧地球我国提出感知中国 …… 深度学习和大数据兴起带来了人工智能的爆发 物联网云计算大数据 …… 初春初冬初秋寒冬复苏爆发 1956196019701980199020002010时间 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 03.国内外AI芯片差距较大 •在AI芯片领域，国外芯片巨头占据了大部分市场份额。全球范围内主要布局人工智能芯片的厂商有Intel、NVIDIA、Qualcomm、Google等。美国的巨头企业，凭借着多年在芯片领域的领先地位， 迅速切入AI领域并积极布局，目前已经成为该产业的引领者。 •我国AI芯片产业起步较晚，技术上与世界先进水平也还存在着较大的差距。国内AI芯片市场也较为分散，集中度低。随着数字经济的兴起，人工智能已经深入渗透到各个行业，特别是在互联网等科技公司中更为普及。这些公司对于计算机软件技术和存储设备的要求极高，因此对于底层技术的布局和提升更为重视，尤其是在人工智能芯片领域。 AI芯片产业图谱 芯片设计芯片制造芯片封测 GPUASIC FPGA存算一体芯片 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 04.全球人工智能芯片市场高速增长 •IDC预计，到2025年人工智能芯片市场规模将达726亿美元。人工智能芯片搭载率将持续增高，目前每台人工智能服务器上普遍多配置2个GPU，未来18个月，GPU、ASIC和FPGA的搭载率均会上 升。 •2022年加速服务器市场规模达到67亿美元，同比增长24%。其中GPU服务器依然是主导地位，占据89%的市场份额，达到60亿美元。同时NPU、ASIC和FPGA等非GPU加速服务器以同比12%的增速占有了11%的市场份额，达到7亿美元。 全球人工智能服务器GPU、ASIC和FPGA芯片搭载率 GPU ASIC FPGA GPU当前GPU未来18个月 ASIC当前ASIC未来18个月 FPGA当前FPGA未来18个月 12%12%12% 16%16% 15% 14% 19% 12%12% 11% 14% 15%15% 14% 13% 17% 12% 16% 11% 15% 14%14% 13%13% 11% 16% 13% 9% 5% 3%3% 11% 8% 7% 10% 8% 7% 7% 5% 4% 3% 9% 6% 3%3% 10%10% 7% 6% 3% 10% 10% 10%10% 6% 3%3% 2%2% 2%2%2% 1% 2%2% 未知>8876543210 未知>8876543210 未知>8876543210 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 05.中国AI芯片市场呈现出显著的增长趋势 •根据市场规模分析，随着越来越多企业将人工智能应用于终端产品，人工智能芯片的需求快速增长。AI芯片广泛应用于云计算、数据中心、边缘计算、消费电子、智能制造、智能驾驶、智能金融及 智能教育等领域。 中国人工智能芯片市场规模占比 100.0% 90.0% 80.0% 70.0% 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% GPU NPU ASIC FPGA •近年来，我国的AI芯片行业备受关注，不断涌现出新的生产设计商，市场规模也不断扩大。数据显示，2021年我国AI芯片市场规模达到427亿元，同比增长124%。预计到2023年，市场规模将进一步扩大至1206亿元。 2017-2023年中国AI芯片市场规模预测趋势图（亿元） 1400.0 1200.0 1000.0 800.0 600.0 400.0 200.0 0.0 2017 2018 2019 2020 2021 2022 2023E 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 06.深度学习模型复杂度对芯片算力需求激增 •AI运算指以“深度学习”为代表的神经网络算法，需要系统能够高效处理大量非结构化数据（文本、视频、图像、语音等）。 •需要硬件具有高效的线性代数运算能力，计算任务具有：单位计算任务简单，逻辑控制难度要求低，但并行运算量大、参数多的特点。对于芯片的多核并行运算、片上存储、带宽、低延时的访存等提出了较高的需求。 •自2012年以来，人工智能训练任务所需求的算力每3.43个月就会翻倍，大大超越了芯片产业长期存在的摩尔定律（每18个月芯片的性能翻一倍）。 •针对不同应用场景，AI芯片还应满足：对主流AI算法框架兼容、可编程、可拓展、低功耗、体积及价格等需求。 从exNet到GPT-3，算力增长迅速 10,000,000,000 1,000,000,000 100,000,000 10,000,000 Transormer：275x/2yrsAllAIModels:25x/2yrsMoore’sLaw:2x/2yrs InceptionV3 Xception Megatron-TuringNLG530B GPT-3 MicrosoftT-NLGMegatron XLNet Wav2Vec2.0 1,000,000 100,000 10,000 1,000 100 AlexNet VGG-19 Resnet Seq2Seq TransFormerGPT-1ResNeXt ELMo DenseNet201 BERTLarge MoCoResNet50 20122013201420152016201720182019202020212022 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 07.AI服务器有68%价值量来自GPU •AI算力芯片产业链可分为：最上游的EDA软件和IP核研发；中游的芯片，包括GPU、NPU、ASIC、FPGA等架构；下游的AI服务器及智算中心。 AI芯片产业链 人工智能算法芯片设计芯片制造人工智能芯片人工智能应用 视觉算法 语音处理算法 自然语言处理算法 机器学习 芯片设计工具 EDA软件 IP模块 硬件仿真设备 晶圆代工 封装测试 云端 边缘端 终端 云计算与数据中心边缘计算 消费类电子智能制造智能驾驶其他 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 08.GPU是较为成熟的通用型人工智能芯片 •从技术架构来看，AI芯片主要分为图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、类脑芯片四大类。其中，GPU是较为成熟的通用型人工智能芯片，FPGA和ASIC则 是针对人工智能需求特征的半定制和全定制芯片，类脑芯片颠覆传统冯诺依曼架构，是一种模拟人脑神经元结构的芯片，类脑芯片的发展尚处于起步阶段。 三种技术架构AI芯片类型比较 GPU FPGA(半定制化) ASIC(全定制化) 定制化程度 通用性 半定制化 定制化 灵活度 好 好 不好 成本 高 较高 低 编程语言/架构 CUDA、OpenCL等 Verilog/NHDL等硬件描述语言,OpenCL、HLS / 功耗 大 较大 小 主要优点 峰值计算能力强、产品成熟 平均性能较高、功耗较低、灵活性强 平均性能很强、功耗很低、体积小 主要缺点 效率不高、不可编辑、功耗高 量产单价高、峰值计算能力较低、编程语言难度大 前期投入成本高、不可编辑、研发成本长、技术风险大 主要应用场景 云端训练、云端推断 云端推断、终端推断 云端训练、云端推断、终端推断 代表企业芯片 英伟达Tesla、高通Adreno等 赛灵思Versal、英特尔Arria、百度XPU等 谷歌TPU、寒武纪Cambricon 数据来源：公开数据整理；嘉世咨询研究结论；图源网络 09.AI芯片三剑客将互补共享市场 •AI芯片（GPU/FPGA/ASIC）在云端同时承担人工智能“训练”和“推断”过程，在终端主要承担“推断”过程，从性能与成本来看ASIC最优； •ASIC作为专用芯片，算力与功耗在通用芯片GPU具有绝对优势，但开发周期较长，落地较慢，需一定规模后才能体现成本优势； •FPGA可以看做从GPU到ASIC重点过渡方案。相对于GPU可深入到硬件级优化，相比ASIC在算法不断迭代演进情况下更具灵活性，且开发时间更短。 中国云端推断芯片市场结构（亿元）及增长率中国云端训练芯片市场结构（亿元）及增长率中国终端推断芯片市场结构（亿元）及增长率 ASICGPUFPGA ASICGPUFPGA ASICGPUFPGA 11.3 14.1 7.2 17.9 22.1 11.7 34.1 27.9 20.2 13.9 39.3 8.3 21.5 78.5 33.7 27.2 8.4 8.4 12.4 14.2 34.9 25.9 23.3 15.8 20.6 14.8 55.1 201920202021 201920202021 201920202021 72.80% 63.30% ASICGPUFPGA78.60%83.50% 54.80%57.00% 73.30% 58.40% 48.20% ASICGPUFPGA 73.10% 60.60% 56.60%55.30% 59.40%54.50% 69.50% 59.30% 50.20% ASICGPUFPGA72.00% 67.80%694.620% 66.30%63.90% 39.60%40.40%42.40% 201920202021 201920202021 201920202021 数据来源：公开数据整理；嘉世咨询研究结