深度解读半导体行业：关键趋势与专家见解

2024年第3季度 半导体行业 深度解读 关键趋势和专家洞见 作者：GLG格理集团专家团成员 目录 摘要1 研究简介2 研究洞见3 结论12 摘要 如今，超大规模数据中心对性能的要求越来越高，各类设备上的AI工作负载支持的需求不断增加，人们愈加关注“边缘计算与处理”―这一切为半导体行业带来了新的机遇和挑战。这项面向半导体行业领导者展开的调研揭示了未来半导体设计和制造需求的发展趋势，并为作为半导体主要消费者的设备和装置制造商提供了启示。 调研结果表明，未来半导体行业将更加专业化，专用芯片会得到更广泛的部署与应用，以优化高度细分的工作负载与行业应用。在日益分散的硬件环境中，软件生态系统有望在简化开发者体验方面发挥更加重要的作用。 近年来，半导体供应链大幅恢复，但不断变化的全球条件、对可持续发展的日益重视以及不断增长的对制造能力的本土投资，持续影响着半导体公司的战略方向。面对漫长的产品周期和高昂的新产品开发成本，该领域的企业需要仔细评估这些趋势，并开展自己的后续研究，以自信地识别最有前景的市场机遇。 调研显示： 74% 的受访者认为，“边缘AI技术”是半导体市场的三大主要增长领域之一 65% 的受访者预计，在四到七年内，AI专用芯片将超越GPU，成为AI工作负载的主流加速器 90% 的受访者认为，开源软件生态系统对于发掘半导体产品线的市场机会意义重大 研究简介 2024年5月23日至6月3日期间，GLG格理集团对美国和加拿大的101位半导体行业高管开展了一项线上调研，了解他们认为该行业存在的关键机会以及对未来行业发展的主要担忧。这些高管对半导体公司或设备制造商的销售、市场推广策略或战略制定具有影响力。 研究结果显示，大多数受访者认为： •AI是半导体行业发展的重要驱动力 •随着特定工作负载和使用场景催生越来越多的优化需求，半导体行业将日益专业化和垂直化 21% 19% 7% 17% 12% 7% 1% •半导体产能的本土投资不断增加，对半导体企业的竞争力和创新能力产生了积极影响受访者的工作职能及其公司的年收入和行业分布情况如下所示： 主要行业 设备制造商 34% 工作职能 行政/综合管理 43% 无晶圆厂半导体制造商 集成设备制造商(IDM) （半晶导圆体代制工造厂厂）工业自动化公司 测外试包提半供导商体(组OS装A和T) 公司规模 500人以下 501-2,500人 2,501-5,000人 5,001-10,000人 10,001-50,000人 50,000人以上 30% 15% 30% 12% 21% 19% 4% 销售研发/工程/产品开发供应链/需求管理 11% 36% 53% 制造 5% 设计/工程 4% 信息技术 2% 公司营收 10亿美元以上 10亿美元 1.01亿到 1亿美元 5,000万到 研究洞见 90% 的受访者将AI工作负载列为该行业最重要的增长领域 AI工作负载或将驱动半导体行业需求 受访者预计，AI工作负载将成为半导体越来越重要的需求来源，有90%的受访者将其列为行业的主要增长领域之一。受访者指出，这类工作负载可能会同时在数据中心和边缘设备上运行。因此，那些计划在AI领域寻求机会的公司，应考虑投资既能 满足数据中心的高性能和规模需求，又符合边缘设备低能耗要求的产品线。多数受访者还表示，行业专用芯片（如工业或汽车行业控制系统中的芯片，或生命科学和医疗保健设备中的芯片），将成为推动半导体市场增长的重要因素。 在对AI工作负载所需的支持有了更详尽的认知之后，72%的受访者认为，数据处理和传输 —用于支持AI工作负载，是该行业的三大机会之一；65%的受访者同样强调了用于支持大型语言模型(LLM)的推断能力的重要性。另外，有52%的受访者将视频处理和媒体编码视为关键机会。 半导体公司的预期增长市场 占受访者总数的百分比，按总排名降序排列 第1名–增长最快的市场 2% 3% 1% 1%3%3% 13% 10% 5% 4% 9% 11% 11% 4% 14% 12% 8% 8% 32% 25% 23% 39% 15% 9% 7% 用于加速边缘 用于加速数据中心 AI工作负载的专用芯片 20% 12% 15% AI工作负载的专用芯片用于高性能计算的优化芯片行业专医用疗芯保片健（行例业如专，用汽芯车片或） 16% 14% 用于高速网络的优化芯片用于支传持感物器联和网其(I他oT专)用应芯用片的 12% 13% 4% 通用芯通片用（处如理C器PU或） （例如加密任用务于）执的行专安用全芯任片务 用于执计行算区的块专链用相芯关片 第2名 5% 9% 第3名 11% 第4名 第5名 总排名 5% 15% 9% 90% 7% 10% 17% 90% 12% 15% 73% 12% 53% 49% 48% 42% 35% 21% 用于AI工作负载提速的芯片的市场机会 占受访者总数的百分比，按总排名降序排列 第1名-机会最大 26% 22% 24% 14%10% 40% 16% 9% 16% 14% 9% 19% 20% 25% 19% 8% 19% 7%13% 11%12% 数据处理或传输语言处理/LLM的推理 图片分类 视频处理/媒体编码网络流量管理或协调 培训 GPU或将让位于AI专用芯片 第2名 第3名 第4名 第5名 总排名 96% 95% 25% 23% 16% 91% 15% 20% 17% 72% 8%3% 24% 58% 92% 当被问及不同类型芯片的需求将如何随时间的推移而变化时，受访者表示，尽管在短期内GPU会是加速AI工作负载的主要手段，但在未来的四到七年内，这一角色很可能会被AI专用芯片（如NPU）取代。65%的受访者指出，这些AI专用芯片将会在上述时间范围内承担运行大部分AI工作负载的角色，而只有18%的受访者认为GPU的重要性不会改变。受访者预测，未来将会有各种AI专用芯片问世，以满足不同操作环境的要求，例如：用于移动设备的低能耗AI加速器和用于优化运行大型语言模型云服务的高性能芯片等。 对芯片未来用途的预测 占受访者总数的百分比 近期预测（1-3年）中期预测（4-7年）长期预测（8年以上） 4%6%9% CPU 63% GPU 65%61% 23% 18% 6% AI专用芯片 ASIC 2%1%2% 21% 7%8% FPGA 1%2%1% 其他 63% 的受访者认为，在四到七年 内，嵌入移动设备、车辆和工业设备中的半导体将成为驱动行业机会的主要因素 从数据中心到设备 受访者预计，随着时间的推移，当前半导体主要服务于操作环境的情况将发生变化。尽管有56%的受访者认为，在未来三年内，无论是支持公有云的数据中心，还是本地管理或支持私有云的数据中心，都会是半导体的主要机会，但在 四到七年内，情况将发生变化，63%的受访者预计，嵌入移动设备、车辆和工业设备的半导体将成为驱动行业机会的主要因素。 未来推动芯片需求的设备或平台预测 占受访者总数的百分比 近期预测（1-3年）中期预测（4-7年）长期预测（8年以上） 34% 21%17%15% 移动设备 17%18% 公有云/超大规模环境 22% 14% 6% 本地数据中心/私有云 26% 11%17% 24%22% 11% 10%10% 2% 工业设备车辆医疗/科学设备 垂直化是增长的关键 正如AI工作负载需要越来越多的专用和定制芯片来提供支持，受访者指出，特定行业的需求也将促使半导体制造商寻找专门的垂直化的解决方案。受访者认为，汽车、电信和医疗保健及生命科学领域的特定需求，或将成为半导体制造商的最大商机；其中，69%的受访者将汽车行业视为三大机会之一，51%的受访者选择了电信行业，48%的受访者则看好医疗保健和生命科学领域。这三个行业都需要能够支持本地处理的芯片，这些芯片对延迟的容忍度较低，并且对能耗有限制，这表明随着时间的推移，与芯片的原始性能相比，在分布式设备中实时处理事件的能力可能更为重要。 有望带来机会的行业 占受访者总数的百分比，按总排名降序排列 第1名-最有可能 2% 2%3%2% 4%5% 1%1% 6% 8% 4% 11% 19% 19% 12% 10% 16% 12% 23% 22% 16% 20% 12% 10% 17% 24% 28% 汽车医疗保健和生命科学 电信工业制造 9% 9% 10% 11% 11% 18% 13% 媒体和娱乐能源和公共事业 19% 9% 金融服务 零售资源采产矿业和农林业） 第2名 第3名 第4名 第5名 总排名 12% 91% 18% 88% 9% 13% 73% 14% 16% 71% 58% 55% 46% 11% 11% 软件驱动硬件增值 为了支持特定类型的工作负载配置和行业应用，硬件平台的专业化程度越来越高，这将使开发人员更加难以针对每种特定芯片优化软件。通过对开源软件生态系统的投资，半导体制造商可以允许开发人员更轻松地共享优化功能，并构建更通用的框架，使应用程序能够充分利用特定的硬件配置。90%的受访者表示，特定芯片所在的开源软件生态系统是否健康，对于该类芯片的市场机会非常重要。值得一提的是，受访者认为，借助开源软件，开发人员在使用特定芯片时更容易获得性能优势、改善互操作性、提高能效和维护安全性。 蓬勃发展的软件生态系统的益处 占受访者总数的百分比，按降序排列 性能优化 67% 开源软件生态系统的重要性 占受访者总数的百分比 互操作性/兼容性能效/减少热排放 固件和安全更新设计和模拟可定制性 51% 50% 49% 39% 26% 非常重要 11% 45% 45% 有点重要 不太重要 “即服务”(As-a-service)模式拓宽了市场机会 虽然专用芯片将能够优化工作负载，以实现性能、成本和能耗的最佳组合，但硬件选项的激增将使管理工作负载和维持支持环境的工作变得更加复杂。随着通用计算和存储工作负载向云计算的转移，企业将寻求“即服务”(As-a-service)模式来代表他们管理日益专业化的工作负载，更具体地说，他们将寻求提供针对其特定需求进行优化的专用硬件的供应商，而不是依赖通用云环境。受访者认为，在近期（三年内），大多数公司将转向在专项的“即服务”环境中运行关键工作负载；例如，65%的受访者认为，在三年内，很大一部分AI训练和推理工作负载将在专项的“GPU即服务”环境下运行。对于半导体制造商来说，这些新的被专项管理的服务环境将成为越来越重要的上游需求，进一步拓展对特定类型工作负载或专用芯片的需求与规模。 关于客户转向公有云计算服务的预测 占受访者总数的百分比，按“客户永远不会使用”升序排列 我们的大多数客户已经在使用“即服务”模式 近期预测（1-3年）长期预测（8年以上） 4% 12% 22% 45% 18% 34% 44% 24% 33% 31% 19% 23% 43% 22% 25% 48% 17% GPU即服务” 的用“于AI训练/推断物联网计算端点/边缘管理 图片处理或分类 行业特定应用程序网络管理/优化 13% 28% 34% 18% 5% 26% 39% 23% 的“用C于P高U即性服能务计”算视频处理/编码 安全任务（如加密） 17% 32% 22% 16% 区块链交易 可持续发展，行重于言 中期预测（4-7年） 客户永远不会使用“即服务”计算模式 9%2% 5% 8% 6% 12% 7% 4% 22% 8% 8% 12% 7% 15% 33% 14% 随着可持续计算的市场需求不断增加，行业在管理废弃物、降低能耗和水资源消耗等问题上面临着更大的压力。半导体制造商必须采取行动，提高自身的可持续发展能力。90%的受访者表示，制造商必须提高自身的可持续发展能力；86%的受访者认为，这一责任还包括帮助终端客户提高可持续发展能力。