理工酷

2021年07月22日发布

Q1：什么是AI芯片？AI芯片与传统处理器芯片有什么不同？

AI芯片需具备强并行处理能力，GPU凭借性能及适用性优势成为主流选择

AI芯片指用于运行AI算法模型的处理器芯片，需具备较长的数据并行处理能力，主要包括CPU、GPU、ASIC及FPGA四类芯片：

CPU并行处理能力较弱，但具备较强的非计算任务处理能力，与其他三类具备较强并行处理能力的AI芯片形成优势互补；

GPU采用多处理核并行架构，在性能层面具备较强的平行处理能力；在通用性层面，GPU凭借长时间的市场普及巳实现对多种AI开发工具的适配，具备较强的通用性；

AI专用的ASIC专注于矩阵计算能力的提升，具备极强的平行处理能力；ASIC技术发展尚未成熟，研发成本较高，且成品性能不及尖端GPU产品；

FPGA指现场可编程门阵列，可通过编程实现芯片电路功能的改变。FPGA在性能及成本层面不具备优势，多作为ASIC开发的过渡产品。

Q2：AI芯片市场需求是否将持续增长？短期内各类AI芯片的市场需求是否将出现变化？

人工智能进入规模化应用阶段，AI芯片市场需求预计保持快速扩容趋势

基于市场总体需求分析，随着中国人工智能行业发展与人工智能生态体系的成熟，中国人工智能已进入规模化应用初期阶段。互联网、金融等领域成为先发赛道，市场需求快速增长。人工智能应用领域的繁荣推动中国AI芯片市场需求加速扩容。中国AI芯片市场规模由2017年的47.8亿元增长至2020年的136.8亿元.年复合增长率达42.0%。从短期来看.预训练模型等开发工具的出现将促进工业等领域人工智能技术深化应用.推动人工智能全产业链各细分行业迈入高速发展期。2025年，中国AI芯片市场规模增长至687.5亿元，五年年复合增长率达38.11

基于市场产品需求占比分析，CPU、GPU凭借较高的适配性及通用性，短期内仍将作为业界Alg应用的主流选择。若ASIC通过技术突破，实现性能的提升与成本的降低.ASIC市场普及率及应用程度预计将快速提升.市场需求预计将进入快速增长阶段，市场占比逐步提升。

Q3：在云端应用场景中，形成AI芯片的需求现状的主要因素是什么？

GPU、CPU仍为云端应用场景主流选择，ASIC规模化应用难度较大

AI芯片云端应用场景指AI开发团队或独立开发者利用云平台数据中心内AI芯片的计算能力完成AI算法模型开发，包括算法模型的训练与推断两大场景。AI开发云平台需具备支持应用于各领域的全种类算法模型的能力，数据中心对AI芯片的选配需对其性能、成本、适配性及通用性进行综合考虑。从短期来看,CPU、GPU两类芯片仍将作为云端应用场景AI芯片的主流选择。

云端训练与推断应用场景对AI芯片需求占比的差异源自于对AI芯片性能需求的不同。AI算法模型在训练过程中需对模型参数进行持续调整，除矩阵计算外,还需涉及求导、积分等数学运算。专注矩阵计算的ASIC难以满足AI算法模型训练需求。ASIC芯片在模型参数已固化、大部分运算均为矩阵计算的云端推断应用场景中应用前景较为广阔，预计市场占比将逐渐提升。从总体来看，ASIC作为新一代AI芯片产品，其算法兼容性较低，短期内实现在云端应用场景中的规模化应用难度较大。