未來5年人工智慧晶片行業發展路徑及前景展望

發展路徑

人工智慧晶片的發展路徑：從通用走向專用。

作為一項計算密集型的新技術，人工智慧早期可以依靠通用晶片的性能來迅速發展，而後期則必須依靠專用晶片的出現才能統治市場。定制的硬體才能實現更優的功耗效率，滿足不同演算法、結構、終端和消費者的需求，實現規模化的收益。

當然，通用晶片與專用晶片永遠都不是互相替代的關係，二者必須協同工作才能發揮出最大的價值。

前景展望

當前各大科技巨頭在人工智慧晶片領域的佈局大多集中在雲端AI晶片領域，

在雲端處理與AI相關的任務，雖然這種方法可以獲得優異的處理器性能，但在安全性和隱私性方面有所犧牲。對於廣闊的消費電子市場，終端AI晶片領域未來有望放量。

從研發週期、生產成本、產品性能、功耗水準等多個角度進行衡量，最容易應用到終端消費領域的加速學習晶片是GPU。谷歌高級研究員在預測深度學習未來趨勢時談到未來深度學習演算法將會更高效，

即使沒有額外的硬體支援或是過高的記憶體開銷，也能夠在廉價的移動設備上運行。

消費級核心晶片的要求主要有兩個：首先是體積和性能上能夠滿足移動智慧設備的要求；其次是成本保持在較低水準。GPU基於其較低的生產成本、較為成熟的生產工藝、強大的處理平行計算的能力及在影像處理方面在智慧手機端積累了較多應用基礎，

有望成為最可能搶灘消費級加速計算市場的核心晶片。而在性能要求較高的深度學習領域，例如智慧型機器人及類腦電腦的研發，FPGA、ASIC及目前正處於嘗試階段的類腦晶片的技術發展都有望對機器學習領域的進步做出巨大貢獻

目前在汽車、機器人、家居等終端領域，人工智慧技術已經開始得到應用，部分科技巨頭也開始切入相應市場進行佈局。

中國人工智慧市場份額年增速高達50%，遠超全球平均水準的19.7%。隨著相關智慧財產權的不斷開放和技術的不斷積累，未來我國在人工智慧晶片領域的發展速度有望大幅提高。國內已經有部分企業在沿人工智慧產業鏈進行佈局，在核心晶片、大資料、生物識別、物聯網、安防等領域，國內公司均已順利切入並取得一定突破進展。