当前，人工智能正快速应用于金融、安防、交通、教育等传统行业，提升生产、分配、交换、消费等各环节效率，对于推动技术创新升级和行业提质增效的成效日益凸显。人工智能的高速发展也直接带动对底层计算芯片的市场需求，据citics统计预测，2016年全球人工智能芯片市场规模超过20亿美元，预估至2020年平均复合增长率超过40%、年规模接近150亿美元。伴随人工智能芯片技术逐步成熟和市场起量，其占据人工智能整体市场规模呈现逐年递增态势，预计将从2016年的8%增长至2020年的12%。

全球人工智能芯片领域

高速发展

现阶段，以cpu芯片为代表的传统计算芯片以串行逻辑运算为主，在体系架构上无法高效实现现有深度学习算法对海量数据高吞吐量、密集性线性代数任务的高并行化处理需求，驱动包括gpu、fpga、asic等专用于深度学习算法加速的芯片技术加速发展，呈现多技术路线并发创新的态势。

gpu芯片因其通用性较强且适合大规模并行计算而被广泛采用，但能耗和价格双高，因此多限制部署在云端或车载等对成本和能耗不敏感场景，代表企业包括英伟达和amd。英伟达凭借针对人工智能运算优化的高性能tesla系列gpu产品初步获取云端市场优势,目前包括谷歌、脸书、微软等巨头企业和大量的初创企业、科研院所等均应用英伟达的gpu产品进行深度学习项目开发，覆盖医疗、教育、金融、制造等领域。与此同时，amd也加速追赶，最新发布全球首款7nm制程的vega gpu芯片，引入针对人工智能任务设计的可编程几何流水线、混合精度计算单元等架构技术，试图抢攻服务器和工作站市场。

fpga芯片可通过编程灵活配置芯片架构适应算法更新且能效高于gpu芯片，但产品开发门槛较高，代表企业包括赛灵思、英特尔等。赛灵思推出基于fpga架构的新型多核异构计算平台acap，集成soc、dsp、hbm、可编程i/o等模块，可针对人工智能任务需求，实现硬件层面低至毫秒级别的高效灵活调节配置。此外，亚马逊、微软、百度等下游企业为加速应用创新也基于fpga芯片产品开发解决方案。例如，百度基于赛灵思fpga芯片产品开发云端人工智能加速芯片xpu，应用专用计算单元、高带宽低延时内存、高带宽i/o接口等架构设计满足深度学习计算需求，同时结合旗下paddlepaddle深度学习框架打造百度云平台服务能力。

asic芯片通过将算法固化实现极致的性能和能效，且大规模量产后成本优势突显，但前期开发周期长易面临算法迭代风险，参与企业涵盖英特尔等传统硬件厂商以及谷歌、大量芯片初创公司等新兴力量。谷歌基于深度学习算法的深刻理解和云端市场应用需求开发业界最高峰值计算能力的asic芯片cloud tpu，深度耦合旗下tensorflow开发框架打造闭环生态，提升谷歌云平台核心竞争力。英特尔采取企业收购策略铺开人工智能asic芯片产品布局，收购nervana推出面向云端处理任务的lake crest芯片，收购movidius推出高能效的mybriad x计算机视觉芯片，支持无人机、摄像头、vr/ar头显等智能硬件的计算机视觉功能。苹果发布iphone x智能手机内置a11生物芯片，集成神经网络处理引擎，可本地辅助支持face id、语音识别、ar等功能，大幅提升芯片运算效率。

我国人工智能芯片领域

创新活跃

我国庞大的人工智能应用市场对底层芯片产生巨大需求，但本土人工智能芯片产业尚处于起步阶段，企业多采用asic架构创新布局，代表参与企业涵盖中星微、寒武纪、比特大陆、地平线机器人、深鉴科技等芯片厂商以及海康威视、科大讯飞等产业链其他环节企业，且主要布局模式分为两类。

一是以寒武纪、比特大陆等为代表，聚焦人工智能通用计算需求侧重研发通用加速芯片技术及产品。寒武纪推出深度学习处理ip产品1a处理器，已嵌入华为麒麟970芯片中提升智能手机的图像识别、机器翻译和语音降噪等综合处理能力；发布云端智能芯片mlu 100，可支持各类深度学习和常见机器学习算法，并联合中科曙光、联想推出深度学习专用服务器提供云处理服务。

二是以地平线、深鉴科技等企业为代表，侧重研发与特定算法和特定应用场景深度耦合的专用芯片，打造智能应用解决方案。地平线面向智能驾驶场景开发嵌入式人工智能视觉芯片-征程处理器，支持l2级别adas系统，实现同时对行人、机动车等多类目标的实时检测、跟踪与识别。深鉴科技面向智能安防领域推出基于自研架构的听涛soc芯片，可提供人脸检测识别、人脸分析、视频结构化处理等软硬一体化解决方案。

以上是网络信息转载，信息真实性自行斟酌。