中投研究：AI芯片拥抱高速增长期(2)

　　DSP[9]用于音频、视频、无线电信号及各种传感数据处理。当模数转换器将采集的模拟信号转换为数字信号后，由DSP负责对数字信号进行实时处理，因此DSP经常以ASIC和FPGA等专用处理芯片的形式用于手机、电视到电网监测、医疗设备等嵌入式设备和专业仪器。

　　类脑芯片主要是模拟人脑运行机制设计，比如IBM的类脑芯片TrueNorth就是基于脉冲神经网络。但受限于脑科学的发展水平，目前还很难研制出通用的类脑芯片，市场上的类脑芯片一般只是部分汲取了人脑特点的专用处理芯片。

　　前述处理芯片在应用、技术和性能方面各有特点（见图4）。从需求端看，在物联网、5G和AI等应用的牵引下对各类芯片尤其是专用芯片的需求有望较快增长；从供给端看，随着工艺制程逼近量子领域及成本上升，技术门槛较低的专用处理芯片成为新厂商的突破口。

图4 相关处理芯片特点和部分厂商

　　注：图中的芯片架构等为大致的相对趋势，仅为示意性质

　　来源：中投研究院

　　（三）片上系统

　　片上系统（System on Chip， SoC）把一个系统所需的各种芯片和电子部件集成到单一芯片上， 与传统的主板集成方式相比以牺牲维修性为代价提高了能效，适合于智能手机、智能手表及各种嵌入式应用场景。例如，华为的麒麟970处理器是集成了8核CPU、12核GPU以及寒武纪的Cambricon-1A NPU等多个芯片的片上系统，高通骁龙845芯片是集成了DSP、GPU、图像信号处理器等多个芯片的片上系统。集成晶体管的数量可作为衡量芯片复杂度的粗略参考（见图5）。

图5 芯片集成的晶体管数量

　　注： 2000年后多核架构和集成多芯片的片上系统、板卡盛行，图中的晶体管数量只能作为芯片复杂度非常粗略的参考

　　片上系统为了提高AI处理能力，开始将部分AI任务分解细化，让CPU、GPU之外的其它处理芯片负责某些特定场景。以高通计划2019年发布的Snapdragon 855为例，该SoC芯片的一大亮点是集成了所谓第4代嵌入式AI引擎，AI性能达到前代产品的3倍。其AI引擎及相关功能不但包括了CPU和GPU，更将DSP、ISP（图像传感处理器）等处理芯片纳入其中（见图6），着力提升摄像、语音、混合现实（XR）和游戏体验，AI化的DSP甚至可以将当前人像模式（通过背景虚化突出人物）从静态照片应用到视频中。Snapdragon 855的DSP和ISP芯片在AI任务方面的区别同样体现在对效率与灵活性的取舍，允许编程的DSP更为通用灵活，而ISP在与摄像头相关的特定应用场景下更为高效。

图6 从高通Snapdragon 855看片上系统的AI化

　　（四）AI芯片：人工智能时代新机遇

　　广义的AI芯片是泛指应用于人工智能场景的各类芯片，可用于数据中心和云端，也可用于边缘计算节点和嵌入式设备。CPU可用于深度学习的推理，GPU适合深度学习的训练和推理任务，很多初创公司则往往从门槛较低的专用芯片入手。狭义的AI芯片则主要指GPU以及ASIC、FPGA、类脑芯片等专用芯片。例如，深鉴科技的DPU（深度学习芯片）属于半定制化的FPGA，地平线的BPU（大脑处理器）是出厂后不可再编程的ASIC，微软则采用英特尔的FPGA。

　　AI芯片既与软件算法、计算范式有关，也与应用特质、生产工艺有关，相关技术概览见图7。

图7 AI芯片相关技术概览

　　来源：清华大学、北京未来芯片技术高精尖创新中心： 《人工智能芯片技术白皮书（2018）》

　　二、AI芯片市场规模和趋势

　　全球AI芯片市场规模预计2023年达108亿美元，在2017年至2023年期间年复合增长率53.6%。[10]中金公司则认为AI芯片的市场规模将从2017年39.1亿美元增长到2022年352.2亿美元，期间年复合增长率55%。尽管对市场规模的估算有所不同，但都认为AI芯片市场将在未来5年保持高速增长。

　　（一）按应用平台