中國人工智能芯片行業(yè)投資戰(zhàn)略研究 我國發(fā)展人工智能具有良好基礎(chǔ)

• 李芬珍子 2023年9月12日 來源：中研網(wǎng) 1395 92
• 繁體

中國人工智能芯片行業(yè)投資戰(zhàn)略研究

一、人工智能芯片企業(yè)投資戰(zhàn)略

我國發(fā)展人工智能具有良好基礎(chǔ)。國家部署了智能制造等國家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)，印發(fā)實(shí)施了"互聯(lián)網(wǎng)+"人工智能三年行動(dòng)實(shí)施方案，從科技研發(fā)、應(yīng)用推廣和產(chǎn)業(yè)發(fā)展等方面提出了一系列措施。經(jīng)過多年的持續(xù)積累，我國在人工智能領(lǐng)域取得重要進(jìn)展，國際科技論文發(fā)表量和發(fā)明專利授權(quán)量已居世界第二，部分領(lǐng)域核心關(guān)鍵技術(shù)實(shí)現(xiàn)重要突破。語音識別、視覺識別技術(shù)世界領(lǐng)先，自適應(yīng)自主學(xué)習(xí)、直覺感知、綜合推理、混合智能和群體智能等初步具備跨越發(fā)展的能力，中文信息處理、智能監(jiān)控、生物特征識別、工業(yè)機(jī)器人、服務(wù)機(jī)器人、無人駕駛逐步進(jìn)入實(shí)際應(yīng)用，人工智能創(chuàng)新創(chuàng)業(yè)日益活躍，一批龍頭骨干企業(yè)加速成長，在國際上獲得廣泛關(guān)注和認(rèn)可。加速積累的技術(shù)能力與海量的數(shù)據(jù)資源、巨大的應(yīng)用需求、開放的市場環(huán)境有機(jī)結(jié)合，形成了我國人工智能發(fā)展的獨(dú)特優(yōu)勢。

同時(shí)，也要清醒地看到，我國人工智能整體發(fā)展水平與發(fā)達(dá)國家相比仍存在差距，缺少重大原創(chuàng)成果，在基礎(chǔ)理論、核心算法以及關(guān)鍵設(shè)備、高端芯片、重大產(chǎn)品與系統(tǒng)、基礎(chǔ)材料、元器件、軟件與接口等方面差距較大;科研機(jī)構(gòu)和企業(yè)尚未形成具有國際影響力的生態(tài)圈和產(chǎn)業(yè)鏈，缺乏系統(tǒng)的超前研發(fā)布局;人工智能尖端人才遠(yuǎn)遠(yuǎn)不能滿足需求;適應(yīng)人工智能發(fā)展的基礎(chǔ)設(shè)施、政策法規(guī)、標(biāo)準(zhǔn)體系亟待完善。

面對新形勢新需求，必須主動(dòng)求變應(yīng)變，牢牢把握人工智能發(fā)展的重大歷史機(jī)遇，緊扣發(fā)展、研判大勢、主動(dòng)謀劃、把握方向、搶占先機(jī)，引領(lǐng)世界人工智能發(fā)展新潮流，服務(wù)經(jīng)濟(jì)社會(huì)發(fā)展和支撐國家安全，帶動(dòng)國家競爭力整體躍升和跨越式發(fā)展。

二、人工智能芯片行業(yè)投資戰(zhàn)略

就目前人工智能主要發(fā)展方向來看，可投資的垂直細(xì)分領(lǐng)域主要包括，機(jī)器人芯片研發(fā)、智能視覺、自然語言理解和開放知識圖譜、人工智能教育、圍棋AI、機(jī)器視覺、機(jī)器人系統(tǒng)方案、體感人機(jī)交互、智能投顧、智能視覺等。而所有細(xì)分領(lǐng)域中，核心專用芯片是人工智能時(shí)代的戰(zhàn)略制高點(diǎn)。

投資基礎(chǔ)研究：在計(jì)算視覺、自然語言處理、決策推理等領(lǐng)域構(gòu)筑數(shù)據(jù)高效(更少的數(shù)據(jù)需求)、能耗高效(更低的算力和能耗)，安全可信、自動(dòng)自治的機(jī)器學(xué)習(xí)基礎(chǔ)能力

打造全棧方案：打造面向云、邊緣和端等全場景的、獨(dú)立的以及協(xié)同的、全棧解決方案，提供充裕的、經(jīng)濟(jì)的算力資源，簡單易用、高效率、全流程的AI平臺

投資開放生態(tài)和人才培養(yǎng)：面向全球，持續(xù)與學(xué)術(shù)界、產(chǎn)業(yè)界和行業(yè)伙伴廣泛合作，打造人工智能開放生態(tài)，培養(yǎng)人工智能人才。

三、細(xì)分行業(yè)投資戰(zhàn)略

目前以深度學(xué)習(xí)為代表的人工智能計(jì)算需求，主要采用GPU、FPGA等已有的適合并行計(jì)算的通用芯片來實(shí)現(xiàn)加速。在產(chǎn)業(yè)應(yīng)用沒有大規(guī)模興起之時(shí)，使用這類已有的通用芯片可以避免專門研發(fā)定制芯片(ASIC)的高投入和高風(fēng)險(xiǎn)。但是，由于這類通用芯片設(shè)計(jì)初衷并非專門針對深度學(xué)習(xí)，因而天然存在性能、功耗等方面的局限性。隨著人工智能應(yīng)用規(guī)模的擴(kuò)大，這類問題日益突顯。

GPU作為圖像處理器，設(shè)計(jì)初衷是為了應(yīng)對圖像處理中的大規(guī)模并行計(jì)算。因此，在應(yīng)用于深度學(xué)習(xí)算法時(shí)，有三個(gè)方面的局限性：第一，應(yīng)用過程中無法充分發(fā)揮并行計(jì)算優(yōu)勢。深度學(xué)習(xí)包含訓(xùn)練和推斷兩個(gè)計(jì)算環(huán)節(jié)，GPU在深度學(xué)習(xí)算法訓(xùn)練上非常高效，但對于單一輸入進(jìn)行推斷的場合，并行度的優(yōu)勢不能完全發(fā)揮。第二，無法靈活配置硬件結(jié)構(gòu)。GPU采用SIMT計(jì)算模式，硬件結(jié)構(gòu)相對固定。目前深度學(xué)習(xí)算法還未完全穩(wěn)定，若深度學(xué)習(xí)算法發(fā)生大的變化，GPU無法像FPGA一樣可以靈活的配制硬件結(jié)構(gòu)。第三，運(yùn)行深度學(xué)習(xí)算法能效低于FPGA。

盡管FPGA倍受看好，甚至新一代百度大腦也是基于FPGA平臺研發(fā)，但其畢竟不是專門為了適用深度學(xué)習(xí)算法而研發(fā)，實(shí)際應(yīng)用中也存在諸多局限：第一，基本單元的計(jì)算能力有限。為了實(shí)現(xiàn)可重構(gòu)特性，F(xiàn)PGA內(nèi)部有大量極細(xì)粒度的基本單元，但是每個(gè)單元的計(jì)算能力(主要依靠LUT查找表)都遠(yuǎn)遠(yuǎn)低于CPU和GPU中的ALU模塊;第二、計(jì)算資源占比相對較低。為實(shí)現(xiàn)可重構(gòu)特性，F(xiàn)PGA內(nèi)部大量資源被用于可配置的片上路由與連線;第三，速度和功耗相對專用定制芯片(ASIC)仍然存在不小差距;第四，F(xiàn)PGA價(jià)格較為昂貴，在規(guī)模放量的情況下單塊FPGA的成本要遠(yuǎn)高于專用定制芯片。

因此，隨著人工智能算法和應(yīng)用技術(shù)的日益發(fā)展，以及人工智能專用芯片ASIC產(chǎn)業(yè)環(huán)境的逐漸成熟，全定制化人工智能ASIC也逐步體現(xiàn)出自身的優(yōu)勢。

深度學(xué)習(xí)算法穩(wěn)定后，AI芯片可采用ASIC設(shè)計(jì)方法進(jìn)行全定制，使性能、功耗和面積等指標(biāo)面向深度學(xué)習(xí)算法做到最優(yōu)。

AI技術(shù)是多層面的，貫穿了應(yīng)用、算法機(jī)理、芯片、工具鏈、器件、工藝和材料等技術(shù)層級。各個(gè)層級環(huán)環(huán)緊扣形成AI的技術(shù)鏈。AI芯片本身處于整個(gè)鏈條的中部，向上為應(yīng)用和算法提供高效支持，向下對器件和電路、工藝和材料提出需求。一方面，應(yīng)用和算法的快速發(fā)展，尤其是深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)對AI芯片提出了2-3個(gè)數(shù)量級的性能優(yōu)化需求，引發(fā)了近年來AI片研發(fā)的熱潮。另一方面，新型材料、工藝和器件的迅速發(fā)展，例如3D堆疊內(nèi)存，工藝演進(jìn)等也為AI芯片提供了顯著提升性能和降低功耗的可行性，這個(gè)推動(dòng)力來源于基礎(chǔ)研究的突破。總體而言，這兩類動(dòng)力共同促進(jìn)了AI芯片技術(shù)近年來的快速發(fā)展。

《2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風(fēng)險(xiǎn)預(yù)測報(bào)告》由中研普華人工智能芯片行業(yè)分析專家領(lǐng)銜撰寫，主要分析了人工智能芯片行業(yè)的市場規(guī)模、發(fā)展現(xiàn)狀與投資前景，同時(shí)對人工智能芯片行業(yè)的未來發(fā)展做出科學(xué)的趨勢預(yù)測和專業(yè)的人工智能芯片行業(yè)數(shù)據(jù)分析，幫助客戶評估人工智能芯片行業(yè)投資價(jià)值。

• 相關(guān)深度報(bào)告REPORTS

  

  2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風(fēng)險(xiǎn)預(yù)測報(bào)告

  人工智能芯片也被稱為AI加速器或計(jì)算卡，即專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊（其他非計(jì)算任務(wù)仍由CPU負(fù)責(zé)）。業(yè)界關(guān)于AI芯片的定義仍然缺乏一套嚴(yán)格和公認(rèn)的標(biāo)準(zhǔn)。比較寬泛的看A...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡