安防信息 | 安防新闻 | 安防招聘 | 安防企业 | 安防产品 | 安防商机| 安防品牌 | 安防会展
全球AI芯片投资版图公开!机会都在这五大场景
http://www.secu001.com 2018-09-03 15:26:19 中国消防设备网

  过去一年,随着人工智能在各个行业的逐步落地,AI芯片的发展路径逐渐明朗。在行业走过野蛮生长,开始加速落地、加速整合的过程中,也有更多的AI芯片公司也开始走出属于自己的差异化路线。

  以下为智能内参整理呈现的干货:

  AI芯片投资地图

  AI芯片设计是人工智能产业链的重要一环。自2017年5月以来,各AI芯片厂商的新品竞相发布,经过一年多的发展,各环节分工逐渐明显。

  ▲AI芯片新品竞相发布(自2017年5月以来发布的AI芯片一览)

  AI芯片的应用场景不再局限于云端,部署于智能手机、安防摄像头、及自动驾驶汽车等终端的各项产品日趋丰富。除了追求性能提升外,AI芯片也逐渐专注于特殊场景的优化。

  目前,人工智能产业链中,包括提供AI加速核的IP授权商,各种AI芯片设计公司,以及晶圆代工企业。

  ▲AI芯片投资地图

  如上图所示,按部署的位置来分,AI芯片可以部署在数据中心(云端),和手机,安防摄像头,汽车等终端(边缘)上。

  按承担的任务来分,可以被分为用于构建神经网络模型的训练芯片,与利用神经网络模型进行推断的推断芯片。训练芯片注重绝对的计算能力,而推断芯片更注重综合指标,单位能耗算力、时延、成本等都要考虑。

  训练芯片受算力约束,一般只在云端部署。推断芯片按照不同应用场景,分为手机边缘推断芯片、安防边缘推断芯片、自动驾驶边缘推断芯片。为方便起见,我们也称它们为手机AI芯片、安防AI芯片和汽车AI芯片。

  由于AI芯片对单位能耗算力要求较高,一般采用14nm/12nm/10nm等先进工艺生产。台积电目前和Nvidia、Xilinx等多家芯片厂商展开合作,攻坚7nmAI芯片。

  五大场景塑造352亿美元市场

  ▲AI芯片市场规模及竞争格局

  根据中金公司对相关上市AI芯片公司的收入统计,及对AI在各场景中渗透率的估算,2017年AI芯片市场规模已达到39.1亿美元,具体情况如下:

  1、2017年全球数据中心AI芯片规模合计23.6亿美元,其中云端训练芯片市场规模20.2亿美元,云端推断芯片3.4亿美元。

  2、2017年全球手机AI芯片市场规模3.7亿美元。

  3、2017年全球安防摄像头AI芯片市场规模3.3亿美元。

  4、2017年全球自动驾驶AI芯片的市场规模在8.5亿美元。

  庞大的市场前景和战略意义使得AI芯片赢得了巨头们的热切关注。Nvidia在2017年时指出,到2020年,全球云端训练芯片的市场规模将达到110亿美元,而推断芯片(云端+边缘)的市场规模将达到150亿美元。

  Intel也在刚刚结束的2018DCI峰会上,也重申了数据业务驱动硬件市场增长的观点。Intel将2022年与用于数据中心执行AI加速的FPGA的TAM预测,由70亿美元调高至80亿美元。

  而同时,中金公司也注意到:

  1、手机SoC价格不断上升、AI向中端机型渗透都将为行业创造更广阔的市场空间。

  2、安防芯片受益于现有设备的智能化升级,芯片需求扩大。

  3、自动驾驶方面,针对丰田公司提出的算力需求,我们看到当下芯片算力与L5级自动驾驶还有较大差距。(英飞凌公司给出了各自动驾驶等级中的半导体价值预测,可以为我们的TAM估算提供参考。)

  ▲历代Apple手机芯片成本趋势

  ▲自动驾驶算力需求加速芯片升级

  ▲英飞凌对各自动驾驶等级中半导体价值的预测

  结合以上观点,及我们对AI在各应用场景下渗透率的分析,中金公司预测:

  1、云端训练芯片市场规模在2022年将达到172亿美元,CAGR~54%。

  2、云端推断芯片市场规模在2022年将达到72亿美元,CAGR~84%。

  3、用于智能手机的边缘推断芯片市场规模2022年将达到38亿美元,CAGR~59%。

  4、用于安防摄像头的边缘推断芯片市场规模2022年将达到18亿美元,CAGR~41%。

  5、用于自动驾驶汽车的边缘推断芯片市场规模2022年将达到52亿美元,CAGR~44%。

  以下是五个应用场景的详细分析。

  云端训练芯片:英伟达称霸

  ▲AI芯片工作流程

  训练是指通过大量的数据样本,代入神经网络模型运算并反复迭代,来获得各神经元“正确”权重参数的过程。CPU由于计算单元少,并行计算能力较弱,不适合直接执行训练任务,因此训练一般采用“CPU+加速芯片”的异构计算模式。目前Nvidia的GPU+CUDA计算平台是最成熟的AI训练方案,除此还有:

  1、第三方异构计算平台OpenCL+AMDGPU或OpenCL+Intel/Xilinx的FPGA。

  2、云计算服务商自研加速芯片(如Google的TPU)这两种方案。

  各芯片厂商基于不同方案,都推出了针对于云端训练的AI芯片。

  从整个云端训练芯片的市场竞争格局来看,目前NvidiaGPU的优势暂时明显,即便是Google的一些深度学习训练任务,同样离不开NvidiaGPU;在GPU之外,云端训练的新入竞争者是谷歌的TPU,但目前并不对外直接销售;英特尔方面,则在积极布局CPU+FPGA异构计算,并持续优化XeonCPU结构;同样深耕FPGA的还有Xilinx;GPU销量一直甚好的AMD也开始切入深度学习训练任务。

  云端推断芯片:百家争鸣

  推断是指借助现有神经网络模型进行运算,利用新的输入数据来一次性获得正确结论的过程。推断过程对响应速度一般有较高要求,因此会采用AI芯片(搭载训练完成的神经网络模型)进行加速。

  相比训练芯片,推断芯片考虑的因素更加综合:单位功耗算力,时延,成本等等。初期推断也采用GPU进行加速,但由于应用场景的特殊性,依据具体神经网络算法优化会带来更高的效率,FPGA/ASIC的表现可能更突出。

  除了Nvidia、Google、Xilinx、Altera(Intel)等传统芯片大厂涉足云端推断芯片以外,Wavecomputing、Groq等初创公司也加入竞争。中国公司里,寒武纪、比特大陆同样积极布局云端芯片业务。未来,云端推断芯片将针对智能语音识别、智能搜索等应用场景,呈现百花齐放的态势。

  手机端的推断芯片:格局稳定

  手机芯片市场目前包括(1)苹果,三星,华为这类采用芯片+整机垂直商业模式的厂商,以及(2)高通,联发科,展锐等独立芯片供应商和(3)ARM,Synopsys、Cadence等向芯片企业提供独立IP授权的供应商。

  采用垂直商业模式厂商的芯片不对外发售,只服务于自身品牌的整机,性能针对自身软件做出了特殊优化,靠效率取胜。独立芯片供应商以相对更强的性能指标,来获得剩余厂商的市场份额。

  ▲手机AI芯片对比

  从2017年开始,苹果,华为海思,高通,联发科等主要芯片厂商相继发布支持AI加速功能的新一代芯片(如下图),AI芯片逐渐向中端产品渗透。

  由于手机空间有限,独立的AI芯片很难被手机厂采用。在AI加速芯片设计能力上有先发优势的企业(如寒武纪)一般通过IP授权的方式切入。

  ▲智能手机SoC市占率分析(2017)

  对这些厂商来说,中金公司认为AI化的主要作用是提升芯片附加价值与产品单价。根据IHS的数据,随着硬件性能的增强及针对于AI的运算结构不断渗透,苹果A11芯片的成本已达到27.5美元。

  芯片成本持续上涨有望带动垂直模式厂商整机售价走高,在出货量相同的情况下为现有芯片厂商贡献更多的营业收入。高通、联发科、展锐等独立芯片供应商则会受益于芯片本身ASP的提升。

  安防边缘推断芯片:四方鼎立

  视频监控行业在过去十几年主要经历了“高清化”、“网络化”的两次换代,而随着2016年以来AI在视频分析领域的突破,目前视频监控行业正处于第三次重要升级周期——“智能化”的开始阶段。

  前端摄像头装备终端推断芯片,可以实时对视频数据进行结构化处理,“云+边缘”的边缘计算解决方案逐渐渗透。中金公司预计,应用安防摄像头的推断芯片市场规模,将从2017年的3.3亿美元,增长至2022年的18亿美元,CAGR~41%。

  边缘推断芯片在安防端的主要应用,基于将视频流在本地转化为结构化数据。这样既节省云端存储空间,也提升系统工作效率。因此,积极布局智能安防的除了英伟达、Movidius(计算机视觉创企),还有传统视频解码芯片厂商。业内,海思、安霸与Nvidia、Movidius形成有力竞争。

  ▲安防AI芯片对比

  中金公司认为,目前整个安防AI芯片市场竞争格局稳定,现有厂商凭借与下游客户长期的合作,有望继续受益于安防智能化的升级,属于新进入者的市场空间有限。

  安防AI芯片下游客户稳定,为海康威视、大华股份等视频监控解决方案提供商。客户与传统视频解码芯片厂商的长期合作具有粘性,同样推出新产品,初创公司的竞争优势弱一些,尤其是在安防AI芯片性能差异化很难做到很大的情况下。

  自动驾驶边缘推断芯片:一片蓝海

  除了智能手机,安防外,自动驾驶汽车也是人工智能的落地场景之一。

  车用半导体强大需求已经使供给端产能开始吃紧,而用于自动驾驶的推断芯片需求,同样有望在未来5年内实现高速增长。中金公司预计,其市场规模将从2017年的8.5亿美元,增长至2022年的52亿美元,CAGR~44%。

  ▲自动驾驶算力需求加速芯片升级

  若想使车辆实现真正的自动驾驶,要经历在感知-建模-决策三个阶段,每个阶段都离不开终端推断芯片的计算。不管是环境感知还是避障规划,自动驾驶都对芯片算力提出了很高的要求。而受限于时延及可靠性,有关自动驾驶的计算不能在云端进行,因此边缘推断芯片升级势在必行。

  根据丰田公司的统计数据,实现L5级完全自动驾驶,至少需要12TOPS的推断算力,按现行先进的NvidiaPX2自动驾驶平台测算,差不多需要15块PX2车载计算机,才能满足完全自动驾驶的需求。

  ▲自动驾驶平台对比

  近些年来,各传统车载半导体供应商纷纷涉猎自动驾驶业务,推出了各自的自动驾驶,或辅助驾驶平台;但下一代产品,中金公司预计Mobileye和新秀Nvidia有望实现领先。

  自动驾驶芯片市场仍处于初期起步阶段,对比其他终端应用场景,自动驾驶不仅计算复杂程度最高,车规级要求也为芯片设立了更高的准入门槛,其硬件升级落地相对缓慢。

  目前各厂商下一代的自动驾驶平台最早计划于2019年量产,现今上市平台中,芯片大多只支持L2/3级。

  虽然NXP等传统半导体厂商深耕于汽车电子多年,获得了一定的客户粘性,但在自动驾驶业务上,整个市场还未形成非常明显的竞争格局。客户也在不断测试芯片厂商的产品,来实现最优选择。

  从客户的偏好来看,传统大厂愿意自行搭建平台,再采购所需芯片,而新车厂偏向于直接购买自动驾驶平台。

  介于实现完全自动驾驶非常复杂,目前还在起步阶段,中金公司认为初创公司在整个行业的发展中是有机会的,并看好技术领先,能与车厂达成密切合作的初创公司。

  本土新锐盘点

  中国大陆目前有超20家企业投入AI芯片的研发中来。除了像华为海思、紫光展锐这种深耕于芯片设计多年的企业之外,也有不少初创公司表现抢眼,如寒武纪、比特大陆等。

  此外,台湾地区的GUC(创意电子)是一家IC后端设计公司,凭借20年的行业经验,和投资方晶圆制造巨头台积电的鼎力支持,在AI芯片高速发展的大环境下也有望受益。

  ▲中国大陆主要AI芯片设计公司至少有20家

  以下是中金公司推荐关注的AI芯片企业:

  海思半导体

  海思半导体(Hisilicon)成立于2004年10月,是华为集团的全资子公司。海思的芯片产品覆盖无线网络、固网及数字媒体等多个领域,其AI芯片为Kirin970手机SoC及安防芯片Hi3559AV100。Kirin970集成NPU神经处理单元,是全球第一款手机AI芯片,它在处理静态神经网络模型方面有得天独厚的优势。而Hi3559AV100是一款性能领先的支持8k视频的AI芯片。

  清华紫光展锐

  清华紫光集团(TsinghuaUNISOC)于2013年、2014年先后完成对展讯及锐迪科微电子的收购,2016年再将二者合并,成立紫光展锐。紫光展锐是全球第三大手机基带芯片设计公司,是中国领先的5G通信芯片企业。

  Gartner的数据显示,紫光展锐手机基带芯片2017年出货量的全球占比为11%。除此之外,展锐还拥有手机AI芯片业务,推出了采用8核ARMA55处理器的人工智能SoC芯片SC9863,支持基于深度神经网络的人脸识别技术,AI处理能力比上一代提升6倍。

  GUC

  GUC(台湾创意电子)是弹性客制化IC领导厂商(TheFlexibleASICLeaderTM),主要从事IC后端设计。后端设计工作以布局布线为起点,以生成可以送交晶圆厂进行流片的GDS2文件为终点,需要很多的经验,是芯片实现流片的重要一环。

  在AI芯片设计发展的大环境下,加上大股东台积电的支持,GUC有望获得大量的后端订单。公司已在台湾证券交易所挂牌上市,股票代号为3443。

  寒武纪科技

  寒武纪(CambriconTechnologies)创立于2016年3月,是中科院孵化的高科技企业,主要投资人为国投创业和阿里巴巴等。

  公司产品分为终端AI芯片及云端AI芯片。终端AI芯片采用IP授权模式,其产品Cambricon-1A是全球首个实现商用的深度学习处理器IP。去年年底公司新发布了第三代机器学习专用IPCambricon-1M,采用7nm工艺,性能差不多高出1A达10倍。云端产品上,寒武纪开发了MLU100AI芯片,支持训练和推断,单位功耗算力表现突出。

  比特大陆

  比特大陆(Bitmain)成立于2013年10月,是全球第一大比特币矿机公司,目前占领了全球比特币矿机60%以上的市场。

  由于AI行业发展迅速及公司发展需要,公司将业务拓展至AI领域,并于与2017年推出云端AI芯片BM1680,支持训练和推断。目前公司已推出第二代产品BM1682,相较上一代性能提升5倍以上。

  地平线机器人

  成立于2015年7月,地平线(HorizonRobotics)是一家注重软硬件结合的AI初创公司,由Intel、嘉实资本、高瓴资本领投。

  公司主攻安防和自动驾驶两个应用场景,产品为征程1.0芯片(支持L2自动驾驶)和旭日1.0(用于安防智能摄像头),具有高性能(实时处理1080P@30帧,并对每帧中的200个目标进行检测、跟踪、识别)、低功耗(典型功耗在1.5W)、和低延迟的优势(延迟小于30毫秒)。公司二代自动驾驶芯片将于1Q19流片,实现语义建模。

  云天励飞

  云天励飞(Intellifusion)创立于2014年8月,由山水从容传媒、松禾资本领投,主攻安防AI芯片。其自研IPU芯片是低功耗的深度学习专用处理器,内含专用图像处理加速引擎,通过级联扩展最多可处理64路视频。能耗比突出,超过2Tops/Watt。

  异构智能

  异构智能(NovuMind)创立于2015年8月,由洪泰基金、宽带资本、真格基金和英诺天使投资。

  2018年公司展示了其首款云端AI芯片NovuTensor,基于FPGA实现,性能已达到目前最先进的桌面服务器GPU的一半以上,而耗电量仅有1/20。公司即将推出的第二款ASIC芯片,能耗不超5W,计算性能达15TOPs,将被用于安防和自动驾驶应用中。

  龙加智

  创立于2017年7月,龙加智(Dinoplus)是专注于云端芯片的AI初创公司,由挚信资本和翊翎资本领投。

  公司产品Dino-TPU在75W功耗下,计算能力超过除最新款NvidiaVolta之外的所有GPU,时延仅为VoltaV100的1/10。同时,Dino-TPU提供市场上独一无二的冗余备份和数据安全保障。公司计划于2018年底完成第一款芯片的流片。

  智东西认为,GPU已经在训练芯片方面站稳脚跟,但随着人工智能场景化的逐步深入,针对性更强的TPU和更为灵活的FPGA将瓜分新市场,而边缘计算(推断)方面,多样化的场景应用给传统玩家、芯片厂商和新兴创企提供了充足的竞争平台。

文章关键字:

在线
客服

在线客服服务时间:8:00-17:00

客服
热线

024-83959308
网站服务热线

生意
名片

微营销
拥有自己的手机名片