AI芯片行业研究报告（52页）

行业报告下载 2019年07月04日 08:29 管理员

当前全球云计算AI芯片市场英伟达一家独大（尤其是训练端），主要原因是英伟达GPU产品线丰富，编程环境成熟，产品支持市场上主要的开发框架和语言，产品广受AI开发者好评。但同时其产品也存在着功耗偏大、价格昂贵等问题（V100芯片售价达10万元，DGX系列服务器售价过百万元）。基于此，各大云厂商纷纷提出自己的AI芯片开发计划以摆脱上游AI芯片供货商一家独大的垄断市场情况。此外根据数据显示，推断市场未来增速和空间将会高于训练端市场，而GPU芯片并不善于推断任务，因此，在当前智能服务器渗透率尚低，GPU产品并非完美解决方案的情况下，我们认为对于其他AI芯片厂商云计算中心市场依然存在着较大的市场空间可以进入。如前文所述，当前在云端场景下被最广泛应用的AI芯片是英伟达的GPU，主要原因是：强大的并行计算能力（相比 CPU）、通用性以及成熟的开发环境。但是GPU也并非是完美无缺的解决方案，明显的缺点如：高能耗以及高昂的价格。目前包括创业公司、科技巨头等都在积极寻找GPU的替代方案，希望实现：既具有GPU通用性、又具有更好的能效和算力表现的通用、可编程产品。当前市场上典型的替代方案包括Google的TPU系列以及寒武纪的MLU系列产品。

边缘计算：在靠近数据源头的网络边缘侧，融合网络/计算/存储/应用等核心能力的分布式开放平台，就近提供边缘智能服务，具有海量联接、实时业务处理、数据优化、应用智能、安全与隐私保护等特点。边缘计算对软硬件系统提出了：1）海量异构联接、2）计算任务在边缘节点实时处理响应、3）硬件功耗/成本/空间/抗干扰等有严格要求、4）分布式资源的动态调度与统一管理、5）支持联接/数据/管理/控制/应用/安全等方面的协同等要求。边云协同放大边缘计算及云计算价值：边缘计算承担数据采集和部分的数据处理任务，支撑云端应用，而云计算通过大数据分析，优化输出的业务规则或模型，下发到边缘侧，为终端提供运行规则/模型。

在边缘计算场景，AI芯片主要承担推断任务，通过将终端设备上的传感器（麦克风阵列、摄像头等）收集的数据代入训练好的模型推理得出推断结果。由于边缘侧场景多种多样、各不相同，对于计算硬件的考量也不尽相同，芯片可以是IP in SoC，也可以是边缘服务器，对于算力和能耗等性能需求也有大有小。因此不同于云端场景的“高端、通用”，应用于边缘侧的计算芯片需要针对特殊场景进行针对性设计以实现最优的解决方案。

AI芯片行业研究报告（52页）