首頁 行業資訊正文

最新調研:AI芯片的應用場景與市場需求

當前AI芯片設計方案繁多,包括但不限于GPU\FPGA\ASIC\DSP等,所以目前市場上對于AI芯片並無明確統一的定義,廣義上所有面向人工智能(Artificial Intelligence,AI)應用的芯片都可以被稱爲AI芯片。
在人工智能發展初期,算法已經通過數據中心(雲端)在大數據分析、精准營銷、商業決策等方面實現了成功地應用落地。
而未來,智能化將會逐漸滲透進入能源、交通、農業、公共事業等更多行業的商業應用場景中,考慮到智能化任務運算力需求,以及傳輸帶寬、數據安全、功耗、延時等客觀條件限制,現有雲端計算解決方案難以獨自滿足人工智能本地應用落地計算需求,終端、邊緣場景同樣需要專用的AI芯片。
應用場景:雲計算
雲計算發展自互聯網廠商提升服務器使用效率而逐漸開始的服務器Web租賃服務。在雲計算産業鏈中,雲廠商負責基礎設施和雲組織架構的搭建,並爲客戶提供PaaS、SaaS服務,具有極高的資本和技術門檻,在産業鏈中享有極大的話語權。
通過雲服務模式,采取按需租用超算中心計算資源可極大降低項目期初資本投入,同時也省卻了項目開發期間的硬件運維費用,實現資本配置效率的最大化提升。
雲計算服務模型
雲計算是一種按使用計費的IT服務模型,實現對高可靠、可配置的計算資源池(服務器、存儲、網絡、應用程序和服務)方便快捷的訪問,資源可通過最少的管理工作快速的配置和發布。
雲計算具有:資源池、廣泛的網絡訪問、按需自助服務、快速彈性膨脹、測量服務等5個基本特征。


雲計算市場需求
中國雲計算産業比美國發展晚2~4年左右,在全球雲計算市場中,美國占比達到54.1%,中國僅爲5%。2017年中國IT支出爲2.4萬億人民幣,僅占全球IT總支出金額的9.92%,對應中國GDP水平仍有較大的提升空間。
中國雖然起步較晚但發展迅猛,對比亞馬遜及阿裏巴巴雲計算資本支出數據,可以看到阿裏巴巴在雲計算領域支出總金額絕對值雖然少于亞馬遜,但增速卻顯著超過了亞馬遜的資本支出增速,這顯示了近年來國內加大對于計算資源基礎設施的建設力度,將極大受益于服務器廠商及上遊芯片廠商業績。


雲計算AI芯片市場規模
當前全球雲計算AI芯片市場英偉達一家獨大(尤其是訓練端),主要原因是英偉達GPU産品線豐富,編程環境成熟,産品支持市場上主要的開發框架和語言,産品廣受AI開發者好評。
但同時其産品也存在著功耗偏大、價格昂貴等問題,因此各大雲廠商紛紛提出自己的AI芯片開發計劃以擺脫上遊AI芯片供貨商一家獨大的壟斷市場情況。
在當前智能服務器滲透率尚低,GPU産品並非完美解決方案的情況下,對于其他AI芯片廠商雲計算中心市場依然存在著較大的市場空間可以進入。


應用場景:邊緣計算
在邊緣計算場景,AI芯片主要承擔推斷任務,通過將終端設備上的傳感器(麥克風陣列、攝像頭等)收集的數據代入訓練好的模型推理得出推斷結果。
由于邊緣側場景多種多樣、各不相同,對于計算硬件的考量也不盡相同,芯片可以是IP inSoC,也可以是邊緣服務器,對于運算力和能耗等性能需求也有大有小。
因此不同于雲端場景的“高端、通用”,應用于邊緣計算的AI芯片需要針對特殊場景進行針對性設計以實現最優的解決方案。
智慧安防市場
在國內,安防市場是最爲確定的邊緣側AI應用場景,主要原因是大量的監控視頻數據分析對人力的需求與當前基層人力缺失、人力成本上升之間的顯著矛盾。
需求來自于包括政府、大中企業以及個人安防需求,主要市場需求來自于政府,包括平安城市、智慧交通管控、智慧城市、雪亮工程等。
另外智能攝像頭的應用可以有效解決基層數據傳輸帶寬壓力以及基層警力人員缺失等問題,因而政府項目將會對智能安防攝像頭市場帶來較大的驅動作用。


移動互聯網市場
智能手機在經曆了近10年的高速增長後,市場已趨于飽和,出貨增速趨近于0,行業逐漸轉爲存量市場。
近年來,一批國産廠商在産品質量上逐漸達到了第一梯隊的水平,進一步加劇了頭部市場的競爭。爲實現差異化競爭,各廠商加大手機AI 功能的開發,通過在手機SoC芯片中植入AI芯片實現在低功耗情況下AI功能的高效運行。
隨著未來競爭進一步加劇,以及産量上升所帶來的成本下降,預計AI芯片將會進一步滲透進入到中等機型市場,市場空間廣闊。
移動端AI芯片市場不止于智能手機,潛在市場還包括:智能手環/手表、VR/AR眼鏡等市場。

自動駕駛市場
根據美國汽車工程師協會(SAE)將自動駕駛按照車輛行駛對于系統依賴程度分爲L0~L5六個級別,L0爲車輛行駛完全依賴駕駛員操縱,L3級以上系統即可在特定情況下實現駕駛員脫手操作,而L5級則是在全場景下車輛行駛完全實現對系統的依賴。
目前商業化乘用車車型中僅有Audi A8、Tesla、凱迪拉克等部分車型可實現L2、3級ADAS。預計在2020年左右,隨著傳感器、車載處理器等産品的進一步完善,將會有更多的L3級車型出現。
而L4、5級自動駕駛預計將會率先在封閉園區中的商用車平台上實現應用落地,更廣泛的乘用車平台高級別自動駕駛,需要伴隨著技術、政策、基礎設施建設的進一步完善,預計至少在2025年~2030年以後才會出現在一般道路上。

伴隨人工智能技術在視覺領域的應用,基于視覺技術的自動駕駛方案逐漸變爲可能,這需要在傳統行車電腦平台上添加用于視覺算法處理的AI芯片。
自動駕駛汽車計算單元設計需要考慮算力、功耗體積等問題,出于硬件資源最優化應用,往往采取異構計算平台設計方案,及“CPU+XPU”(XPU包括:DSP/GPU/FPGA/ASIC),其中可采取DSP用于圖像特征提取任務、GPU/FPGA/ASIC等計算單元用于目標識別、追蹤任務等,而CPU則會用于定位、決策等邏輯運算任務。

芯片研發、制造成本高昂,對資金需求極大,預計未來1~2年,隨著各廠商首批AI芯片産品的面市,市場將會對各廠商的産品和技術進行實際檢驗,技術不足、産品缺乏競爭力的團隊在缺乏後續訂單和盈利支撐的情況下將會陸續退出市場,存活下來的企業將會是技術和産品領先、獲得市場認可的優秀企業和團隊。
當前已經有一批企業在産品研發和市場推廣上做出了一定的成績,其中包括海外和國內的科技巨頭和創業公司,如:英偉達、華爲海思、寒武紀、比特大陸等,其産品在雲端、自動駕駛、智慧安防、移動互聯網等場景中獲得了較好地應用。
分享
版權聲明

本文僅代表作者觀點,不代表本站立場。
本文系作者授權發表,未經許可,不得轉載。

評論

精彩評論
  • 2019-09-05 14:07:51

    雲計算、大數據、人工智能都是大勢所趨