云推测芯片:百家争鸣推测指的是利用现有的神经网络模型-亚博手机版官方

企业新闻 | 2020-12-17
本文摘要:英特尔将2022年用作数据中心的人工智能加速现场可编程门阵列的TAM预测从70亿美元下调至80亿美元。)历代苹果手机芯片的成本趋势自主驱动计算能力的市场需求加速了芯片升级英飞凌对各种自主驱动水平的半导体价值的预测综合了以上观点和我们对各种适用场景下AI普及率的分析

在过去的一年里,随着人工智能在各个行业的逐渐落地,AI芯片的发展路径也逐渐清晰。在残酷的成长过程中,加速了行业的落地和整合,更多的AI芯片公司也开始进入自己的差异化路线。以下是智能内部参考排序呈现的干货:AI芯片投资图AI芯片设计是人工智能产业链的重要组成部分。

从2017年5月开始,AI芯片厂商的新产品在竞争中公布。经过一年多的发展,各个环节的分工逐渐明显。

计算能力

AI芯片新产品发布(2017年5月以来发布的AI芯片列表)。AI芯片的应用仍然局限于云,部署在智能手机、安防摄像头、自驾汽车等终端的各种产品越来越丰富。AI芯片除了持续的性能提升之外,也在逐渐把重点放在类似场景的优化上。

目前人工智能产业链还包括收购AI加速核心的IP许可人,各种AI芯片设计公司,代工企业。AI芯片投资图如上图和右图所示。根据部署方向,AI芯片可以部署在数据中心(云)和手机、安防摄像头、汽车等终端(边缘)。

根据共享任务的不同,可以分为构建神经网络模型的训练芯片和利用神经网络模型扩展推测的推测芯片。训练芯片侧重于显著的计算能力,而推测芯片更侧重于综合指标,要考虑单位能耗的计算能力、延时和成本。训练芯片受计算能力限制,一般只部署在云中。

推定芯片根据应用场景的不同分为手机边缘推断芯片、安全边缘推断芯片和自动驱动边缘推断芯片。为了方便,我们也称之为手机AI芯片、安防AI芯片、汽车AI芯片。

AI芯片一般采用14nm/12nm/10nm等先进设备工艺生产,由于其单位能耗对计算能力的高拒绝度。目前,TSMC已经与英伟达、Xilinx等芯片厂商合作,对7nmAI芯片进行了攻击。这五种情景塑造成352亿美元的市场AI芯片市场规模和竞争格局根据CICC上市AI芯片公司收入统计和各种情景下AI普及率的估计,2017年AI芯片市场规模已经超过39.1亿美元。

具体如下:1 .2017年全球数据中心AI芯片规模总计23.6亿美元,其中云培训芯片市场规模20.2亿美元,云投机芯片3.4亿美元。2.2017年,全球手机AI芯片市场将达到3.7亿美元。3.2017年,全球安防摄像头AI芯片市场将达到3.3亿美元。

4.2017年,全球自主驾驶AI芯片市场规模将达到8.5亿美元。可观的市场前景和战略意义使AI芯片赢得了巨头们的希望和关注。2017年,英伟达认为到2020年,云培训芯片的全球市场规模将超过110亿美元,并推测芯片(云边缘)的市场规模将超过150亿美元。

在刚刚结束的2018DCI峰会上,英特尔还肯定了数据服务推动硬件市场快速增长的观点。英特尔将2022年用作数据中心的人工智能加速现场可编程门阵列的TAM预测从70亿美元下调至80亿美元。同时,CICC也注意到:1。

手机SoC价格大幅下跌,AI渗透到中端机型,将为行业打造更广阔的市场空间。2.安全芯片得益于现有设备的智能升级,市场对芯片的需求不断扩大。3.在自动驾驶方面,根据丰田明确提出的计算能力市场需求,可以看出芯片计算能力和L5自动驾驶还有很小的差距。

(英飞凌已经获得了各个自主驾驶级别的半导体值预测,可以作为我们TAM估算的参考。)历代苹果手机芯片的成本趋势自主驱动计算能力的市场需求加速了芯片升级英飞凌对各种自主驱动水平的半导体价值的预测综合了以上观点和我们对各种适用场景下AI普及率的分析 3.智能手机的优势预测,2022年芯片市场规模将超过38亿美元,CAGR约占59%。4.据估计,2022年用作安全摄像头的芯片市场规模将超过18亿美元,CAGR约占41%。

5.据估计,2022年用作自动驾驶汽车的芯片市场规模将超过52亿美元,CAGR约占44%。这里有五个应该在场景中使用的详细分析。云训练芯片:英伟达霸王AI芯片工作流训练是指通过将大量数据样本代入神经网络模型运算,重复递归,获得每个神经元精确权重参数的过程。由于CPU计算单元少,并行计算能力强,不适合继续执行训练任务,所以训练一般使用CPU来加速芯片的异构计算模式。

目前英伟达的GPU CUDA计算平台是最成熟的AI培训方案,除了:1。第三方异构计算平台OpenCL AMDGPU或OpenCL Intel/Xilinx FPGA。2.云计算服务提供商开发自己的加速芯片(如谷歌的TPU)。

基于不同的方案,各种芯片厂商都有出售AI芯片用于云培训。从整个云培训芯片的市场竞争格局来看,目前英伟达的优势继续显著。甚至谷歌的一些深度自学培训任务,某种程度上对英伟达GPU是必要的;除了GPU,云培训的新竞争对手是谷歌的TPU,但目前对外销售没有必要;在英特尔方面,我们正在大力部署CPU FPGA异构计算,不断优化XeonCPU结构;Xilinx也是在某种程度上培养FPGAGPU销量还是很不错的AMD,已经开始紧紧跟随深度自学培训的任务。

云推测芯片:百家争鸣推测指的是利用现有的神经网络模型进行扩展运算,并重用新的输出数据以获得准确结论的过程。一般来说,推理过程对响应速度有很高的排斥性,所以不会使用AI芯片(配备经过训练的神经网络模型)来加快部署。相比训练芯片,推测芯片考虑的因素更全面:单位功耗的计算能力、延时、成本等等。初期推测也是用GPU扩展来加速。

但由于在场景中应用的特殊性,很明显神经网络算法优化并不会带来更高的效率,FPGA/ASIC显示可能更引人注目。除了英伟达、谷歌、Xilinx、Altera(Intel)等传统芯片厂商,Wavecomputing、Groq等初创公司也再次加入竞争。

在中国公司,寒武纪和Bitland在一定程度上大力部署云芯片业务。未来云推测芯片将应用于场景进行智能语音识别和智能搜索,呈现百花齐放的趋势。手机端推定芯片:手机芯片市场处于稳定格局。目前还包括(1)苹果、三星、华为,采用全芯片机的横向商业模式,(2)高通、联发科、展锐等独立的国家级芯片供应商,(3)ARM、Synopsys、Cadence,从芯片企业获得独立国家的ip许可。

采用横向商业模式的厂商的芯片不对外销售,只为自己品牌的整机服务。性能同样针对他们自己的软件进行了优化,他们以效率取胜。

独立国家的芯片供应商以更强的性能指标获得剩余制造商的市场份额。手机AI芯片对比从2017年开始,苹果、华为海思、高通、联发科等各大芯片厂商相继针对AI加速功能发布新一代芯片(如下图),AI芯片逐渐渗透到中端产品中。

由于手机空间有限,独立国家的AI芯片很难被手机工厂使用。在人工智能加速芯片设计的能力方面具有先发优势的企业(如寒武纪)通常通过知识产权许可来抓住它。智能手机SoC市场份额分析(2017)对于这些厂商,CICC指出AI简化的主要作用是提高芯片的可选价值和产品的单价。

据IHS数据显示,随着硬件性能的提升和计算结构对AI的渗透,苹果A11芯片的成本已经超过 高通、联发科、展锐等独立的全国性芯片供应商,并不会从芯片本身ASP的提升中获益。安全边缘投机芯片:四方的视频监控行业,在过去的十年里,经历了两个新世代的高清和联网。

随着AI自2016年以来在视频分析领域的突破,视频监控行业现在正处于第三个最重要的升级周期的开始阶段。前端摄像头配有终端推测芯片,可以对视频数据进行结构化的动态处理,解在计算云边缘时逐渐渗透。CICC预测,用于安全摄像头的投机芯片的市场规模将从2017年的3.3亿美元迅速增加到2022年的18亿美元,CAGR为41%。

边缘推测芯片在安全方面的主要应用是基于将视频流本地转换成结构化数据。这不仅节省了云中的存储空间,还提高了系统的工作效率。所以除了NVIDIA和Movidius(计算机视觉初创公司)之外,还有传统的视频解码芯片厂商在大力部署智能安全。

在行业内,海思和安巴与英伟达和Movidius竞争激烈。安全AI芯片对比CICC指出,目前整个安全AI芯片市场的竞争格局是稳定的,在与下游客户多年的合作下,现有厂商未来将受益于安全智能的升级,属于新受让方的市场空间是有限的。安全AI芯片下游客户稳定,是Hikvision、大华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,且有一定程度的新产品发布,因此初创企业的竞争优势较弱,尤其是在安全AI芯片的性能差异化非常困难的情况下。自动驾驶边缘推理芯片:蓝色海洋。除了智能手机和安防,自驾汽车也是人工智能的落地场景之一。

汽车半导体的强劲市场需求已经使供应端的产能严重不足,用于自动驾驶的投机芯片的市场需求将在未来五年内一定程度上建立高速快速增长。CICC估计,其市场规模将从2017年的8.5亿美元迅速增长至2022年的52亿美元,其中CAGR占44%。市场对自动驱动计算能力的需求加速了芯片升级。要想让车辆造出真正的自动驾驶,要经过感官-建模-决策三个阶段,每个阶段都需要计算终端推测芯片。

无论是环境感官还是避障规划,自主驾驶绝对排斥芯片的计算能力。但是由于时间延迟和可靠性的原因,自动驾驶的计算无法在云中进行,升级边缘推测芯片势在必行。根据丰田的统计数据,要打造L5几乎全自动驾驶,至少需要12TOPS的思辨计算能力。

根据设备先进的NvidiaPX2自动驾驶平台,几乎需要15台PX2车载电脑才能满足几乎自动驾驶的市场需求。与自动驾驶平台相比,近年来,各种传统车载半导体供应商纷纷涌向自动驾驶业务,出售自己的自动驾驶或辅助驾驶平台;但对于下一代产品,CICC预计Mobileye和新秀英伟达将在未来建立领先地位。自动驾驶芯片市场仍处于追赶的初级阶段。

与场景中使用的其他终端相比,自动驾驶不仅计算复杂度最低,而且对芯片设置了更高的管理系统阈值,硬件升级相对较慢。目前,各厂商的下一代自主驾驶平台首先计划在2019年量产。今天市场上的大多数芯片只反对L2/3。

虽然恩智浦等传统半导体制造商在汽车电子领域已经努力多年,并取得了一定的客户粘性,但整个市场在自主驾驶业务上还没有形成非常明显的竞争格局。客户也在大力测试芯片制造商的产品,打造配件自由选择。从客户的偏好来看,传统制造商不愿意建立自己的平台并订购所需的产品 由于建造几乎自动驾驶非常复杂,CICC指出,初创企业在整个行业的发展中有机会,并对技术先进、与汽车制造商密切合作的初创企业寄予厚望。

计算能力

新一代本地库存目前,中国大陆有20家实力超强的企业正在投资研发人工智能芯片。除了华为海思和紫光展锐在芯片设计上努力多年外,很多初创公司也有出色的表现,比如寒武纪和Bitland。

另外,台湾的GUC(创新电子)是一家IC后端设计公司。凭借20年的行业经验和晶圆生产投资方TSMC的全力支持,在未来AI芯片快速发展的大环境下,将受益匪浅。中国大陆至少有20家主要的AI芯片设计公司是CICC推荐的AI芯片公司:2004年10月海思正式成立,是华为集团的全资子公司。

海思的芯片产品涵盖无线网络、固定网络、数字媒体等多个领域,其AI芯片为Kirin970手机SoC和安全芯片Hi3559AV100。Kirin970构建NPU神经处理单元,是世界上第一款手机AI芯片。

它在处理静态神经网络模型方面具有独特的优势。而Hi3559AV100是对抗8k视频的领先AI芯片。Thunis展睿thunis集团于2013年和2014年完成了对展讯和瑞迪科微电子的收购,并于2016年再次拆分,正式成立紫光展睿。

紫光展锐是全球第三大手机基带芯片设计公司,国内领先的5G通信芯片企业。高德纳的数据显示,紫光展锐手机基带芯片占2017年全球出货量的11%。

除此之外,展睿还很享受手机AI芯片的业务,卖的是采用8核ARMA55处理器的人工智能SoC芯片SC9863。它反对基于深度神经网络的人脸识别技术,其AI处理能力是上一代的6倍。

GUC(台湾创新电子)是灵活定制IC领导者,专门从事IC后端设计。后端的设计工作以布局和布线为出发点,将可以上报晶圆厂的GDS2文件进行分解展开和流式传输,需要大量的经验,是芯片搭建和流式传输的重要环节。在AI芯片设计开发的大环境下,进一步加大股东TSMC的反对力度,GUC未来将获得大量后端订单。该公司已在台湾证券交易所和上海证券交易所上市,股票代码为3443。

寒武纪科技寒武纪成立于2016年3月,是中科院的一家产蛋高科技企业,主要投资方为SDIC创投和阿里巴巴。公司产品分为终端AI芯片和云AI芯片。终端AI芯片采用ip授权模式,其产品Cambricon-1A是全球首个商业化打造的深度自学处理器IP。

去年年底,公司新发布了第三代机器学习专用IPCambricon-1M。采用7纳米工艺,性能几乎是1A的10倍左右。

在云产品上,寒武纪研发了MLU100AI芯片,反对训练和投机,表现出了显著的单位功耗计算能力。比特大陆成立于2013年10月,是世界上最大的比特币采掘机公司,已经占领了全球比特币采掘机市场的60%以上。由于AI行业的快速发展和公司发展的必要性,公司将业务拓展到AI领域,2017年推出云AI芯片BM1680,反对培训和炒作。

目前公司已经发布了第二代产品BM1682,比上一代高出5倍以上。HorizonRobotics于2015年7月正式成立。

地平线机器人是一家人工智能初创公司,专注于软件和硬件的集成。由英特尔、嘉实资本、低资本投资。公司主要以安全和自动驾驶为主,产品有《征途1》。

0芯片(对抗L2自动驾驶)和旭日1.0(用作安防智能摄像头)具有高性能(1080P@30帧实时处理,每帧200个目标检测、跟踪、识别)、低功耗(典型功耗1.5W)、低延迟(延迟30ms以上)等优点。该公司的第二代自动驾驶芯片将于1Q19发布,用于构建语义建模。Intellifusion成立于2014年8月,由山水传媒和宋河资本投资,专注于安全AI芯片。

其自主研发的IPU芯片是一款低功耗的深度自学习专用处理器,内置专用图像处理加速引擎,通过级联扩展可以处理至少64路视频。能耗比高达2万亿次/瓦特。

异种智能异种智能(NovuMind)成立于2015年8月,由鸿泰基金、宽带资本、正格基金、Inno Angel投资。2018年,该公司展示了其首款基于FPGA构建的云AI芯片NovuTensor。其性能已经超过了目前最先进设备桌面服务器GPU的一半,功耗只有1/20。公司即将发布的第二款ASIC芯片,能耗不超过5W,计算性能约15个点,将用于安全和自动驾驶应用。

龙佳智成立于2017年7月,Dinoplus是一家专注于云芯片的AI创业公司,由智信资本和夷陵资本投资。在75W的功耗下,该公司的Dino-TPU拥有除最新NvidiaVolta之外的所有GPU的计算能力,其延迟仅为VoltaV100的十分之一。同时,迪诺-TPU获得了市场上独一无二的验证备份和数据安全保障。

该公司计划在2018年底前完成第一个芯片的流式传输。Zhidishi指出,GPU在训练芯片方面已经站稳脚跟,但随着对人工智能场景简化的逐渐认识,针对性更强的TPU和灵活性更强的FPGA将瓜分新的市场,在边缘计算(投机)方面,应用多样化的场景,为传统玩家、芯片厂商和新兴企业家获得丰富的竞争平台。


本文关键词:亚博手机版官方,市场规模,市场,计算能力,芯片,性能

本文来源:亚博手机版官方-www.cruelwhipping.com