人工智能芯片“双PCT”的投资逻辑

2019-01-05 09:17

一、人工智能芯片定义及分类

1、定义

每一篇写人工智能芯片的文章都提到人工智能芯片定义，也从广义和狭义的角度来讲，但我对于人工智能芯片的定位为3条：一是确实做的是芯片且本身有核心IP；二是嵌入或运行人工智能算法的芯片；三是具备加速计算、语音、图像等处理能力效率提升同时具备迭代能力的芯片。

2、分类

人工智能芯片按照架构类别分为GPU、FPGA、ASIC和类脑芯片，这在大部分的文章都提到了就不赘述了。

人工智能芯片按照功能类别分为云端和终端，每一类都可以延伸为训练和推理，但目前发展现状为在云端以训练为主，GPU/ASIC/FPGA等作为训练的架构芯片，英伟达GPU目前当仁不让占据龙头老大地位，但国内外崛起的谷歌TPU、华为昇腾、寒武纪都有挑战的机会。在边缘/嵌入设备中以推理应用为主，训练的需求还不明确。

未来端、云人工智能肯定是结合的路线，云端和终端芯片，推理和训练作用本质上是从通用、半通用到定制化的过程，体现的是功效、效能，未来更多的将是ASIC出现在专用的终端，但都离不开云端数据的训练，未来整体市场规模来说边缘端芯片在智能终端的带动下将是数据中心芯片市场的5倍。

端芯片应用的终端包括手机、电脑、智能音箱、无人机、智能摄像头、头戴显示、自动驾驶等，最大的量还是在手机，无人驾驶成为主流还远的狠。

二、人工智能芯片的关键技术

根据清华大学《人工智能芯片技术白皮书》，人工智能芯片呈现的结果或者产品来说是芯片，但在关键环节中芯片的新工艺、新型器件、从工具到架构优化的新芯片，加上不断迭代的算法和多样化的应用，才真正形成了人工智能芯片的意义和作用，主要体现在要不就是对应用的加速、主芯片的辅助，要不就是成为山头大王作为主芯片处理数据，后者目前还未形成气候，但未来全面化、多功能化的SoC又或是ISA架构形成，AI芯片引领的潮流才算正式到来。

对于关键技术这一点来说，明显从架构指令集（ARM或RISC-V或新的架构）、EDA工具到形成完整芯片的感知、连接、计算、存储和场景方面都在AI化，换句话说，AI芯片不单是芯片的AI而是全面的智能AI化，大系统、大生态的AI化。

1 2 下一页>