从普普通通的石英砂，到电子信息行业皇冠上的明珠，每一颗芯片都要经历极其严苛、难度极高的淬炼才能达到99.9999%的纯度，集科学见解、工业设计、高质量管理和创新思维于一体，成就如城市交通网络一般浩瀚的电路。

芯片是中国信息产业的基础，发展至今已有60年，是构筑大国竞争力的核心产品之一，对国民经济和社会发展意义重大。随着经济增长状况稳定，AI芯片在智能手机、智能音箱、可穿戴设备、VR、无人机等领域遍地开花，产业潜力也在逐渐释放。中国芯片的自主发展之路虽然困难重重，但中国芯企业积极树立全球视野、准确判断方向、把握市场规律，快速集成各领域先进技术，专注客户需求和系统整合，走出了一条开放式创新的商业化之路。

从中国芯的崛起之路，看未来AI芯的大格局。未来的智能时代需要什么样的AI芯片？产业的超级价值是什么？AI芯片的发展将会遇到哪些挑战？这些问题值得我们深入探讨。

中国芯的集成之路

从2018年到2019年，接连发生的“卡脖子”事件让芯片成为大众瞩目的焦点。一时间，各界人士纷纷发表观点，引起业内对芯片产业的深刻反思。此次事件也警醒了国人，自主发展核心芯片成了社会共识，这是迎难而上、化危为机的最佳时机。那么，芯片的国产化之路该如何走下去？怎么补齐AI芯片关键技术的短板？

鳍式场效应晶体管发明人胡正明博士指出：“普及集成电路知识、梳理产业发展历程、介绍产业链各环节，是提高集成电路产业认知度和中国集成电路产业人才培养的基础性工作。”把脉芯片行业自身发展规律和经营特点，是芯片产业从新出发的起点。中国芯也此开启了崛起之路的新篇章。

2019年9月，中国的AI芯片行业热闹非凡，华为与阿里分别发布了号称“全球算力最强”的AI芯片——华为昇腾910和阿里的含光800。两者的相同之处是都在云端部署，两者的区别在于，昇腾910侧重训练芯片，含光800侧重推理芯片，分属深度学习的两个阶段。训练芯片注重绝对算力，推断芯片更注重单位能耗算力、时延、成本等综合指标。目前，AI芯片的中国市场中，阿里、百度和华为都有了自己的芯片，巨头们无时不刻不在观望。

从产业变革角度看，集成电路行业的每次迭代，都深刻着改变产业结构和行业格局。在“云+AI+IOT”模式的带动下，AI芯片从市场早期走向沉淀期，加速现实场景的应用落地。目前，神经网络的尺寸越来越大，参数越来越多。传统的CPU与GPU虽然都可以拿来执行AI算法，但CPU、GPU并不是AI专用芯片，内部有大量其他逻辑，而这些逻辑对于目前的AI算法处理速度慢、性能低，无法实际商用，更一步显示出AI芯片自主研发的重要性。

从概念上讲，芯片是集成电路形成的产品，AI芯片被称为AI加速器或计算卡，专门用于处理人工智能应用中的大量计算任务模块，也泛指针对AI算法的ASIC专用芯片。当前AI芯片主要是GPU、FPGA、ASIC，按照使用场景可以分两类，一类是训练和推断都能够适配的CPU、GPU、FPGA；另一类是推断加速芯片，比如寒武纪的NPU、深鉴科技DPU、地平线的BPU，这类产品既有产品，又提供IP让其他开发者将深度学习加速器集成到SOC内。

从算法方面分析，据EETOP介绍，在图像识别等领域常用的CNN卷积网络，在语音识别、自然语言处理等领域主要是RNN。这是两类有区别的算法，本质上都是矩阵或vector的乘法、加法配合一些除法、指数等算法。一个成熟的AI算法，如YOLO-V3，就是大量的卷积、残差网络、全连接等类型的计算，本质是乘法和加法。

中国芯的长期发展，离不开基础材料、工业设计、精加工、软件设计、生产线等，这背后需要在国家战略层面实施系统布局，建立起足够的技术升级能力、周期扩展能力和综合管理能力；合理引导和协同创新，协调政策、投资、技术、人才与市场的经营关系；留住海外回流人才，夯实根基自主创新，全力冲刺稳健发展。

超级商业价值和竞争格局

2000年，互联网浪潮拉开了AI芯片的序幕。2010年前后，数据、算法、算力和场景四大因素的逐渐成熟带来了人工智能产业的爆发式增长。申威、沸腾、兆芯、龙芯、魂芯以及云端AI芯片的开发，标志着国产芯片之路启航，重塑中国芯的产业格局。

以史为鉴，处理器造就出英特尔、高通两大巨头，存储器造就了三星半导体。AI芯片作为计算最底层的根基，将成为处理器领域最主要的增长动力。根据Tractica的预测，到2024年深度学习在软件方面的市场价值就将超过104亿美元，硬件和服务方面的收入将会是软件市场规模的数倍以上，而AI芯片是深度学习硬件部分的核心，将有望造就多个百亿美金市值公司。

如，润欣科技“集成电路+芯片+5G+高传送”模式，近期横盘震荡，有冲高的趋势。远望谷，“芯片+物联网+创投”模式，近期呈现小步上扬形成龙聚首；同有科技“芯片+大数据+云计算+军工”模式，概念属性强。对A股上市公司的价值判断，不仅需要从个股的技术面来看，也要结合基本面与热点分析。

目前，AI芯片处于市场早期向沉淀期过渡的时期，技术与产品处于市场推广阶段，从业企业目前基本没有盈利。国内几家声量较大的公司，如寒武纪、地平线、深鉴科技、耐能科技等，均采用“大客户捆绑”模式，渗入市场。

2014年是我国集成电路产业发展的新起点。2014年6月，国务院正式出台了《国家集成电路产业发展推进纲要》，再次强调集成电路产业是信息技术产业的核心，明确指出以需求为导向、以整机和系统为牵引，提出“芯片—软件—整机—系统—信息服务”产业链的计划。

如果说不断创新是AI芯片行业发展的主旋律，那么持续投资就是行业发展的基本要求。2014年9月，国开金融、中国烟草、亦庄国投、中国移动、上海国盛、中国电科、紫光通信、华芯投资等作为发起人，吸引大型企业、金融机构以及社会资金的国家集成电路产业基金公司（“大基金”）正式注册成立，为一系列企业的发展提供支持。例如，长电科技并购新加坡星科金朋。

2018年，拥有14亿人口的中国市场成为全球关注的焦点。在中国市场，“云+AI+IOT”模式推动AI芯片的生产制造在各个赛道铺开，各项技术路线或将迎来新的竞争。除了原住民寒武纪、联发科、台积电等，华为、阿里和小米等移动终端企业也纷纷加入，标志着芯片行业进入了异构计算的发展时代。

产业链协同：华为+寒武纪，合作开发AI芯片

据The Infomation报道，继海思之后，华为内部正加码推动的“达芬奇计划”，其内容包括数据中心开发的新的华为AI芯片，支持云中的语音和图像识别等应用，让公司所有产品和业务融入AI技术。亿欧网消息，华为一位经理透露，虽然华为目前使用英伟达芯片来为其服务器增加AI功能，但华为希望减少对英伟达的依赖，并且，华为希望能为客户建立网络和数据中心，提高华为在AI方面差异化的竞争力，而这种竞争力一旦成熟，可能首先刺激的就是英伟达。

专注手机AI芯片的寒武纪科技，深度学习专用处理器（Neural-network Process units，NPU）较为典型。“寒武纪1A深度学习处理器”芯片在华为手机麒麟970上的应用，成为了世界首款集成人工智能专用处理器的手机芯片。据澎湃新闻报道，2019年6月，寒武纪端云一体的产品体系进一步升级，寒武纪推出云端AI芯片中文品牌思元、第二代云端AI芯片思元270（MLU270）及板卡产品。

产业投资：阿里技术投资+自研，小米财务投资多家AI初创企业

阿里巴巴成立独资芯片公司，着眼AI和量子计算。目前平头哥芯片主要应用在家庭场景，如天猫精灵、酒店控制等。据杭州报道消息，阿里巴巴CTO张建锋表示，阿里巴巴已经将芯片业务拆分整合进入平头哥公司，平头哥公司不仅需要研发芯片，还需要承担产业化推广、构建生态等任务。关于阿里巴巴的AI布局的详细解读，详节点财经（ID：jiedian2018）专题报道《阿里的AI局》。

对于集成电路的投资，小米比华为更为热衷，“小米系”阵营的IC队伍逐渐壮大。2017年，小米与长江产业基金共同成立湖北小米长江产业基金合伙企业（有限合伙），小米科技持股17.2265%。启信宝显示，小米投资了晶晨半导体、乐鑫科技、芯原等集成电路企业。据集微网报道，有观点认为小米入股冲击科创板的芯原微电子或加速小米造芯之路，也有业内人士表示，小米投资芯原应该是财务投资为主。

大客户捆绑：深鉴、地平线、耐能，绑定大客户成供应商

深鉴、地平线、耐能等企业分别专注AI芯片的细分领域，采用“大客户捆绑”模式构建市场机制，预期进入大客户供应链。但与大客户达成合作，需要通过一系列严苛的审核标准。

我们以“如何与世界三家顶尖消费电子公司飞利浦建立合作”为例。如果厂商想成为飞利浦的优选供应商，需要满足16项审核标准与飞利浦供应商评级中最高级的“伙伴供应商”相同才会达成合作意向。即A综合信息、B领导力、C市场与服务、D项目管理、E创新/研发/工程技术、F软件、G采购、H生产、I质量、J供应链/物流、K信息技术、L可持续发展、M财务、N人力资源管理、O供应链安全保障、P飞利浦相关事业部的特定审核要求。

通常，飞利浦每年进行一次较大规模的资格审核。通过审核则继续有订单，如审核未通过，则根据不良项目的严重性要求供应商限期内提交解决对策并限期整改，再次审核如仍不能通过则取消供货资格。

深鉴科技专注安防的AI芯片应用开发，于2018年被赛灵思收购。在资本市场表现较为不俗。自2016年3月成立以来，深鉴科技获得三轮融资，投资方有金沙江创投、高榕资本、蚂蚁金服、Xilinx、联发科、华创资本等。2018年，深鉴科技被赛灵思收购。业内人士表示，老牌巨头赛灵思有可能是为了应对博通、英特尔、华为等公司在AI领域中国市场的步步紧逼。深鉴科技专注安防的AI芯片应用开发，于2018年被赛灵思收购。在资本市场表现较为不俗。自2016年3月成立以来，深鉴科技获得三轮融资，投资方有金沙江创投、高榕资本、蚂蚁金服、Xilinx、联发科、华创资本等。2018年，深鉴科技被赛灵思收购。业内人士表示，老牌巨头赛灵思有可能是为了应对博通、英特尔、华为等公司在AI领域中国市场的步步紧逼。

地平线科技专注边缘AI芯片，主要在智能驾驶等领域进行应用开发。据央广网报道，2019年上海车展期间，地平线宣布与首汽约车、禾赛科技分别达成战略合作。其中，地平线科技为首汽约车的运营车辆提供车载终端，用地平线的AI芯片和针对网约车行业定制化开发的算法技术，将传统后视镜改造成具备高级驾驶辅助（ADAS）和驾驶员行为分析（DMS）、人脸识别、语音识别等AI的智能车载设备等。

耐能科技主打轻量级神经网络处理单元芯片。2019年初，耐能科技宣布与新思科技展开合作，推出低功耗AI IP解决方案。产品方面，耐能的第二代NPU IP包括低功耗、标准版、高效能版本，峰值吞吐量最高为5.8tTOPS。据搜狐网消息，2018年11月，耐能科技推出支付等级3D AI软硬件一体化解决方案，支持结构光、双目立体视觉、ToF等三种3D传感技术，可广泛应用于智能手机、智能家居、智能安防、新零售、工业智联网等领域。

AI芯片主要应用场景

随着应用场景的不断拓宽，越来越多的AI芯片得到更为广泛的应用，推理层的竞争更是呈现出群雄逐鹿的态势。其中，头部场景集中在智能手机、智能汽车、智能安防等领域，长尾场景聚焦于机器人、无人机、医疗、教育等领域。

场景一：智能手机

智能手机是AI芯片率先商业化的场景，厂商多采用自主研发模式。

智能手机是边缘推理最大的场景之一。目前，GTI（高尔夫）已经与高通就手机、IOT等IP授权进行合作，联发科等AI芯片合作对象仍未确定，IP授权存在较大机会。

从智能手机AI芯片市场格局来看，国外方面，高通、英特尔、英伟达仍旧占据主导地位，以自主研发为主，发力手机、无人驾驶等领域，储备较为充足；苹果与三星多次收购AI初创企业，实现自主供给。国内方面，寒武纪采用IP授权模式与华为等厂商合作，联发科主攻中低端芯片与旷视等合作开发，台积电与联电在保持强大代工能力的同时加大研发投入。

需要说明的是，智能手机AI芯片的应用还仅限于部分高端机型。AI芯片的功率在1-1.5W，目前按照1080P清晰度的图片，CPU+GPU已可完全处理，AR后才需要AI加速器。根据公开数据资料测算，目前智能手机中AI芯片渗透率为5%。根据5G的推进速度，预计2020年后AI芯片在手机中渗透率将大幅提升至30%。

场景二：智能安防

智能安防是目前AI芯片集中竞争的主战场，主要采用定制化服务模式占领市场，是AI芯片应用竞争最激烈的场景。

据媒体公开数据统计，智能安防设备每年需要的AI芯片数量在1亿颗以上，云端服务与本地服务协同，部分地区云端服务与本地服务分离。

业内人士陈军（化名）告诉节点财经，上云是趋势，但他所在的厂商更为注重线下、低功耗的本地服务提供AI芯片支持。陈军介绍，这样的服务模式简单、易用。以安全锁为例，智能安全锁的在安全、和待机方面要求较高，专注本地化服务能够让设备性能和功耗比较可控，在安全性方便也比上云更好把握，这样的定制化芯片能够集中且快速处理本地数据，在量产方面更有优势，试错周期相对较短。

目前，智能安防摄像头主要以CNN神经网络为主，需要跟SOC芯片、后端软件、整机企业建立合作，具有较高的门槛。其中，ASIC又以其高定制化、高计算能耗比较优势有望占据优势。GTI已经与高通就手机、IOT等IP授权进行合作。

场景三：智能家居

中国智能家居行业的快速崛起，离不开低功耗AI芯片的助力。

根据IDC预测，2022年，全球智能家居的出货量有望达到9.7亿左右，复合增长19%。按此增速，2025年智能家居产品有望超过智能手机成为出货量最大的应用场景。

某景区酒店服务人员薛仁（化名）告诉节点财经，薛仁所在的酒店在年初装修的时候，新增了多项智能设备，以语音和触控模式为主，实现客房的温控、自动窗帘等，部分房间还配置了智能音箱，主要还是提供定制化服务。

某景区酒店服务人员薛仁（化名）告诉节点财经，薛仁所在的酒店在年初装修的时候，新增了多项智能设备，以语音和触控模式为主，实现客房的温控、自动窗帘等，部分房间还配置了智能音箱，主要还是提供定制化服务。

场景四：工业互联网

工业互联网领域对设备工作的稳定性、功耗等要求的严苛程度要超过智能家居，拥有标杆客户的AI芯片企业将占据较大的优势。

随着工业通信，传感器等基础设施的落地，工业设备对实时数据处理的需求逐渐显现，AI芯片渗透率将稳步提升。工业自动化设备、机器人等需要对工业现场实时反映的设备上，将逐渐开始使用AI芯片，制造业企业主要为富士康、海尔、西门子、ABB、施耐德电气等。

根据公开数据测算，按照自动化设备出货量测算，AI芯片在工业领域的年潜在规模在5亿美金左右。工业设备对可靠性要求很高，比智能家居等场景更为严苛，具有较高的进入门槛，已经拥有标杆客户的企业在产品成熟度上更有优势，后续的推广铺开也更为容易。

场景五：无人驾驶

随着L2及以上级别的智能汽车渗透率提高，智能驾驶成为AI芯片呼声最高的应用场景之一。

不同级别无人驾驶对AI芯片的需求不同，L4/L5级别在8-10颗以上。智能汽车的ADAS市场需求对多传感器和实时数据进行处理且延时要求很低，对AI芯片的性能要求很高。目前，英特尔、谷歌、英伟达、百度等企业已经加入市场，推出了基于自身优势的AI芯片解决方案，竞争激烈。

在上述应用场景中，AI芯片市场群雄逐鹿，为实现开放式创新战略布局，不仅需要企业十分注重从系统层面来思考行业发展，还需要加强自身的短板。

创新者的挑战

作为新科技产品，AI芯片投放市场后，最直接的反馈是用户的接受模型不同。那么，AI芯片的创新者又将面临哪些挑战？

从行业角度看，行业呈现出安全风险高与自给率低的现状。根据IC Insights数据显示，我国芯片自给率仅为10.4%，除了移动通信终端和核心网络设备领域有部分芯片产品占有率超过10%以外，其余在如计算系统中的服务器、个人电脑、工业应用的微处理器，半导体存储器，高清/智能电视显示处理器部分国产芯片占有率几乎为0%。

兆易创新创始人兼董事长朱一明指出，我国芯片的进口依赖仍然十分明显，加快发展芯片事业是决胜未来的必然要求。芯片事业发展，需要科学谋划。芯片产品的开发，除了技术难度大、投资要求高之外，还有明显的市场周期特征。只有把握这些特征和规律，准确的谋划行业发展，才能在激烈的市场竞争中胜出。

从技术角度讲，随着神经网络复杂算法应用的加深，传统的CPU芯片已经不足以满足迅速增长的算力需求，AI芯片面临“高算力”、“低功耗”、“低延迟”、“体积小”四大痛点。

高算力。随着智能手机、传感器等数据采集设备的普及，根据思科的数据，全球数据量每年以54%的速度递增，人工智能中使用的神经网络等算法复杂度远高于普通的数据分析模型，参数可达十亿个。

低功耗。在智能手机、物联网等设备中，可用于神经网络计算的功耗非常有限。智能手机中一般小于1W，物联网设备中一般小于300mw。

低延迟。传统的数据分析一般过程为“传感器——云端数据分析——分析结果返回传感器”，整个过程耗时一般为秒级，在智能驾驶、安防人脸识别、工业自动化等应用中，要求的延迟为毫秒级。

小体积。在智能终端中部署AI芯片对体积要求非常高，芯片体积一般不得高于毫米*毫米级。

多样性、差异化的产品需求，会加速产品迭代。这意味着AI芯片要解决上述四个技术问题的同时，还需提供更极致服务，更理智地管控问世时间，进行耗时更短的设计周期，综合利用上下游供应链提升利润率，带动产品化的加速。

从市场角度分析，新兴产品与技术推向市场的方法论的不确定性。神策数据创始人兼CEO桑文峰曾有过感悟，2015年刚创业时，对于如何将技术产品推向市场一无所知，急切需要一套指导方法。如，在哪里竞争、和谁竞争、何时竞争，与自主研发的有关行动是市场选择，应该一事一议，而不是简单粗暴地一概而论。

而在一个新兴市场，没有竞争对手，别高兴太早。用户选择产品时，喜欢货比三家，如果他们只发现你这一种产品，可能就会选择等等再看，等有对比的选手，确保你是领先者才会购买。如果选择大客户作为合作商，则需要AI芯片供应商在各个方面符合大客户的审核标准。

从业者还需要认识到，新兴产品的市场化不一定必须覆盖所有主要场景。一个产品不是独立存在的，需要和周边生态结合形成一个完整的服务品类。在考虑财务成本后，选择相邻地理、文化、行政和经济上有密切关系的铺开机会，聚集优势资源会比分散布局更具先发优势。

可以预见的是，专用集成电路的创新大门已经打开，无论是英特尔的垂直一体化、IBM的横向整合，还是台积电的垂直分工、ARM的授权模块，本质上都是通用化与专业化、规模经济与时间成本平衡的结果，而适应发展的最终标准终究还是整个产品线的开发效益，构成可不断升级的生态系统。

全球化的视野、协同化的创新、市场化的机制、周期化的投资、专业化的管理，凝聚成创新发展的共识。因此，锁定挑战背后的核心逻辑，可以用更加宽广的视野、更加开阔的思路来统筹谋划芯片事业的发展；更加清晰地认清所面临的机遇与挑战，找准发展的定位，提高自己的竞争力，掌握未来的主动权。

尾声

因势而谋、顺势而动。推动中国芯片产业长足发展，是每一位从业者的职责。未来，希望产业能够集合技术与市场的各方优势，为中华民族的伟大复兴献上绵薄之力。

温馨提示：内容仅供信息传播，供参考.

来源：亿欧