2020半导体行业趋势十大关键词（五）AI芯片：考核期

AI芯片迈入关键“考核期”  三大指标决胜应用端市场

从2012年的深度学习算法开始流行，到2015年左右AI芯片的创业热潮，再到如今的AI技术落地战。AI芯片产业可谓经历了数年的技术角逐与市场磨合，才逐步走到今天的“务实”阶段。当下，云端数据中心和各类边缘侧应用的爆发一浪盖过一浪，应用端对AI芯片的需求正日益水涨船高。

庞大的市场增量，使得如今无论是深耕CPU、GPU、FPGA还是ASIC领域的AI芯片厂商都能分得一份红利。Imagination Technologies营销与传播副总裁David Harold在接受采访时表示：“最初，我们预计摄像头和汽车会成为AI芯片的核心市场，但实际上，现在从已经签署了我们神经网络加速器（NeuralNetwork Accelerator，NNA）技术的很多授权生意来看，所涉及的领域相当广泛，从以书写识别和人脸解锁为主要应用案例的移动设备，到非常关注目标识别和分类的摄像头和汽车，再到传感器、工业和移动边缘计算（Mobile Edge Compute，MEC），皆有所覆盖。”这也证明了AI是一项可广泛应用的技术，几乎每个细分领域都能够找到适合各类AI芯片的用武之地。

但在AI芯片和算法技术快速演进的同时，日益复杂的工作负载和非结构化的数据也呈现爆发式增长，这对于无论是数据中心还是边缘设备的计算能力提出了前所未有的压迫。以如今运行于数据中心的AI算法为例，预计到2025年，这类数据的体量将达到175ZB，这些海量的非结构化和结构化数据，也使得当前的AI芯片技术想要从海量数据中获取有价值的信息成为关键挑战。

这促发了2019年越来越多全新的、基于硬件和软件的解决方案的诞生，比如存算一体、存内计算、可重构、可重组等一系列创新的架构，均以最低的成本、功耗和最省时去处理数据为目标，Achronix公司产品营销总监Bob Siller认为：“如今，应对这一挑战的方法与过去相比有很大不同，过去只要提供功能更强大的CPU就可以满足要求。现在我们则看到专为特定工作负载加速而定制的异构计算系统正在兴起。然而，拥有多个不同的硬件平台是有局限性的，因此我们看到了创建硬件可重复编程架构的趋势，这类架构专门针对需要加速的特定工作负载进行了优化。在这一趋势的最前沿，Achronix提供了一种全新的、灵活的、基于其Speedster7t FPGA芯片的解决方案，旨在满足对最高带宽的需求和计算应用的要求。”

可以说，当下全球范围内大大小小的各类AI芯片公司都准备或正在将更多精力和资源倾注在AI芯片架构的创新上。为了解决数据存取带来的功耗、高性能以及灵活性等各类问题，AI芯片厂商们几乎使出了浑身解数，从架构角度出发不断的针对AI芯片的各项参数和系统性能做优化和改进，持续刷新AI芯片的创新纪录。

2019年高云半导体也迈出了向新兴运算平台拓展的重要一步，高云半导体总裁兼CTO宋宁博士告诉记者：“首先是异构SoC FPGA的产品化，在2019年高云半导体在推出各种支持ARM、RISC-V软、硬核的FPGA产品，使得MCU与系统中的其他单元更紧密更有效的结合在一起。在此基础上，高云半导体研发了GoAI解决方案，以满足中低算力、小面积、低功耗、高灵活性的IoT市场需要。这也使得高云半导体的市场结构，从单一的硬件RTL设计用户，扩展到SoC软件设计用户，直到AI算法系统级设计用户。”

FPGA领域的领头羊赛灵思，在AI芯片架构创新上则更加强调“自适应”，赛灵思全球总裁兼CEO Victor Peng解释到：“面临庞大而复杂的人工智能应用需求，赛灵思给出了解决关键词'自适应'，在2019年我们也交付了业界首款自适应计算机加速平台Versal，同时发布了赛灵思历时五年，投入总计1000个人工而打造的Vitis统一软件平台。ACAP是一个完全支持软件编程的异构计算平台，Versal ACAP整合标量处理引擎、自适应硬件引擎和智能引擎以及前沿的存储器和接口技术，能够为所有的应用提供强大的异构加速功能。而Vitis统一软件平台构建在基于堆栈的架构之上，可以无缝插入到开源的标准开发系统与构建环境。这些关键的软硬件突破，让赛灵思在AI领域更加具备竞争力，使我们原本在AI领域的影响力进一步放大，可以预期这会为我们带来更多的客户与更好的口碑。”

2020年，这些创新架构究竟能为产业创造多大的价值，也将随着相关应用的落地而得以体现，随着5G这一统括全局技术的正式落地，2020年也将正式开启AI芯片产业的“考核期”。针对2020年AI芯片领域的具体布局，宋宁博士表示：“高云半导体对2020年充满希望，经过几年的发展和市场沉淀，AI技术从学术研究阶段逐渐转向实际应用阶段。新技术的‘冷却’在某种程度上反映了AI技术产品化的过程。实际上AI新产品的涌现势头丝毫不减，从智能穿戴、智能家居、智能园区，到自动驾驶、公共安全，AI技术产品化的趋势将在2020年继续延续。产品化的过程同时也是一个不断探索的过程，在这一过程中FPGA有其独特的优势。作为AI产业链的上游企业，高云半导体将继续致力于针对IoT的运算系统平台开发，在SoC FPGA硬件基础上完善加速器IP、算法编译链、开发工具链，以支持下游AI应用产品的开发与创新。”

赛灵思则表示将在2020年继续坚持“自适应”为重点的产品策略，Victor Peng强调：“2020年赛灵思整体的战略是继续从器件向平台公司转型，深化执行优先数据中心、加速核心市场发展及驱动自适应计算三大战略。所以说，自适应是我们一个重点的方向，在庞大的人工智能应用中，机器深度学习也是一个重要的应用方向，深度学习可分为训练和推断两个阶段，而且推断将成为人工智能充分发挥其价值的核心舞台，自适应计算是一个很合适的解决手段。我们最新推出的Vitis以及Versal产品都能够为AI开发者带来前所未有的高效，未来我们也会继续着重在自适应方面加强研发，与行业共同进步。”

作为IP提供商的芯原微电子在2020年则将更加注重在应用场景的产品化落地，芯原微电子（上海）股份有限公司副总裁兼IP事业部总经理戴伟进表示：“目前，芯原已为智能监控、网络摄像头、智能家居、可穿戴设备、边缘及云端服务器、汽车辅助驾驶（ADAS）等应用提供人工智能升级技术，已帮助近30家客户实现人工智能芯片量产及迭代。2020年乃至未来几年，我们将继续紧密结合客户需求和市场反馈，切实推动人工智能芯片的落地。”

纵然“大考”将至，但“国产替代”的兴起，加之本土AI芯片企业在该领域的厚积薄发，使得2020年看上去更像是本土AI芯片玩家扬威“中国芯”展示实力的大好机会。以FPGA市场为例，2018年，国内FPGA国产化率不到3%，几乎100%被美国厂商垄断。因此，国内系统设备厂商的国产替代需求明显，对于所有国产芯片公司来说都是非常不错的战略机遇，毕竟借此机会能够与系统设备厂商形成良性的互动，非常有利于加速国产芯片公司的成长。

国产FPGA作为行业中的后来者，具有后发优势，可以借鉴国际先进企业的经验，宋宁博士表示：“特别是对于FPGA的成熟市场，产品需求与定义明确，国产FPGA可以借此减少试错降低成本。但国产FPGA在针对新产品新市场方面要积极创新，不能亦步亦趋。创新的源动力来自中国繁荣的制造业和对新产品接收度高的消费市场，这是中国FPGA企业的先天优势。”

紫光同创市场总监吕喆也指出：“和国际厂商相比，我们更加贴近本地客户，也更懂得客户的实际应用需求，并能够提供更快速和更高质量的技术支持和服务，甚至是客制化的产品研发。另外，国家和地方政府对于集成电路产业的大力支持也将加速国产FPGA行业技术创新进程，这些都是国产FPGA发展的绝佳机遇。紫光同创在2019年完成了首款28nm器件的研发，产品将在2020年初上市，在性能和功耗表现等方面将得到大幅度提升，进一步缩小国内外产业差距。”

芯原则从更加全局的视角表达了公司对于AI芯片和算法领域实现“国产替代”的看法和可能性预测，戴伟进认为：“由于人工智能领域有很多公开的算法和学术研究，辅以基于CPU、GPU、FPGA，或是专用人工智能芯片等硬件加速引擎，可以很快布局到一些容错较高的应用领域中。中国已经在快速布局物联网，在大数据方面开始有了一定的积累，而基于先进的设计工具和像芯原这样的设计服务公司，算力也可以通过自研或购买来快速实现，未来，中国还需要进一步加强高端算法的核心和基础研究。”

同时，戴伟进也建议：“目前，由于资金、政策的支持，中国在人工智能领域的研究已经投入了很多人力和物力，在图像识别、语音识别领域已经取得了不少成果，具有一定的先发优势。加之中国拥有人工智能早期应用的巨大市场，如消费电子、可穿戴设备、智能家居等，可以尽早积累实践经验。”

因此，2020年AI芯片市场是考验各主流玩家们实力和耐力的关键之年。纵然当下依然有各类专注架构创新的AI芯片厂商陆续涌现，但AI芯片是否好用、场景化性能是否达标以及不同场景的适应性，才是决定AI芯片企业能否在2020年甚至未来几年在全球市场脱颖而出的关键指标。而AI芯片产业及其所赋能的应用场景的逐步扩张，也将进一步带动MCU、传感器、无线连接等更多半导体细分市场的增长，借助这波AIoT化的势潮，相关产业也必将在2020年喜获丰收。

小结1：AI芯片和算法技术快速演进的同时，日益复杂的工作负载和非结构化的数据也呈现爆发式增长，促发了AI芯片架构端的创新热潮。

小结2：架构创新成2019年AI芯片的主题，但是否好用、场景化性能是否达标以及不同场景的适应性，才是决定AI芯片企业能否在2020年在全球市场脱颖而出的关键指标。