AI芯片最后代表的是深度學習和算法，AI芯片的這些功能也將會運用到多個行業的產品中發揮智能化特點，更好的發揮這些產品的性能。

　　AI芯片市場的市場規模

　　2016年人工智能芯片市場規模達到6億美元，預計到2021年將達到52億美元，年復合增長率達到53%，增長迅猛。

　　1，智能手機

　　2016年中國大陸市場智能手機出貨量4.67億部，占全球份額為31.77%;根據數據，2016年中國大陸品牌智能手機出貨量6.29億部，占全球份額為42.8%。在PC電腦方面，根據數據，2016年中國大陸PC電腦出貨量0.8億臺，占全球份額為30.8%。2016年中國大陸(含在華國外企業)制造的智能手機占全球的74%，平板電腦占76%筆記本電腦占91%，顯示器占88%，數字電視占49%，因此中國大陸電子市場對IC產品有著龐大的需求。

　　2，集成電路

　　在下游產業爆發式增長的推動下，中國電子產業獲得了強大的發展動力，特別是集成電路產業，在下游市場的推動以及政府與資本市場的刺激，呈現了快速的增長。根據中國半導體行業協會的統計，2016年中國集成電路產業銷售額(位于中國大陸境內的國內外廠商銷售總額)達到4335.5億元，比上年增長20.1%。集成電路產業銷售主要劃分為IC設計、IC制造和IC封測三大環節，由于中國在IC設備和材料方面國產化能力低，不具備規模銷售能力，因此在整個IC產業銷售額中的占比極低。2016年中國IC設計產業銷售額1644.3億元，同比增長24.1%，IC制造產業銷售額1126.9億元，同比增長26.1%，IC封測產業銷售額1564.3億元，同比增長13.03%。

　　與中國集成電路產業銷售額保持年均20%高增長相對比的是，全球半導體產業保持穩定，2015/2016年的增速均為1.0%左右。

　　3，市場規模預測

　　根據中國半導體行業協會的測算，IC設計、制造、封測資產投資規模按照專業的投入產出比均值進行測算，設計1:2，制造1:0.25，封測1:1.1。因此，到2020年，設計產業銷售增量2600億元，需要新增投資1300億元，制造產業銷售增量1600億元，需要新增投資6400億元，設計產業銷售增量1400億元，需要新增投資1261億元，合計新增投資約為9000億元。為了達到集成電路發展目標和配合投資增量，未來五年預計需要在設備和材料領域投入的研發資金分別為180億元和190億元，對應2016-2020年產業發展資金投入需要分別達到120億元和330億元。

　　從市場規模角度來看，半導體設備的市場規模與制造和封測廠的建設投資直接成正比關系，而材料的市場規模與制造和封測廠建成之后的產量/體量成正比關系(產量/體量又正比于制造與封測工廠的投資規模)，根據《中國集成電路產業“十三五”發展規劃建議》，2020年中國集成電路制造和封測銷售額相比于2016年將擴大一倍(從2016年的2681億元到2020年的5400億元)，因此我們判斷，對應集成電路用半導體材料銷售額將從2016年的431億元(65.3億美元)擴大至2020年的868億元。

　　AI芯片的發展分析

　　1，手機和平板。

　　手機和平板市場一年的出貨量在30億顆左右(含功能機)，除蘋果外總值300億刀。手機主要玩家是蘋果(3億顆以下)，高通(8億顆以上)，聯發科(7億顆以上)，三星(1億顆以下)，海思(1億顆)，展訊(6億顆以上)，平板總共4億顆左右。而28納米工藝，量很大的話(1億顆以上)，工程費用可以攤的很低，平均1平方毫米的成本是8美分左右，低端4G芯片(4核)的面積差不多是50平方毫米以下，成本就是4刀。中端芯片(8核)一般在100平方毫米左右，成本8刀。16納米以及往上，同樣的晶體管數，單位成本會到1.5倍。

　　DLA綠色的模塊形成類似于固定的流水線，上面有一個控制模塊，可以用于動態分配計算單元，以適應不同的網絡。稀疏矩陣壓縮減少帶寬，優化的矩陣算法減少計算量，外加SRAM(一個273x128, 128x128, 128x128 ,128x6 的4層INT8網絡，需要70KB SRAM)。有些加速器增加了一個SmartDMA引擎，可以通過簡單計算預取所需的數據。對于中高端手機，GPU和CPU的資源在不打游戲的時候有冗余，那么就沒有必要去掉圖形功能，直接在GPU里面加深度學習加速器就可以，讓GPU調度器統一調度，進行異構計算。

　　2，家庭市場(智能音箱)

　　家庭市場包括機頂盒/家庭網關(4億顆以下)，數字電視(3億顆以下)，電視盒子(1億以下)三大塊。整個市場出貨量在7億片，電器里面的MCU并沒有計算在內。MStar/ 海思/博通/ Marvell / Amlogic都在這個市場，小公司更是無數。如果沒有特殊要求，拿平板的芯片配個wifi就可以用。當然，中高端的對畫質還是有要求，MTK現在的利潤從手機移到了電視芯片，屏幕顯示這塊有獨到的技術。很多機頂盒的網絡連接也不是以太網，而是同軸電纜等，這種場合也得專門的芯片。

　　智能音箱的市場更廣泛，其中，亞馬遜和谷歌占大頭，芯片均采用ARM Cortex-A小核做控制器，DSP做圖像和語音處理的方式。其中，DSP的運算能力在10 Gops的INT8 MAC左右，并不高，價格卻不便宜，大于20美金。在芯片內部，DSP的主要作用還是回聲消除，去噪，語音識別等。自然語言理解和神經網絡計算并不是在設備端，而是在云端。在國內，百度和科大訊飛提供SDK甚至模塊，不過還是需要連到云端才能啟用完整功能。在芯片方面，國內有些公司已經發布了一些帶深度學習加速器的芯片，并集成語音處理模塊和內存顆粒。未來這類芯片會更多，而軟件平臺，或者說語義處理到底放在云端還是終端，會成為爭奪的焦點。

　　3，監控市場

　　接下去是監控市場。監控市場上的圖像識別是迄今為止深度學習最硬的需求。監控芯片市場本身并不大，有1億顆以上的量，銷售額20億刀左右。主流公司有安霸，德州儀器和海思，外加幾個小公司，OEM自己做芯片的也有。

　　傳統的監控芯片數據流，從傳感器進來，經過圖像信號處理單元，然后送給視頻編碼器編碼，最后從網絡輸出。如果要對圖像內容進行識別，那可以從傳感器直接拿原始數據，或者從ISP拿處理過的圖像，然后進行識別。中高端的監控芯片中還會有個DSP，做一些后處理和識別的工作。現在深度學習加速器進來，其實和DSP是有些沖突的。如果要做識別以外的一些圖像算法，這顆DSP還是得在通路上，并不能被替代。并且，DSP對傳統算法的軟件庫支持要好得多。這樣，DSP替換不掉，額外增加處理單元在成本上就是一個問題。

　　4，機器人和無人機

　　第四個市場是機器人/無人機。手機和平板的芯片也能用在這個領域。無人機的話全球一年在200萬左右，做視覺處理的芯片也應該是這個量級。無人機用到的識別模塊目前看還是DSP和CPU為主，因為DSP還可以做很多圖像算法，和監控類似。這個市場對于ISP和深度信息的需求較高，雙攝和結構光都可以用來算深度計算。

　　在無人機上做ISP和視覺處理，除了要更高的清晰度和實時性外，還比消費電子多了一個要求，容錯。無人機的定位都靠視覺，如果給出的數據錯誤或者模塊無反應都不符合預期。解決這個問題很簡單，一是增加各種片內存儲的ECC和內建自檢，二是設兩個同樣功能的模塊，錯開時鐘輸入以避免時鐘信號引起的問題，然后輸出再等相同周期，同步到一個時鐘。如果兩個結果不一致，那就做特殊處理，避免擴散數據錯誤。

　　5，汽車市場

　　第五個市場是汽車，整個汽車芯片市場近300億刀，在汽車電子上，深度學習的應用就是ADAS了。在ADAS里面，語音和視覺從技術角度和前幾個市場差別不大，只是容錯這個需要進一步系統化，形成Function Safety，整個軟硬件系統都需要過認證，才容易賣到前裝市場。Function Safety比之前的ECC/BIST/Lock Step更進一步，需要對整個芯片和系統軟件提供詳細的測試代碼和文檔，分析在各類場景下的錯誤處理機制，連編譯器都需要過認證。認證本身分為ASIL到A-ASIL-D四個等級，最高等級要求系統錯誤率小于1%。國內很多手機和平板芯片用于后裝市場的ADAS，提供語音報警，出貨量也過百萬。

　　5，服務器及其他市場：

　　服務端的訓練硬件，可以用于訓練的移動端GPU每個計算核心面積是1.5mm (TSMC16nm)，跑在1Ghz的時候能效比是300Gops/W。最近970發布，麒麟芯片其實非常強調面積成本，而在高端特性上這么舍得花面積，可見海思要在高端機上走出自己的特色之路的決心，值得稱道。不過寒武紀既然是個跑指令的通用處理器，除了深度學習的計算，很多其他場合也能用上，比如ISP后處理，計算結構光深度信息等等，能效可能比DSP還高些。

　　AI芯片促進了科技產品的智能化發展，將這項技術和現有產品結合在一起才能實際擴大AI芯片的市場份額，這也是相關公司的努力方向。