AI芯片落地产品的市场解读

　　AI芯片最后代表的是深度学习和算法，AI芯片的这些功能也将会运用到多个行业的产品中发挥智能化特点，更好的发挥这些产品的性能。

　　AI芯片市场的市场规模

　　2016年人工智能芯片市场规模达到6亿美元，预计到2021年将达到52亿美元，年复合增长率达到53%，增长迅猛。

　　1，智能手机

　　2016年中国大陆市场智能手机出货量4.67亿部，占全球份额为31.77%;根据数据，2016年中国大陆品牌智能手机出货量6.29亿部，占全球份额为42.8%。在PC电脑方面，根据数据，2016年中国大陆PC电脑出货量0.8亿台，占全球份额为30.8%。2016年中国大陆(含在华国外企业)制造的智能手机占全球的74%，平板电脑占76%笔记本电脑占91%，显示器占88%，数字电视占49%，因此中国大陆电子市场对IC产品有着庞大的需求。

　　2，集成电路

　　在下游产业爆发式增长的推动下，中国电子产业获得了强大的发展动力，特别是集成电路产业，在下游市场的推动以及政府与资本市场的刺激，呈现了快速的增长。根据中国半导体行业协会的统计，2016年中国集成电路产业销售额(位于中国大陆境内的国内外厂商销售总额)达到4335.5亿元，比上年增长20.1%。集成电路产业销售主要划分为IC设计、IC制造和IC封测三大环节，由于中国在IC设备和材料方面国产化能力低，不具备规模销售能力，因此在整个IC产业销售额中的占比极低。2016年中国IC设计产业销售额1644.3亿元，同比增长24.1%，IC制造产业销售额1126.9亿元，同比增长26.1%，IC封测产业销售额1564.3亿元，同比增长13.03%。

　　与中国集成电路产业销售额保持年均20%高增长相对比的是，全球半导体产业保持稳定，2015/2016年的增速均为1.0%左右。

　　3，市场规模预测

　　根据中国半导体行业协会的测算，IC设计、制造、封测资产投资规模按照专业的投入产出比均值进行测算，设计1:2，制造1:0.25，封测1:1.1。因此，到2020年，设计产业销售增量2600亿元，需要新增投资1300亿元，制造产业销售增量1600亿元，需要新增投资6400亿元，设计产业销售增量1400亿元，需要新增投资1261亿元，合计新增投资约为9000亿元。为了达到集成电路发展目标和配合投资增量，未来五年预计需要在设备和材料领域投入的研发资金分别为180亿元和190亿元，对应2016-2020年产业发展资金投入需要分别达到120亿元和330亿元。

　　从市场规模角度来看，半导体设备的市场规模与制造和封测厂的建设投资直接成正比关系，而材料的市场规模与制造和封测厂建成之后的产量/体量成正比关系(产量/体量又正比于制造与封测工厂的投资规模)，根据《中国集成电路产业“十三五”发展规划建议》，2020年中国集成电路制造和封测销售额相比于2016年将扩大一倍(从2016年的2681亿元到2020年的5400亿元)，因此我们判断，对应集成电路用半导体材料销售额将从2016年的431亿元(65.3亿美元)扩大至2020年的868亿元。

　　AI芯片的发展分析

　　1，手机和平板。

　　手机和平板市场一年的出货量在30亿颗左右(含功能机)，除苹果外总值300亿刀。手机主要玩家是苹果(3亿颗以下)，高通(8亿颗以上)，联发科(7亿颗以上)，三星(1亿颗以下)，海思(1亿颗)，展讯(6亿颗以上)，平板总共4亿颗左右。而28纳米工艺，量很大的话(1亿颗以上)，工程费用可以摊的很低，平均1平方毫米的成本是8美分左右，低端4G芯片(4核)的面积差不多是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纳米以及往上，同样的晶体管数，单位成本会到1.5倍。

　　DLA绿色的模块形成类似于固定的流水线，上面有一个控制模块，可以用于动态分配计算单元，以适应不同的网络。稀疏矩阵压缩减少带宽，优化的矩阵算法减少计算量，外加SRAM(一个273x128, 128x128, 128x128 ,128x6 的4层INT8网络，需要70KB SRAM)。有些加速器增加了一个SmartDMA引擎，可以通过简单计算预取所需的数据。对于中高端手机，GPU和CPU的资源在不打游戏的时候有冗余，那么就没有必要去掉图形功能，直接在GPU里面加深度学习加速器就可以，让GPU调度器统一调度，进行异构计算。

　　2，家庭市场(智能音箱)

　　家庭市场包括机顶盒/家庭网关(4亿颗以下)，数字电视(3亿颗以下)，电视盒子(1亿以下)三大块。整个市场出货量在7亿片，电器里面的MCU并没有计算在内。MStar/ 海思/博通/ Marvell / Amlogic都在这个市场，小公司更是无数。如果没有特殊要求，拿平板的芯片配个wifi就可以用。当然，中高端的对画质还是有要求，MTK现在的利润从手机移到了电视芯片，屏幕显示这块有独到的技术。很多机顶盒的网络连接也不是以太网，而是同轴电缆等，这种场合也得专门的芯片。

　　智能音箱的市场更广泛，其中，亚马逊和谷歌占大头，芯片均采用ARM Cortex-A小核做控制器，DSP做图像和语音处理的方式。其中，DSP的运算能力在10 Gops的INT8 MAC左右，并不高，价格却不便宜，大于20美金。在芯片内部，DSP的主要作用还是回声消除，去噪，语音识别等。自然语言理解和神经网络计算并不是在设备端，而是在云端。在国内，百度和科大讯飞提供SDK甚至模块，不过还是需要连到云端才能启用完整功能。在芯片方面，国内有些公司已经发布了一些带深度学习加速器的芯片，并集成语音处理模块和内存颗粒。未来这类芯片会更多，而软件平台，或者说语义处理到底放在云端还是终端，会成为争夺的焦点。

　　3，监控市场

　　接下去是监控市场。监控市场上的图像识别是迄今为止深度学习最硬的需求。监控芯片市场本身并不大，有1亿颗以上的量，销售额20亿刀左右。主流公司有安霸，德州仪器和海思，外加几个小公司，OEM自己做芯片的也有。

　　传统的监控芯片数据流，从传感器进来，经过图像信号处理单元，然后送给视频编码器编码，最后从网络输出。如果要对图像内容进行识别，那可以从传感器直接拿原始数据，或者从ISP拿处理过的图像，然后进行识别。中高端的监控芯片中还会有个DSP，做一些后处理和识别的工作。现在深度学习加速器进来，其实和DSP是有些冲突的。如果要做识别以外的一些图像算法，这颗DSP还是得在通路上，并不能被替代。并且，DSP对传统算法的软件库支持要好得多。这样，DSP替换不掉，额外增加处理单元在成本上就是一个问题。

　　4，机器人和无人机

　　第四个市场是机器人/无人机。手机和平板的芯片也能用在这个领域。无人机的话全球一年在200万左右，做视觉处理的芯片也应该是这个量级。无人机用到的识别模块目前看还是DSP和CPU为主，因为DSP还可以做很多图像算法，和监控类似。这个市场对于ISP和深度信息的需求较高，双摄和结构光都可以用来算深度计算。

　　在无人机上做ISP和视觉处理，除了要更高的清晰度和实时性外，还比消费电子多了一个要求，容错。无人机的定位都靠视觉，如果给出的数据错误或者模块无反应都不符合预期。解决这个问题很简单，一是增加各种片内存储的ECC和内建自检，二是设两个同样功能的模块，错开时钟输入以避免时钟信号引起的问题，然后输出再等相同周期，同步到一个时钟。如果两个结果不一致，那就做特殊处理，避免扩散数据错误。

　　5，汽车市场

　　第五个市场是汽车，整个汽车芯片市场近300亿刀，在汽车电子上，深度学习的应用就是ADAS了。在ADAS里面，语音和视觉从技术角度和前几个市场差别不大，只是容错这个需要进一步系统化，形成Function Safety，整个软硬件系统都需要过认证，才容易卖到前装市场。Function Safety比之前的ECC/BIST/Lock Step更进一步，需要对整个芯片和系统软件提供详细的测试代码和文档，分析在各类场景下的错误处理机制，连编译器都需要过认证。认证本身分为ASIL到A-ASIL-D四个等级，最高等级要求系统错误率小于1%。国内很多手机和平板芯片用于后装市场的ADAS，提供语音报警，出货量也过百万。

　　5，服务器及其他市场：

　　服务端的训练硬件，可以用于训练的移动端GPU每个计算核心面积是1.5mm (TSMC16nm)，跑在1Ghz的时候能效比是300Gops/W。最近970发布，麒麟芯片其实非常强调面积成本，而在高端特性上这么舍得花面积，可见海思要在高端机上走出自己的特色之路的决心，值得称道。不过寒武纪既然是个跑指令的通用处理器，除了深度学习的计算，很多其他场合也能用上，比如ISP后处理，计算结构光深度信息等等，能效可能比DSP还高些。

　　AI芯片促进了科技产品的智能化发展，将这项技术和现有产品结合在一起才能实际扩大AI芯片的市场份额，这也是相关公司的努力方向。