B体育AI 芯片是针对人工智能算法做了特殊加速设计的芯片。算力是人工智能发展的关键因素之一，随着深度 学习算法的普及和应用，人工智能对算力提出了更高的要求，传统的 CPU 架构难以满足人工智能算法 对算力的要求，因此具有海量数据并行计算能力、能加速计算处理的 AI 芯片应运而生。在全球数字化、 智能化的浪潮下，智能手机、自动驾驶、数据中心、图像识别等应用推动 AI 芯片市场迅速成长。 我们将分析当前 AI 芯片行业的现状，并梳理 AI 芯片的产业链，分析其中的关键环节，并指出可能 从中受益的公司。希望通过这些内容，能够增进大家对 AI 芯片的认识。
AI芯片行业深度：行业现状、政策分析、产业链及相关公司深度梳理来源：《幻影视界》
自 2018 年 GPT-1.0 模型首次发布以来，OpenAI 不断迭代模型，GPT-4.0 模型拥有更大的参数量、更 长的迭代时间和更高的准确性。随着数据不断增长和算法复杂度提高，人工智能对计算力提出了更高的 要求。因此 AI 芯片人工智能的基石，算力是实现人工智能产业化的核心力量，其发展对人工智能技术 的进步和行业应用起着决定性作用。释放算力的价值对国家整体经济发展将发挥推动作用。计算力指数每提高 1 点，数字经济和 GDP 将分 别增长 3.5‰和 1.8‰。可见，国家计算力指数越高，对经济的拉动作用越强。2021-2026 年期间，预 计中国智能算力规模年复合增长率达 52.3%，同期通用算力规模年复合增长率为 18.5%。
在 AI 芯片领域，国外芯片巨头占据了大部分市场份额。全球范围内主要布局人工智能芯片的厂商有 Intel、NVIDIA、Qualcomm、Google 等。美国的巨头企业，凭借着多年在芯片领域的领先地位，迅速 切入 AI 领域并积极布局，目前已经成为该产业的引领者。
我国 AI 芯片产业起步较晚，技术上与世界先进水平也还存在着较大的差距。国内 AI 芯片市场也较为 分散，集中度低。随着数字经济的兴起，人工智能已经深入渗透到各个行业，特别是在互联网等科技公 司中更为普及。这些公司对于计算机软件技术和存储设备的要求极高，因此对于底层技术的布局和提升 更为重视，尤其是在人工智能芯片领域。
从竞争格局来看，在不同的应用场景之下，已经形成了不同的 AI 芯片竞争格局。在云和数据中心 AI 芯片市场，“训练”和“推理”两个环节都是英伟达 GPU 一家独大。在设备端和边缘计算“推理”市场，各类 型芯片各自为阵B体育，尚无绝对优势地位的芯片厂商出现：手机市场以高通B体育、华为、苹果原主控芯片厂商为 主，自动驾驶、安防 IPC 领域英伟达暂时领先。近年来，国内也出现了寒武纪、百度、地平线等优质本 土厂商发力布局相关产品。
在全球生成式人工智能浪潮带动下，国产大模型也不断取得技术进展，部分企业在能力上已经可以与海 外主流模型实现对标。国产大模型技术的迭代和访问调用量的增加，对应了训练端更大规模算力硬件集 群的采购需求，以及推理端的逐步扩容。受到贸易摩擦影响，海外核心云端 AI 芯片进入大陆市场受限， 国产替代迫切性高。尽管当下国产云端 AI 芯片在硬件性能、系统生态方面与全球领先水平均存在一定 差距，但国产化窗口期已至，行业有望于年内迎来重要商业化落地转折点。
相比云端 AI 芯片需要兼具训练和推理性能，边缘 AI 芯片则更多承担推理任务，其主要存在形式是作为 AI SoC 嵌入终端设备，因此性能上更加追求在算力、功耗和成本等多方面的综合表现。目前，边缘 AI 芯片正越来越多地应用在非消费类设备和场合，比如智能安防、ADAS/自动驾驶、智能家居、可穿戴智 能设备，以及商业和工业场合的 AI 应用(智能交通、智慧城市、工厂机器视觉、机器人和 AGV 等)。边 缘 AI 芯片也将迎来蓬勃发展。 据德芯半导体援引 Gartner 统计，2022 年中国边缘 AI 芯片市场规模约为 49.9 亿美元，预计到 2025 年， 中国边缘 AI 芯片市场规模将增长到 110.3 亿美元，较 2022 年增长 121%。
AI 芯片产业链上游为硅片、光刻胶、溅射靶材、电子特气等半导体材料和单晶炉、PVD、光刻设备、检 测设备等设备；中游为 AI 芯片产品制造，包括设计、制造、封装、测试等环节；下游为云计算、智慧 医疗、智能穿戴、智能手机、智能机器人、无人驾驶等应用领域。
AI 算力依赖硬件驱动，带动芯片需求增长从而带动半导体材料增长。半导体材料作为芯片的基石，受 益于人工智能的需求拉动，半导体材料市场规模呈现整体向上的态势。 半导体材料包括：硅片、溅射靶材、CMP 抛光液和抛光垫、光刻胶、高纯化学试剂、电子气体、化合 物半导体、封装基板、引线框架、陶瓷封装体、键合金属线等。AI 芯片作为专门用于处理人工智能应用中的大量计算任务的模块，其制造和构建离不开半导体材料作为 基础。
近年来，随着国内半导体材料厂商不断提升半导体产品技术水平和研发能力，中国半导体材料国 产化进程加速。中商产业研究院发布的《2024-2029 年中国半导体材料专题研究及发展前景预测评估报 告》显示，2023 年中国大陆半导体材料市场规模约为 979 亿元。中商产业研究院分析师预测，2024 年中国大陆半导体材料市场规模将达 1011 亿元。
半导体设备包含单晶炉、光刻设备、PVD 设备及检测设备等。单晶炉重点企业包括晶盛机电、华盛天 龙、北方华创、晶科能源、晶澳科技、捷佳伟创等；光刻设备重点企业包括上海微电子、中电科 45 所、 沈阳芯源、芯碁微装B体育、电科数字、旭光电子等。
半导体设备是 AI 芯片的基础和基石，为 AI 芯片的制造提供了必要的工艺和技术支持。中商产业研究院 发布的《2024-2029 年中国半导体设备行业市场供需趋势及发展战略研究预测报告》显示，2023 年中 国半导体设备市场规模约为 2190.24 亿元，占全球市场份额的 35%。中商产业研究院分析师预测， 2024 年中国半导体设备市场规模将达 2300 亿元。
AI 服务器存储容量倍增，带动存储器需求成长。据 TrendForce，AI 服务器需要配置更多 DRAM、 SSD 和 HBM 等大容量存储以应对日益复杂的大模型所带来的海量数据。当前普通服务器 DRAM 普遍 配置约为 500 至 600GB，而 AI 服务器 DRAM 配置可达 1.2 至 1.7TB，是普通服务器的二到三倍。此外， 相较于一般服务器而言，AI 服务器多增加 GPGPU 的使用，因此以 NVIDIA A100 80GB 配置 4 或 8 张 计算，HBM 用量约为 320~640GB。未来在 AI 模型逐渐复杂化的趋势下，将刺激更多的存储器用量， 并同步带动 ServerDRAM、SSD 以及 HBM 的需求成长。
异构集成，即横向和纵向连接多个半导体，可将更多的晶体管装在一个更小的半导体上，准确地说是在 更小的半导体封装内，从而提供比其各部分之和更大的功用。CPU+GPU 是人工智能异构计算的主要组合形式，英伟达的 GraceHopper 超级芯片通过异构集成 CPU、GPU 以及存储器，实现芯片更高带宽的 互连，能够承担更大的数据集、更复杂的模型和新的工作负载。
先进封装成为突破“摩尔定律”局限的技术。先进封装技术充当着半导体器件与系统之间的桥梁，是实现 异构集成的关键技术，因此，这种连接方法变得越来越重要。先进封装技术本身已成为一种系统解决方 案，半导体头部设计、制造商均通过此方法，在摩尔定律放缓的时代，从系统层面继续提升芯片性能。
本文仅供参考，不代表我们的任何投资建议。【幻影视界】整理分享的资料仅推荐阅读，用户获取的资料仅供个人学习，如需使用请参阅报告原文。返回搜狐，查看更多
官方微信
官方微博
