哪些行业需要AI芯片及各主要厂商?

先进制造产业 来源: 芯智讯 时间:2019-12-03 17:14 阅读(805)

01 

数据中心(云端)

数据中心是 AI 训练芯片应用的最主要场景,主要涉及芯片是 GPU 和专用芯片(ASIC)。如前所述,GPU 在云端训练过程中得到广泛应用。目前,全球主流的硬件平台都在使用英伟达的 GPU 进行加速,AMD 也在积极参与。亚马逊网络服务 AWS EC2、Google Cloud Engine(GCE)、IBM Softlayer、Hetzner、Paperspace 、LeaderGPU、阿里云、平安云等计算平台都使用了英伟达的 GPU 产品提供深度学习算法训练服务。

1.webp.jpg

在云端推理市场上,由于芯片更加贴近应用,市场更多关注的是响应时间,需求也更加的细分。除了主流的 CPU+GPU 异构之外,还可通过 CPU+FPGA/ASIC 进行异构。目前英伟达在该市场依然保持着领军位置。主要原因是:GPU强大的并行计算能力(相比CPU)、通用性以及成熟的开发环境。但是GPU也并非是完美无缺的解决方案,明显的缺点如:高能耗以及高昂的价格。


相比之下,FPGA的低延迟、低功耗、可编程性优势(适用于传感器数据预处理工作以及小型开发试错升级迭代阶段)和 ASIC 的特定优化和效能优势(适用于在确定性执行模型)也正在凸显,赛灵思、谷歌、Wave Computing、Groq、寒武纪、比特大陆等企业市场空间也在扩大。

2.webp.jpg

来自IDC和Gartner的数据也显示,全球AI服务器及AI芯片市场规模自2016年到2020年都将保持持续的高速增长,而与此同时全球云端AI芯片当中GPU的市场份额呈现出持续下滑的趋势,预计到2022年云端训练GPU占比将降至60%,云端推理GPU占比更是只有30%。


02

移动终端


智能手机在经历了近10年的高速增长后,市场已趋于饱和,出货增速趋近于0,行业逐渐转为存量市场。近年来,一批国产厂商在产品质量上逐渐达到了第一梯队的水平,进一步加剧了头部市场的竞争。为实现差异化竞争,各厂商加大手机AI功能的开发,通过在手机SoC芯片中加入AI引擎,调配现有计算单元来实现AI计算,或者直接加入AI协处理器,实现在低功耗情况下AI功能的高效运行。


随着未来竞争进一步加剧,以及产量上升所带来的成本下降,预计AI芯片将会进一步渗透进入到中等机型市场,市场空间广阔。移动端AI芯片市场不止于智能手机,潜在市场还包括:智能手环/手表、VR/AR眼镜等市场。AI芯片在图像及语音方面的能力可能会带来未来人机交互方式的改变并进一步提升显示屏、摄像头的能力,有可能在未来改变移动端产品。


以往通过云数据中心做手机端AI推理任务面临网络带宽延迟瓶颈的问题,严重影响用户使用体验,而CPU适合逻辑运算,但并不适合AI并行运算任务,目前市场上流行在SoC中增加协处理器或专用加速单元来执行AI任务。以智能手机为代表的移动互联网终端是一个多传感器融合的综合数据处理平台,AI芯片需要具备通用性,能够处理多类型任务能力。由于移动终端依靠电池驱动,而受制于电池仓大小和电池能量密度限制,芯片设计在追求算力的同时对功耗有着严格的限制,可以开发专用的ASIC芯片或者是使用功耗较低的DSP作为AI处理单元。

3.webp (1).jpg

目前手机芯片市场存在以下情况:1)、AI应用场景、功能有限;2)、AI芯片厂商一般向SoC厂提供IP并收取授权费,需要AI-IP与整块SoC进行良好的匹配,而创业公司缺少与SoC厂商合作经验;3)、传统手机SoC厂商和IP厂商都在开发自己的AI加速器,传统IP巨头可以采取IP打包销售的方式推广其AI-IP产品。相比之下新进厂商在成本、功能、产品线、匹配度等都不占优的情况下很难在该领域存活。新进厂商应加强其软件方面优势,并加深与手机厂商合作共同进行手机AI功能开发。


03

自动驾驶


自动驾驶汽车装备了大量的传感器、摄像头、雷达、激光雷达等车辆自主运行需要的部件,每秒都会产生大量的数据,对芯片算力有很高的要求, 但受限于时延及可靠性,有关车辆控制的计算不能再依托云端进行,高算力、快速响应的车辆端人工智能推理芯片必不可少。4.webp.jpg

目前,自动驾驶所使用的芯片主要基于 GPU、FPGA 和 ASIC 三条技术路线但由于自动驾驶算法仍在快速更迭和进化,因此大多自动驾驶芯片使用 GPU+FPGA 的解决方案。未来算法稳定后,ASIC将成为主流。


根据美国汽车工程师协会(SAE)将自动驾驶按照车辆行驶对于系统依赖程度分为L0~L5六个级别,L0为车辆行驶完全依赖驾驶员操纵,L3级以上系统即可在特定情况下实现驾驶员脱手操作,而L5级则是在全场景下车辆行驶完全实现对系统的依赖。目前商业化乘用车车型中仅有Audi A8、Tesla、凯迪拉克等部分车型可实现L2、3级ADAS。预计在2020年左右,随着传感器、车载处理器等产品的进一步完善,将会有更多的L3级车型出现。而L4、5级自动驾驶预计将会率先在封闭园区中的商用车平台上实现应用落地,更广泛的乘用车平台高级别自动驾驶,需要伴随着技术、政策、基础设施建设的进一步完善,预计至少在2025年~2030年以后才会出现在一般道路上。

5.webp.jpg

目前汽车电子控制系统是分布式ECU架构,不同的信息娱乐、车身、车辆运动和动力总成系统及其细分功能分别由不同独立的ECU单元进行独立控制,部分高档车型上的ECU数量超过100个。未来随着汽车进入L3级以上的高级别自动驾驶时代,随着车载传感器数量及其所产生的数据量剧增,分布式电子系统难以满足对大量、多元的传感器数据进行高效融合处理,并综合所有传感器数据做出车辆控制决策等一系列操作需求。要满足以上功能需求,汽车电子系统由需要向着域控制器(DCU)、多域控制器(MDC)等集中化方向发展,未来,汽车电子操控系统将会进一步向着集中化、软硬件解耦及平台化方向发展,汽车将会由统一的超算平台对传感器数据进行处理、融合、决策最终实现高级别的自动驾驶功能。

6.webp.jpg

伴随人工智能技术在视觉领域的应用,基于视觉技术的自动驾驶方案逐渐变为可能,这需要在传统行车电脑平台上添加用于视觉算法处理的AI芯片。自动驾驶汽车计算单元设计需要考虑算力、功耗体积等问题,出于硬件资源最优化应用,往往采取异构计算平台设计方案,及“CPU+XPU”(XPU包括:DSP/GPU/FPGA/ASIC),其中可采取DSP用于图像特征提取任务、GPU/FPGA/ASIC等计算单元用于目标识别、追踪任务等,而CPU则会用于定位、决策等逻辑运算任务。


目前最典型的产品如英伟达的DRIVE PX系列及后续的Xavier、Pegasus等。除硬件计算平台外,英伟达为客户提供配套的软件平台及开放的上层传感器布局和自定义模块使得客户能够根据自身需要进行二次开发,其还为客户提供感知、制图以及行驶策略等解决方案。目前其产品已经被包括ZF、Bosch、Audi、Benz以及Tesla等Tier1s、OEMs厂商及诸多自动驾驶创业公司采用作为其处理器方案所使用。


在全部的边缘计算场景中,用于自动驾驶的计算芯片设计难度最大,这主要体现在:1)算力要求高, L3级以上自动驾驶需要复数种类的传感器实现传感器冗余,包括:6~12颗单目摄像头、3~12台毫米波雷达、5台以内的激光雷达等(不同方案配置侧重不同),因此产生的数据量极大( 估计L5级一天可产生数据量4000GB),在车辆高速行驶的情况下系统需要能够快速对数据进行处理;2)汽车平台同样是由电池供电,因此对于计算单元功耗有较高的要求,早期计算平台功耗大、产热也较大,对于系统的续航及稳定性都有较大的印象;3)汽车电子需要满足ASIL-D车规级电子产品设计标准,而使自动驾驶所需要的中央处理器达到ASIL-D级设计标准难度更大。


目前自动驾驶市场尚处于发展早期,市场环境不够成熟,但以英伟达、Intel(Mobileye、Altera)等科技巨头为代表的厂商已经投入巨资在该领域开发出了相关的硬件产品及配套软件技术。人工智能芯片创业公司应该加强与OEMs、Tier1或产业联盟合作为其提供AI芯片+软件工具链的全套解决方案。


AI 芯片用于自动驾驶之后,对传统的汽车电子市场冲击较大,传统的汽车电子巨头(恩智浦、英飞凌、意法半导体、瑞萨)虽然在自动驾驶芯片市场有所斩获,但风头远不及英特尔、英伟达、高通甚至是特斯拉。国内初创企业如地平线、眼擎科技、寒武纪也都在积极参与。在自动驾驶芯片领域进展最快以及竞争力最强的是英特尔和英伟达,英特尔强在能耗,英伟达则在算力和算法平台方面优势明显。


英特尔进入自动驾驶芯片市场虽然较晚,但通过一系列大手笔收购确立了其在自动驾驶市场上的龙头地位。2016 年,公司出资 167 亿美元收购了 FPGA 龙头 Altera;2017 年 3 月以 153 亿美元天价收购以色列 ADAS 公司 Mobileye,该公司凭借着 EyeQ 系列芯片占据了全球 ADAS 70%左右的市场,为英特尔切入自动驾驶市场创造了条件。收购完成之后,英特尔形成了完整的自动驾驶云到端的算力方案——英特尔凌动/至强+Mobileye EyeQ+Altera FPGA。英特尔收购 Mobileye 之后,后者也直接推出了 EyeQ5,支持 L4-L5 自动驾驶,预计在 2020 年量产。

7.webp.jpg

英伟达在汽车AI芯片的竞争中不落下风。英伟达在2015年推出了世界首款车载超级计算机Drive PX,紧接着 2016 年推出 Drive PX2,2018 年推出新一代超级计算机 Drive Xavier,同年,基于双 Drive Xavier 芯片针对自动驾驶出租车业务的 Drive PX Pegasu 计算平台面世。2019 CES 上,英伟达推出了全球首款商用 L2+自动驾驶系统 NVIDIA DRIVE AutoPilot。DRIVE AutoPilot 的核心是 Xavier 系统级芯片。该芯片处理器算力高达每秒 30 万亿次,已经投产。

8.webp.jpg

04

安防


安防市场是全球及国内 AI 最为确定以及最大的市场,尤其是 AI 中的图像识别和视频处理技术正在全面影响安防产业。其中,在安防产品中,摄像头、交换机、IPC(网络摄像机)、硬盘刻录机、各类服务器等设备都需要芯片,这些芯片也决定了整个安防系统的整体功能、技术指标、能耗以及成本。在安防芯片中,最为关注的还是四类与监控相关的芯片(ISP 芯片、DVR SoC 芯片、IPC SoC芯片、NVR SoC 芯片)。


ISP 芯片(Image Signal Processing,图像信号处理)主要负责对前端摄像头所采集的原始图像信号进行处理;DVR(DigitalVideoRecorder,数字硬盘录像机)SoC 芯片主要用于模拟音视频的数字化、编码压缩与存储;IPC (IP Camera,IP 摄像机)SoC 芯片通常集成了嵌入式处理器(CPU)、图像信号处理(ISP)模块、视音频编码模块、网络接口模块等,具备入侵探测、人数统计、车辆逆行、丢包检测等一些简单的视频分析功能;NVR (Network Video Recorder,网络硬盘录像机) SoC 芯片主要用于视频数据的分析与存储,功能相对单一,但由于多与 IPC 联合使用,市场增长也较快。


通常情况下,安防视频监控模拟摄像机的核心部件包括一颗图像传感器和一颗 ISP 芯片,安防视频监控网络摄像机的核心部件包括一颗图像传感器和一颗 IPC SoC 芯片。单从国内来看,未来国内视频监控行业增速仍将保持 12%-15%左右的水平增长,其中网络监控设备增长更为迅速,相关芯片产品需求十分旺盛。


安防 AI 芯片市场上,除了传统芯片以及安防厂商,还有大量的创业企业在涌入。国外芯片厂商主要有英伟达、英特尔、安霸、TI、索尼、特威、三星、谷歌等;国内厂商主要有海思(华为)、国科微、中星微、北京君正、富瀚微、景嘉微、寒武纪、深鉴科技、云天励飞、中科曙光等。英伟达、英特尔等企业凭借着通用处理器以及物联网解决方案的优势,长期与安防巨头如海康、大华、博世等保持紧密联系;国内寒武纪、地平线、云天励飞等企业,都有 AI 芯片产品面世,海思本身就有安防摄像机 SoC 芯片,在新加入 AI 模块之后,竞争力进一步提升。

9.webp.jpg

从安防行业发展的趋势来看,随着 5G 和物联网的快速落地,“云边结合”将是行业最大的趋势,云端芯片国内企业预计很难有所突破,但是边缘侧尤其是视频处理相关 AI 芯片还是有较大潜力,国产化替代将加速。但也看到,AI 芯片离在安防领域实现大规模快速落地仍有距离。除了功耗和算力约束外,工程化难度大也是困扰行业的重要因素,尤其是在安防这种产业链长而高度碎片化的产业,新技术落地需要长时间的积累与打磨,以及人力资源的不断投入。


05

智能家居


智能家居近年来也成为人工智能重要的落地场景。从技术应用上讲,人类 90%的信息输出是通过语音,80%的是通过视觉,智能家居领域应用最多的就是智能语音交互技术。近年来,正是看到语音交互技术与智能家居深度融合的潜力,谷歌、苹果、微软均将其作为进入智能家居领域的重要切入口,发布了多款软硬件平台,如亚马逊推出的智能音箱设备。国内智能语音龙头企业科大讯飞较早就切入了该领域,联合地产商推出了硬件平台魔飞(MORFEI)平台,电视、咖啡机、电灯、空调、热水器等产品都能通过融入相关平台实现智能化。


当前,无论是智能音箱还是其他智能家居设备,智能功能都是在云端来实现,但云端存在着语音交互时延的问题,对网络的需求限制了设备的使用空间,而且由此还带来了数据与隐私危机。为了让设备使用场景不受局限,用户体验更好,端侧智能已成为一种趋势,语音 AI 芯片也随之切入端侧市场。国内主要语音技术公司凭借自身在语音识别、自然语言处理、语音交互设计等技术上的积累,开始转型做 AI 语音芯片集成及提供语音交互解决方案,包括云知声、出门问问、思必驰以及 Rokid。


市场上主流的 AI 语音芯片,一般都内置了为语音识别而优化的深度神经网络加速方案,以实现语音离线识别。随着算法的精进,部分企业的语音识别能力得到了较快提升,尤其是在远场识别、语音分析和语义理解等方面都取得了重要进展。云知声在 2018 年 5 月,推出语音 AI 芯片雨燕,并在研发多模态芯片,以适应物联网场景,目前公司芯片产品已经广泛用于智能家电如空调之中;出门问问也在 2018 年推出了 AI 语音芯片模组“问芯”MobvoiA1;Rokid 也发在 2018 年发布了 AI 语音芯片 KAMINO18;思必驰利用其声纹识别等技术优势,2019 年初推出基于双 DSP 架构的语音处理专用芯片 TH1520,具有完整语音交互功能,能实现语音处理、语音识别、语音播报等功能。

10.webp.jpg

由于语音芯片市场过于细碎,需要企业根据场景和商业模式需要设计出芯片产品,这对传统的通用芯片企业的商业模式是一种颠覆,以致于在 2018 年以前都很少有芯片巨头进入该领域,这也给了国内语音芯片企业较大的施展空间。而对算法公司来说,通过进入芯片市场,进而通过解决方案直接面向客户和应用场景,通过实战数据来训练和优化算法。


06

机器人

机器人是人工智能行业最早的落地形态,也是现在和将来重要的应用方向。机器人主要包括两类——制造环境下的工业机器人和非制造环境下的服务机器人。工业机器人主要是面向工业领域的多关节机械手或多自由度机器人。服务机器人则是除工业机器人之外的、用于非制造业并服务于人类的各种先进机器人。


随着云物移大智等信息及智能化技术的发展,机器人在某些领域的工作效率高于人类,并在工业和服务场景中得到了大量应用。据国际机器人联盟统计,2017 年,全球工业机器人产量达到 38.1 万台,同比增长 30%,预计 2018-2021 年全球工业机器人产量将保持 10%以上增速增长,2021 年产量预计将达到 63.0 万台。中国是全球最大的工业机器人生产国,2017 年产量达到 13.79 万台,同比大幅增长 60%。服务机器人主要用于物流、防务、公共服务、医疗等领域,虽然规模不大,但是增长迅速。2017 年全球产量为 10.95 万台,同比大幅增长 85%。预计 2018 年全球专业服务机器人产量将达到 16.53 万台,同比增长 32%,2019-2021 年平均增速将保持在 21%左右。

11.webp.jpg12.webp.jpg

机器人尤其是国内产业规模的快速扩大,将大幅带动国内机器人相关智能芯片产业的发展。机器人由控制、传感、驱动和电源四大装置构成,其中控制装置是机器人的“大脑”,核心是 AI 芯片。机器人芯片需要具备强大的数据计算、自主判断思考和执行能力,国外厂商如高通、英特尔、英伟达都在积极部署该领域,国内企业目前处于追赶状态,相关企业包括瑞芯微、珠海全志、炬力等。

13.webp.jpg


中创产业研究院汇集高等院校、研究机构、专家学者、新兴产业、创新企业、投资机构、创新者、企业家和产业家等各方面的资源,是体系开放、多方协同的新型研究机构,努力为粤港澳大湾区乃至全国的发展提供智力支持,为政府部门、企业和产业集团提供产业发展咨询,推动战略性新兴产业的健康发展。中创产业研究院坚持“研究产业、服务产业、引领产业”的理念,目前已形成医疗产业研究中心、区域经济研究中心、新材料研究中心、先进制造研究中心和产业资源中心,组建成立了各研究方向的专家库。


欢迎公众投稿,投稿邮箱:service@sino-inno.cn

投稿请注明微信投稿字样

欢迎大家关注“中创产业研究院”产业研究信息分享平台


粤ICP备17123276号-1 Copyright © 2014-2017 中创研究院 版权所有 地址:广州市天河区珠江东路30号广州银行大厦7楼 技术支持:广东庖丁技术开发股份有限公司