新聞來源：

        新華財經上海12月8日電（記者 杜康）

        記者調查發現，不同落地場景下對人工智能芯片的性能參數偏好并不相同，這給初創公司創造了巨大的發展空間。目前來看，初創公司的AI芯片多聚焦于提升芯片在某個專用領域的性能。但也逐漸出現創業公司研發向芯片底層擴展，進一步延展芯片應用靈活性的趨勢。

      隨著AI落地更多場景，對AI芯片的需求也迅速擴大。近年來各類勢力均在發力AI芯片，包括芯片設計企業、IT廠商、技術公司、互聯網以及初創企業。記者調查發現，不同落地場景下對人工智能芯片的性能參數偏好并不相同，這給初創公司創造了巨大的發展空間。目前來看，初創公司的AI芯片多聚焦于提升芯片在某個專用領域的性能。但也逐漸出現創業公司研發向芯片底層擴展，進一步延展芯片應用靈活性的趨勢。

    人工智能芯片領域快速發展 初創公司多偏好專用領域

在AI場景中，傳統通用CPU由于計算效率低難以適應AI計算要求。伴隨著全球AI產業的快速增長，AI芯片需求大幅上升。

市場調研公司Tractica的研究報告顯示，全球人工智能芯片的市場規模將由2018年的51億美元增長到2025年的726億美元，年均復合增長率將達到46.14%。另根據Gartner預測，2022年全球AI芯片的市場規模將從2018年的42.7億美元上升到2023年的323億美元，2019-2023年平均增速約為50%，其中數據中心、個人終端、物聯網芯片均是增長的重點。

平安證券分析師閆磊稱，近年來各類勢力均在發力AI芯片，參與者包括傳統芯片設計企業、IT廠商、技術公司、互聯網以及初創企業。

人工智能芯片公司肇觀電子發布了其最新進展。肇觀電子聚焦于視覺識別領域。據其介紹，其芯片在保證8位整型的精度下，每秒最快能計算181幀圖片，并且將人工智能（AI）算法從訓練部署到實際應用的過程中，依然不損失算法的精度，又“快”又“準”的部分性能指標甚至高過英特爾（Intel） 旗艦產品Myriad X人工智能計算機視覺芯片。

“初創人工智能芯片企業多聚焦于專用領域。不同應用場景下，對人工智能芯片的性能側重需求也不同。算力之外，還需考量功耗、協處理能力等，這給初創公司留下了很大的發展空間。例如，同樣是機器視覺方向的AI芯片，用于安防行業則更強調圖像識別的準確性；用于自動駕駛中則額外強調芯片的低時延、高可靠性；用于智能家電如掃地機器人產品中則重視芯片的功耗優化以及其他傳感器數據處理的集成能力。”廣州越秀產業投資基金新制造投資部總經理吳煜說。

肇觀電子創始人馮歆鵬介紹，肇觀在最初的戰略選擇上，決定切入視覺領域芯片算力“利用率”這一行業痛點。

“名義算力并不是衡量智能視覺處理器的絕對標準，相較之下，芯片利用率作為優化指標具有重要意義。我們第一代芯片設計的仿真驗證模型預測芯片利用率為85%，但實際結果只有75%左右，這也是當時市面上常見類似芯片算力的利用率水平。經過幾個月研發，我們將芯片算力的利用率提高至83%。”馮歆鵬介紹，“更高的利用率意味著更低的成本、更高的識別精度和更快速的識別速度。”

目前肇觀電子的芯片已經商業化落地在基于雙目視覺和深度學習的3D相機；用于車載等場景的行為檢測系統，如監測駕駛員是否有接打電話等行為；以及智能AI相機等產品中。

通用型芯片VS專用芯片

當前人工智能芯片領域的上市公司數量仍為少數。今年7月份在科創板上市的寒武紀自2016年成立以來專注于人工智能芯片產品領域。開盤大漲288%，市值一度沖上千億。但此后估值水平也一度引發爭議。

根據寒武紀半年報，寒武紀仍處于持續虧損狀態。寒武紀稱，人工智能芯片研發需要大量資本開支，公司持續虧損的主要原因是根據公司戰略規劃，進一步增加研發投入所致。未來一段時間，公司將存在持續虧損。

不同于大多數初創公司多聚焦于各類專用芯片，寒武紀將目光更多聚焦于通用型芯片。

“通用型芯片對技術深度的要求更高，需要設計企業具備更基礎的指令集和微架構能力，也由于技術壁壘更高，通用型智能芯片的延展性更強、應用面更廣，可覆蓋人工智能領域高度多樣化的應用場景，包括如視覺、語音、自然語言理解、傳統機器學習等。”吳煜說。

吳煜介紹，通用型芯片相較于各類專用芯片，面臨更大的國外競爭壓力。“國外在芯片設計產業的兩端積累了很大的優勢，首先，在計算機體系的基礎這一端，也即指令集和處理器架構的層面，相關標準和發展趨勢一直以來都是由國外企業主導。其次，在配合芯片應用的軟件棧這一端，在國外經過多年的競爭，已經形成比較成熟的開發者環境和應用生態，典型的就是英偉達的CUDA平臺”

而各類場景下的專用芯片，目前來看，更多是SoC（也即系統級芯片），涉及底層研發較少。“得益于我國在通信、家電、手機等優勢電子產業的集成化能力，國內芯片企業在SoC能力可以說還占有一定優勢，這樣對于下游需求也能做出更快的響應。”吳煜說。

吳煜介紹，整體來看，通用型芯片所需要的打磨時間更久，技術路徑更長；各類SoC芯片對需求的反應時間更快，但橫向應用擴展性弱一些。“我們也看到，一些SoC芯片企業開始將研發投入延伸至微架構甚至指令集領域，以更好優化芯片性能。一些從事通用型芯片設計的產業巨頭向自動駕駛、工業互聯等領域擴展專用化的產品方案。”

行業人士認為，總體來看，人工智能芯片技術仍處于發展的初期階段，技術迭代速度加快，技術發展路徑尚在探索中，尚未形成具有絕對優勢的架構和系統生態。隨著越來越多的廠商推出人工智能芯片產品，該領域市場競爭也將日趨激烈。

編輯：丁晶

聲明：新華財經為新華社承建的國家金融信息平臺。任何情況下，本平臺所發布的信息均不構成投資建議