核心觀點

｜行業概覽

1、專用的人工智能芯片行業剛剛出現，正在進入產業爆發期，并且將長期保持快速增長。

人工智能是近三年來最受關注的核心基礎技術，將深刻的改造各個傳統行業。人工智能在圖像識別、語音識別領域的應用自2017年來高速發展，是人工智能最熱點的兩項落地應用。專用的人工智能芯片是該應用的技術基礎與核心，也將隨之迎來高速發展。

2、人工智能算法公司已經轉化為方案公司，大力推動商業化落地，將帶動對應芯片行業的快速崛起。

谷歌、百度、阿里、騰訊等互聯網巨頭以及多家知名的風險投資基金瘋狂涌入人工智能行業，大力推動了各初創算法（方案）公司在多個應用領域商業化落地。算法公司對有效需求進行篩選和培育后，落地成功的市場將實現高速乃至爆發性增長，為上游配套的芯片公司創造了明確而廣闊的市場空間。圖像（人臉）識別系統、智能音箱是近兩年比較明確的人工智能技術的落地應用。

3、人工智能芯片涉及算法、芯片設計技術及對應用場景的綜合把握，具有很高的行業壁壘。

人工智能芯片行業是人工智能和集成電路的交叉產業，具有雙重壁壘。一是人工智能行業具有很高的算法、數據、應用場景壁壘，二是芯片設計行業具有較高的人才、技術、經驗和資金的綜合壁壘。近期多家算法公司及傳統芯片設計公司都推出了AI芯片，形成了新的產業及投資熱點。

｜投資機會

1、終端人工智能芯片短期將迎來多次爆發，云端通用人工智能芯片將保持長期穩定增長。

中短期內，近期蓬勃發展的“萬物互聯”+“萬物智能”生態將催生巨量的終端人工智能芯片需求，覆蓋智能監控、智能家居、物聯網、自動駕駛等多個熱點領域。每個熱點領域的爆發，都將帶來特定AI終端芯片的爆發式增長。長期來看，擁有強大的云端訓練和推理能力的通用人工智能芯片將隨著應用的逐步落地而保持長期穩定的增長。由于云端芯片對性能的極致追求，將逐步成為芯片行業的技術制高點，并且由于其具有廣泛的通用性，甚至有可能孕育出因特爾、英偉達級別的新的云端領域的芯片巨頭。一般來說，終端芯片對成本、功耗等因素的要求更高，傳統芯片設計公司更有優勢；云端芯片對算法、性能的要求更高，算法公司更有優勢。

2、語音識別是人工智能技術迄今為止最明確的落地應用之一，終端人工智能語音芯片將迎來高速增長。

多家算法公司大力推動語音識別技術的落地應用，形成了算法、終端應用方案一體化的產業格局，并逐步開始自研或與傳統芯片設計公司合作推出研發芯片，形成了語音算法和芯片設計公司既互補又競爭的格局。傳統芯片公司大規模進入該行業，推動了低成本、低功耗專用語音識別芯片的實現，將進一步積極推動各類語音應用的迅速發展。

目錄

1、行業概況

1.1 行業簡介

1.2 發展歷程

1.3 產業鏈及核心環節

1.4 行業壁壘

2、AI芯片格局和主要公司

2.1 GPU和FPGA

2.2 ASIC

3、重點領域—AI語音識別市場

3.1 市場規模

3.2 競爭態勢

4、行業發展趨勢

01

行業概況

1.1 行業簡介

人工智能芯片（簡稱AI芯片）是指含有專門處理人工智能應用中大量計算任務模塊的芯片，屬于集成電路和人工智能的交叉領域。自2016年以來，谷歌、百度、阿里、騰訊等互聯網巨頭以及多家知名的風險投資基金瘋狂涌入人工智能行業，大力推動各初創算法（方案）公司在多個應用領域商業化落地。隨著人工智能在視覺識別、語音識別等領域明確的商業化應用不斷涌現，人工智能算法及方案芯片化、硬件化的趨勢日益明顯，具有深度學習算法加速功能的芯片需求快速提升。

人工智能領域的高速發展，取決于對前沿算法的研究、落地應用場景的積極探索及通過先進的芯片設計、制造技術來滿足日益明確的商業需求三個關鍵因素。商湯科技、曠視科技、科大訊飛、思必馳、華為、寒武紀等多家中國公司對于前沿算法的研究已經走在全球前列，與美國齊頭并進。中國對于落地應用的探索更是全球領先，已經出現包括人臉識別、智能安防、智能音箱、智能家居等多個落地的商業場景。新一代的AI芯片創業公司結合應用特點，采用了合理的先進芯片設計、制造技術，與美國同類公司相比位于同一起跑線上。業界普遍認為，AI芯片之爭是中美兩國公司間的競爭，中國目前暫時落后。但由于在應用探索上更加積極，未來中國AI芯片有可能超越競爭對手，成為全球領軍力量。

AI芯片按照應用場景可以分為云端芯片和終端芯片，按照功能可以分為訓練芯片和推理芯片。云端指服務器端，終端指包括手機、電腦、監控攝像頭、家電、消費電子等在內的電子終端產品。訓練指通過大量的數據輸入，運用增強學習等非監督學習方法，訓練出一個復雜深度神經網絡模型的過程，其對芯片運算和存儲的綜合性能要求很高。推理指利用訓練好的模型，使用新的數據去得出各種結論、完成各種任務的過程，其對芯片的速度、能耗、安全和硬件成本要求較高。

按照以上兩個維度，可以將AI芯片劃分至四個象限。其中，終端/嵌入式設備以推斷應用為主，訓練的需求尚不是很明確，但是，未來的終端設備將逐步具備訓練和學習的能力。

圖1：AI芯片按照兩個維度分類

資料來源：清華大學、北京未來芯片技術高精尖創新中心

1.2 發展歷程

自芯片誕生以來，人類對芯片設計、高純度硅工藝、超高精密設備、物理化學工藝的不斷探索，促進了芯片技術的快速發展，芯片的計算能力呈指數形式增長，推動了個人計算機和互聯網時代的誕生和發展。2006年，以深度學習算法為標志的新一代人工智能誕生，2016和2017年，基于深度學習技術、運行于TPU（ASIC）上的Google人工智能AlphaGo相繼戰勝人類圍棋世界冠軍李世石、柯潔，引發新一輪人工智能發展熱潮，計算能力再次成為人工智能時代的核心驅動力。AI芯片則是計算能力提升的集中體現，成為人工智能“大腦”的基礎。

2010年至今，不同功能和定位的芯片均開始被研發用于深度學習算法，初步形成了GPU、FPGA、ASIC等繁榮共生的AI芯片行業。

1.3 產業鏈及核心環節

AI芯片的設計、制造流程與其他芯片類似，由設計、制造、封裝測試等環節組成。AI芯片設計公司下游為應用方案公司，方案公司將其整體解決方案（包括運行于云端和終端的各類軟硬件）最終用于具體應用場景。目前處于AI領域發展初期，中國的算法公司投入大量資金及精力探索落地應用，算法公司與應用方案公司實際上已經合為一體。具體來看：

在下游應用環節，算法及方案公司根據不同的應用場景，制定云端和終端的芯片布局方案。其中，云端為應用場景訓練可靠的人工智能算法，并承擔大部分復雜的推理任務，終端直接為應用場景輸出結果。目前，人工智能在安防、金融、醫療和教育等領域均獲得了快速落地并形成了可推廣的案例。

在上游環節，不同的人工智能算法對AI芯片的加速功能提出了不同要求，需要AI芯片設計公司根據算法特點，設計具有特定加速功能的芯片。按照推理和訓練劃分來看，訓練環節所需的運算包括前向計算和后向更新,推斷環節則主要是前向計算。前向計算包括矩陣相乘、卷積和循環層運算等，后向更新主要是梯度運算。所以，兩個環節運算特點不盡相同。云端側重訓練，算法更加復雜和廣泛，對芯片的通用性和綜合性能要求更高；終端側重推理，算法更加高效可靠，對芯片的專用性和效率要求更高。同時，由于芯片具有一旦設計完成基本不可更改的硬件屬性，算法公司需要結合算法的發展現狀在現有AI芯片技術條件下選擇合適的芯片架構及軟硬件功能劃分。

綜合來看，算法與AI芯片設計互相影響。作為AI芯片公司，需要充分了解和掌握算法規律，設計出符合發展需求的AI芯片；作為算法公司，需要在各類AI芯片，尤其是專用芯片的基礎上，實現算法的演進。

圖2：AI芯片產業鏈示意

資料來源：九鼎投資整理

1.4 行業壁壘

AI芯片行業屬于人工智能和集成電路的交叉產業，具有雙重屬性，行業壁壘較高。

首先，人工智能行業存在兩道壁壘。第一道壁壘是算法，只有掌握深度學習算法并具備持續更新算法的能力，才算真正進入人工智能的大門。第二道壁壘是對應用場景的理解，只有將算法在具體應用場景中落地，形成數據加算法的閉環，才能通過數據反哺算法，形成超越競爭對手的優勢。

其次，芯片設計行業存在技術、人才、經驗和資金的綜合壁壘。芯片設計產業鏈環節多，需要多方面、多層次、多梯度的人才及豐富的量產工程化經驗。需要采用先進制程的AI芯片，流片費用高達幾千萬，產品研發周期長達1-2年，新公司的進入門檻很高。

02

AI芯片格局和主要公司

目前，在訓練環節，由于需要更高效地進行大規模并行計算，英偉達GPU占據壟斷性地位，因特爾CPU+FPGA、谷歌TPU和寒武紀MLU等ASIC方案也在加速追趕。在推理環節，不同的異構芯片或專用芯片算力表現處在發展變化的過程中。云端推理方面，Intel的CPU+FPGA架構具有強大能力，英偉達也通過Volta架構大大提升了其GPU的推理性能；終端推理方面，由于更接近最終應用，不同的細分市場算法差別較大，ASIC由于專用性強、效率高、功耗低，成為主流選擇，FPGA則適合用于算法方案快速變化的終端領域。

綜合來看，未來可能呈現如下產業格局：GPU應用于高端復雜算法、高性能計算和數據中心；ASIC在云端訓練、推理及智能終端廣泛應用；FPGA 應用于變化較快的行業應用和虛擬化云平臺。

表1：四類人工智能芯片對比

資料來源：九鼎投資整理

2.1 GPU和FPGA

1、GPU

GPU（Graphics Processing Unit）是一種進行圖形運算工作的微處理器。隨著通用計算技術發展，GPU的功能已經不再局限于圖形處理，在浮點運算、并行計算等高性能計算方面開始有廣泛的應用。目前支持金融工程學、氣象及海洋建模、數據科學及分析、國防與情報、制造業（CAD制圖及CED）、成像與計算機視覺、醫學影像、電子設計自動化、計算化學等多個領域共150多種應用程序的加速。但由于其功耗較高，主要用于云端計算。

GPU是目前深度學習算法訓練的首選芯片，在該領域擁有最高的市占率。其擁有完備的人工智能計算軟件生態，越來越多的深度學習標準庫支持基于GPU的深度學習加速。與CPU相比，GPU適用于密集型程序以及并行計算，而CPU擅長于邏輯運算和串行計算。

（1）英偉達（NVIDIA）

英偉達的GPU產品主要包括PC端處理器GeForce、移動處理器Tegra和深度學習芯片Tesla。其中Tesla的核心產品包括基于PASCAL架構和Volta架構的系列芯片。

目前英偉達的GPU產品主要應用于各類計算平臺、數據中心加速和深度學習訓練，應用領域包括醫療、汽車、智能家電、金融服務等?；赥egra系列處理器，英偉達發布了DRIVE PX開放式人工智能車輛計算平臺，可實現包括高速公路自動駕駛與高清制圖在內的自動巡航功能，應用的特斯拉ModelS已經開始量產，百度、沃爾沃也跟英偉達達成了合作，他們都將生產搭載DRIVE PX的智能駕駛汽車。

英偉達2018年5月推出的Telsa V100浮點運算速度提高了1.5倍，深度學習訓練速度提高了12倍，推理速度提高了6倍。

（2）ATI（被AMD收購）

ATI是與英偉達齊名的顯卡制造商，2006年被AMD以54億美元收購。2017年8月，AMD搭載深度學習功能的新一代GPU正式發布，在各項測試和應用中性能超過英偉達Pascal系列。2018年，AMD 公開展示了全球首款7納米制程的GPU芯片原型?？傮w而言，AMD在產品生態和市場份額方面不如英偉達，但仍是全球僅次于英偉達的GPU廠商。

（3）景嘉微

景嘉微是國內唯一擁有自主知識產權和成熟產品的圖形處理芯片公司。公司創建于2006年4月，2016年3月在深圳證券交易所掛牌上市，現有員工400多人。公司創新的MPPA架構提供單芯片超算解決方案，具有高性能、低功耗、實時性等特點，可以為視頻、網絡、電信、大數據等領域的云計算應用實現實時加速，還可以為航空航天、國防、汽車等領域的嵌入式應用提供嵌入式高性能運算能力。但是，景嘉微與國外GPU巨頭技術差距較大，短期內尚無可能影響人工智能GPU芯片的產業格局。

2、FPGA

FPGA為現場可編程門陣列。高密度計算、大吞吐量和低功耗的特點使其在各個行業領域有較大的發展空間。在通信領域，FPGA主要用在通信和無線設備系統，為數據中心提供更高的能源效率、更低的成本和更高的擴展性，還可以用于 5G 的可編程解決方案；在工業領域，FPGA可實現自動化、機器視覺和運動控制；在汽車領域，FPGA成為 ADAS 的主要處理平臺，提供實時圖像分析與智能傳輸。由于 FPGA 可編程，其在提供差異化產品和快速響應上有著極大的優勢。此外，CPU+FPGA 的混合結構也可用于云服務計算。

FPGA的市場發展迅速，但技術門檻比較高，目前市場上主要由Xilinx（賽靈思）與 Altera（阿爾特拉）兩家公司主導，兩家市場份額合計達80%以上。

（1）賽靈思（Xilinx）

Xilinx是全球排名第一的可編程邏輯完整解決方案的供應商。公司成立于1984年，Xilinx首創了現場可編程邏輯陣列(FPGA)這一技術，并于1985年首次推出商業化產品。Xilinx研發、制造并銷售多種類型的集成電路、軟件設計工具以及作為預定義系統級功能的IP(Intellectual Property)核。Xilinx產品已經被廣泛應用于從移動通信基站到DVD播放機的數字電子應用技術中。作為FPGA技術的發明者和產業龍頭型公司，Xilinx約占全球FPGA市場出貨量的50%，在高端FPGA市場（16nm、20nm、28nm）占有較大優勢。公司在全世界擁有7500多家客戶，包括IBM、NEC、Samsung，Siemens、Sony等知名公司。

（2）阿爾特拉（Altera）

Altera在FPGA領域長期占據領先地位，是Xilinx之外另一家FPGA寡頭級企業。Altera公司的FPGA分為兩大類，一種側重低成本應用，容量中等，性能可以滿足一般的邏輯設計要求，如Cyclone，CycloneII；還有一種側重于高性能應用，容量大，能滿足各類高端應用，如Stratix，StratixII等。Altera的FPGA產品被廣泛應用于汽車、消費電子、軍事航空、醫療、無線通信等多個領域。

2015年末Intel斥資167億美元收購了Altera公司。Intel計劃將Altera的可定制芯片和自有的標準化半導體相整合，以針對網絡搜索、機器學習等特定任務打造更加高效的產品解決方案。

（3）深鑒科技（被Xilinx收購）

深鑒科技提供基于FPGA平臺的人工智能加速解決方案，2018年8月被賽靈思收購。深鑒科技在深度神經網絡壓縮、指令集與計算架構等領域具有技術領先優勢，其關于深度壓縮的論文與谷歌DeepMind的論文并列ICLR2016最佳論文。2016年Open Power峰會上全球最大FPGA廠商介紹深度學習處理器新方法中的技術部分大多來自深鑒科技。深鑒科技基于FPGA的DPU產品可為多行業提供深度學習加速解決方案。相對于CPU、GPU等通用化產品具有更高的能效，目前已經應用于安防、大數據等行業。

中國其他的FPGA芯片公司，包括京微齊力、高云、安路、智多晶等，普遍還未能量產高性能FPGA，短期內尚無可能影響人工智能FPGA的產業格局。

2.2 ASIC

ASIC（Application Specific Integrated Circuits）指針對特定需求而設計、制造的集成電路。神經網絡處理器是ASIC專用電路在人工智能領域的應用形態。目前，國際龍頭芯片廠商在GPU和FPGA領域對AI芯片應用競爭呈現白熱化，而隨著未來終端人工智能應用的興起，為深度學習算法定制的ASIC芯片在計算速度和功耗上大大優于GPU和FPGA，伴隨人工智能加速對行業滲透，未來在安防、智能終端、金融、車聯網等領域，ASIC將得到廣泛應用，廣闊的市場空間使ASIC大規模應用成為可能。可以預見，專用AI芯片（ASIC）將成為新晉AI芯片領域廠商與傳統巨頭競爭的主戰場。同時，我國專用AI芯片公司與世界領先水平差距不大，某些領域位于世界前沿，ASIC將成為我國芯片行業彎道超車的關鍵。

當前，國內已經出現了一些面向終端人工智能的ASIC芯片企業，大致可以劃分為四類：一是互聯網、通信類巨頭的芯片設計團隊；二是存在多年的成熟的芯片設計公司；三是新創立的AI芯片創業團隊/公司；四是延伸做AI芯片的算法公司，

1、互聯網、通信類巨頭

以華為、百度等為代表的巨頭公司，在算法、數據方面具有明顯優勢，為了延伸實現AI應用的落地，加快了芯片端的布局，但主要集中在云端芯片上。

（1）谷歌

谷歌的TPU(Tensor Processing Unit)是一種專用的加速器芯片，跟其深度學習軟件Tensor Flow 匹配。TPU 專門針對機器學習進行裁減，運行單個操作時需要的晶體管更少，其研發目的是為了替代GPU，實現更高效率的深度學習。

TPU的設計不僅僅是針對某種神經網絡模型，而是能夠在多種神經網絡（CNN、LSTM，以及大型全連接網絡模型等）中執行CISC（復雜指令計算機）的指令。在TOPS / Watt（每瓦特性能）功耗效率測試中，TPU的性能要優于常規的處理器30到80倍；而同傳統的GPU/CPU的計算組合相比，TPU的處理速度快15到30倍；更為關鍵的是，由于TPU的運用，深度神經網絡所需要的代碼數量也大幅的減少。在深度學習技術迅速發展，數據和算力要求快速提高的人工智能時代，谷歌的這一替代方案將為硬件大規模減負，進一步降低人工智能的硬件成本。

（2）華為海思

華為海思作為我國芯片領域的領軍企業之一，2017年發布了全球首款AI移動端芯片麒麟970，搶先一步占領AI芯片制高點，引起業界廣泛關注。麒麟970采用了行業高標準的TSMC 10nm工藝，集成了55億個晶體管，實現了1.2Gbps的峰值下載速率，創新性地集成了NPU專用硬件處理單元，并設計了HiAI移動計算架構。

2018年9月，華為海思再次發布了新一代產品麒麟980。該產品基于CPU、GPU、NPU、ISP和DDR，實現了全系統融合優化的異構架構，并創下了六項世界第一：首次使用領先的TSMC 7nm制造工藝，首次在移動端芯片搭載雙NPU，首先實現基于ARM Cortex-A76 CPU架構進行商業開發等。其中，搭載的寒武紀NPU采用雙核結構，其圖像識別速度比麒麟970提升120%。

此外，華為海思在監控SOC芯片領域市占率全球第一，其集成AI本地推斷功能的監控SOC必將在市場中占據重要位置。

（3）百度

百度聯合硬件廠商推出DuerOS智慧芯片，是百度在人工智能與硬件設備一體化方面的新探索。DuerOS智慧芯片擁有低成本芯片和模組，可以以芯片嵌入的形式放到任何硬件中，能夠更加快速而廣泛地應用到更多場景?？梢钥闯?，百度在利用“算法+芯片”的組合實現人工智能產業化落地。

2018年7月，百度發布首款云端AI芯片“昆侖”，這是百度基于八年的CPU、GPU和FPGA的AI加速器研發經驗，在中國大規模AI運算實踐中，經過20多次迭代產生的芯片。相對于谷歌TPU擅長浮點計算，百度AI芯片更擅長混合精度計算，一些場景下計算性能強2-3倍，同時功耗更低，將應用于未來的自動駕駛、圖像識別等領域。

2、傳統芯片公司

由于人工智能算法逐漸開源和普及，一些存在多年的成熟的芯片設計企業迅速完成了人工智能算法的吸收和研究，針對特定應用領域推出了終端AI芯片。這些成熟的芯片設計公司在成本控制、芯片定義、客戶渠道方面具有相當的優勢。

集成AI功能的音視頻SOC芯片系列可廣泛應用于機頂盒、數字電視、智能音箱、平板電腦等家電及消費電子市場，應用領域眾多，市場空間巨大，是消費電子的主戰場之一。中國音視頻SOC芯片的巨頭公司全部入場，未來競爭將十分激烈。

（1）杭州國芯

作為知名機頂盒SOC芯片設計公司的杭州國芯，針對語音識別領域， 2017年推出了集成NPU（神經網絡處理器）的SOC級AI芯片，其針對人工智能與物聯網的特點，將算法、軟件、硬件深度整合，是一顆具備高智慧、低功耗、全集成特點的全新語音交互AI芯片，能夠幫助終端產品實現本地離線、低功耗和可移動的語音識別，主要面向智能音箱、智能電視、智能玩具等熱點領域。

（2）瑞芯微

作為數字音視頻、移動多媒體芯片研發廠商，瑞芯微2018年推出了其首次采用CPU+GPU+NPU硬件結構設計的AI芯片，其特點是融合了瑞芯微在機器視覺、語音處理領域的多年經驗，硬件性能高、平臺兼容性強。2019年初發布了定位于IoT領域的最新AI芯片，支持語音喚醒和識別、人臉檢測和識別等。目前，瑞芯微的AI芯片已經用于喜馬拉雅智能音箱、阿里巴巴人臉支付產品上。

（3）晶晨半導體

晶晨半導體是一家OTT/IPTV機頂盒以及智能電視和智能家居芯片設計公司。目前，晶晨半導體提出將在鞏固智能電視技術和市場優勢的基礎上，融合人工智能的創新科技，積極開發含有嵌入式神經網絡處理器的人工智能電視系列芯片，向萬物智能互聯生態邁進。產品方面，晶晨推出了12nm 超高性能六核人工智能顯示芯片，內置NN（神經網絡）處理器的半通用終端AI芯片，可用于智能攝像頭、智能音箱等智能家居領域。

（4）全志科技

全志科技是一家專注于智能終端應用處理器SOC、高性能模擬器件和無線互聯芯片的設計公司。近期，全志科技在多個系列芯片產品中融合了語音識別、圖像識別的人工智能技術，具有視覺和語音算法加速模塊。

（5）聯發科

聯發科是全球知名的IC設計公司，專注于無線通訊及數字多媒體技術。2018年底，聯發科發布了內建多核心人工智能處理器的芯片P70。2019年初，聯發科又將手機領域的AI專核（APU）策略引入到智能音箱及其他智能硬件中，支持終端側AI解決方案。

3、初創芯片公司

部分高校、科研院所和海歸團隊，基于AI算法及芯片的技術積累，創辦多家AI芯片公司，針對某些特定應用領域的需求，推出定制化的AI芯片。

（1）寒武紀

寒武紀科技的前身是中國科學院計算技術研究所下的一個課題組，早在2008年就開始研究神經網絡算法和芯片，并于2012年開始陸續發表研究成果，公司創始人、首席執行官陳天石教授是處理器架構和人工智能領域享有國際盛譽的青年科學家。寒武紀主要產品是各類智能云服務器、智能終端以及智能機器人的核心處理器芯片。

2018年5月，寒武紀發布了首款云端AI芯片MLU100。該芯片采用了最新的 MLUv01架構和TSMC 16nm 工藝，可工作在平衡模式（主頻 1Ghz）和高性能模式（1.3GHz）主頻下，等效理論峰值速度則分別可以達到 128 萬億次定點運算和166.4 萬億次定點運算，其功耗為 80w/110w。同時，寒武紀還發布了終端AI芯片1M，也是其第三代機器學習專用芯片，1M綜合性能是其前代產品十倍。

（2）地平線

地平線成立于2015年，創始人是前百度深度學習研究院負責人余凱。BPU(BrainProcessing Unit)是地平線機器人自主設計研發高效的人工智能處理器架構IP，支持ARM/GPU/FPGA/ASIC，專注于自動駕駛、人臉圖像辨識等專用領域。地平線基于高斯架構的嵌入式人工智能解決方案在智能駕駛、智能生活、公共安防三個領域開始進行應用，地平線的第一代BPU采用TSMC的40nm工藝，相對于傳統CPU/GPU,能效可以提升2~3個數量級(100~1,000倍左右)，目前處在量產前階段。

（3）比特大陸

比特大陸成立于2013年，是一家專注于高速、低功耗定制數字貨幣礦機芯片設計研發的公司。

比特大陸在2017世界人工智能大會上發布了面向人工智能應用的專用定制芯片Sophon BM1680，深度學習加速卡SC1和SC1+，以及智能視頻分析服務器SS1，正式進軍人工智能行業。2018年10月，比特大陸發布了新一代終端人工智能芯片BM1880，其比上一代產品性能提升5倍以上，一同發布的還有算豐智能服務器SA3、嵌入式AI迷你機SE3、3D人臉識別智能終端以及基于BM1880的開發板、AI模塊、算力棒等產品，開始全力向專用終端AI芯片邁進。

（4）嘉楠科技

嘉楠科技成立于2013年，是最早專注于數字區塊鏈計算設備的公司之一。目前推出了同時具備視覺識別和語音識別的人工智能終端芯片勘智@K210系列芯片。該芯片具備高速卷積神經網絡加速器（KPU）和音頻處理加速器（APU）,可靈活與物聯網技術、軟件系統、云計算平臺等相關的基礎信息技術相結合，可廣泛應用于廣告/大數據收集、安防監控、物流檢測、無人商店、疲勞安全監測、電力/電源控制、玩具及機器人等市場，并且已經在智能家居、智慧工廠、人臉識別等多個領域有成功應用案例。

（5）西井科技

西井科技成立于2015年5月，是一家開發“類腦AI芯片+算法”的科技公司，其芯片用FPGA電路模擬神經元，成品有100億規模的仿真神經元，以實現SNN的工作方式。其產品Deepsouth與 IBM的truenorth構成競品。由于架構特殊，這些芯片計算能力強，可用于基因測序、模擬大腦放電等醫療領域。同時，西井科技還有一款5000萬個神經元的商用芯片，由于體積小、功耗低，可用于便攜式醫療設備。

（6）啟英泰倫

成都啟英泰倫科技有限公司成立于2015年11月，是一家專注于人工智能終端芯片設計及配套智能算法引擎開發的公司。2016年9月，推出了全球首款深度神經網絡智能語音識別芯片CI1006。CI1006芯片集成了啟英泰倫自主知識產權的腦神經網絡處理單元BNPU，也采用了ARM最為先進的MCU內核Cortex-M4F，形成專用的SoC架構，具備高性能、低功耗、高識別率、低成本等優點，可以支持本地語音檢測、喚醒，以及數百條離線命令詞條的識別。

（7）ThinkForce

ThinkForce成立于2017年，是一家由依圖科技戰略投資的智能芯片研發商。依圖作為國內四大CV（計算機視覺）獨角獸之一，擁有強大的AI算法能力和人臉數據庫。2019年5月，依圖召開發布會推出了與ThinkForce聯合開發的云端深度學習推理定制化SoC芯片“求索”?！扒笏鳌辈捎昧俗灾髦R產權的Many Core架構，運用在依圖的云端和邊緣服務器上，針對視覺領域不同運算進行加速，適用于人臉識別、車輛檢測、視頻結構化分析、行人再識別等多種視覺推理任務。AI芯片的量產標志著依圖完成了從算法到芯片的跳躍，形成了軟件到硬件的垂直整合能力及完善的人工智能軟硬件方案。

4、算法公司

部分AI算法公司苦于無法找到充分滿足算法需求的芯片，希望依靠自身能力提供完整的軟硬件解決方案，因此，開始根據自己的需求開發完全定制化的AI芯片。

隨著AI算法在視覺識別和語音識別領域的快速落地，相關算法公司意識到“算法+芯片+數據”的模式能夠有效實現規模化并降低成本。在語音識別領域，由于支持AI語音識別算法的終端ASIC的芯片復雜度相對較低，部分算法公司已經研發出專用于語音識別的AI芯片。主要代表有云知聲、思必馳等。

圖3：我國AI芯片企業分布

資料來源：公開資料、九鼎投資整理

03

重點領域—AI語音識別市場

3.1 市場規模

語音語義識別是指通過語音信號處理和語義識別，使得計算機自動理解人類口述語言的技術。語音識別主要步驟為信號搜集、降噪、特征提取解碼三步，提取的特征在后臺由經過語音大數據訓練得到的語音模型對其進行解碼，最終把語音轉化為文本。語義識別則通過自然語言分析，理解人類語言表達的意思。

根據Research and Markets研究預測，全球智能語音市場將持續快速增長，到2020年市場規模將達到191.7億美元。目前階段，語音識別應用市場主要為智能音箱、智能語音交互家電等領域，可以預見，智能語音識別還將在自動駕駛、教育、醫療等領域得到深度應用。語音語義識別的終極發展目標為多語言自動翻譯技術及設備，一旦該最終目標成為現實，將有可能徹底打破不同語言之間的交流障礙，重現“巴比倫之塔”，對人類社會產生極其深遠的影響。

1、智能音箱市場

智能音箱領域正在迎來爆發式增長。目前，包括亞馬遜、谷歌、阿里、小米、百度、京東、華為在內的全球互聯網、手機巨頭陸續進入智能音箱領域， 并將其提升到戰略產品的高度。一方面，智能音箱作為智能家居的入口，有望帶動其他硬件產品快速增長；另一方面，通過智能音箱作為家庭數據入口，各巨頭有望在未來拓展其它商業模式。

2018年全球市場智能音箱出貨量約為8620萬臺，同比增加170%，遠超市場預期。2018年中國智能音箱累計出貨量超過2000萬臺。2018年第四季度達到860萬臺，阿里巴巴、小米和百度等互聯網巨頭占據市場前列，市場份額分別為31%、29%和28%。

表2：主要智能語音音箱出貨量及采用芯片方案統計（單位：萬臺）

資料來源：公司官網、智東西、九鼎投資整理

2、智能語音交互家電市場

除了迅速增長的智能音箱領域，各大家電廠商也都在積極集成語音交互功能。語音交互既能為產品增加一個新穎獨特的功能，也能成為家庭語音入口并持續積累用戶行為信息。

1）智能電視市場

隨著以小米電視為代表的智能電視逐步普及，看電視的方式在過去三年間發生了巨大的變化，年輕一代的電視觀眾迅速完成了從被動收看直播到主動點播甚至搜索內容的模式轉變。語音交互為智能電視的內容搜索功能帶來了極大的便利，將有力地帶動高質量付費內容的收入增長。目前，創維、小米、暴風、海爾等均已推出智能語音識別電視。

2017年，中國智能電視銷量達4736.5萬臺，同比增長13.8%，2018年智能電視銷量將突破5000萬臺。預計語音交互將迅速成為智能電視的標準配置，成為語音交互技術的另一個巨大市場。

2）智能語音空調

2017年，全國空調內銷量8875.5萬臺,同比增長46.8%。近幾年，空調每年內銷量保持在6000萬臺以上，美的、格力、海爾、奧克斯、長虹均已推出語音智能空調，具有智能語音交互功能的空調市場空間巨大。

3）其它語音交互市場

2018年以來，具備語音識別功能的兒童故事機（機器人）、自動晾衣架等產品的出貨量及增速均超過預期，帶來大量的智能語音識別芯片需求。根據最新的市場調研粗略估計，全國自動晾衣架年出貨量超過3000萬件，兒童故事機（機器人）年出貨量也有望達到4000萬臺。預計語音識別功能的滲透率將在未來3年超過50%。

3.2 發展態勢

1、終端語音識別芯片集成AI模塊趨勢明確，但是在集成方式、功能定位方面存在不同策略。

目前，運用于終端語音識別的AI芯片分為通用型、半通用型和專用型。通用型AI芯片類似CPU，AI算法直接在主控芯片的計算單元中加速，可以保證該芯片能適應不同應用場景需要，靈活性較強，但成本和功耗相對較高，例如應用于天貓智能音箱的聯發科芯片。半通用型AI芯片采用異構設計，常為CPU+NN模塊的方式，NN模塊專門加速AI算法，CPU作為補充，意圖在靈活性及成本、功耗取得折中，例如應用在小米小愛同學智能音箱的晶晨芯片。專用型芯片是針對語音識別設計的AISC芯片，實現更低的成本及功耗，靈活性稍弱。由于語音識別應用逐漸成熟，市場需求逐步明確，針對特定場景的高效率、低功耗專用型AI芯片將成為主流產品。

此外，目前上市的語音終端產品中，針對不同的應用市場，部署的AI算法復雜程度各有不同。有的僅實現離線狀態下關鍵詞喚醒，如智能音箱；有的則實現了關鍵詞識別、離線對話等輕量級的語音語義識別，如智能家電；有的需要在離線狀態下依然支持全功能的語音語義識別，如車載場景?？梢酝茢?，由于AI算法尤其是訓練算法的復雜性及不斷演進，語音及語音識別仍將以云端運算為主。但同時，隨著語音算法的進化和終端芯片的迭代升級，終端AI語音芯片將部署更多的AI算法加速模塊，以實現更快的響應速度，滿足車載等多元化的場景需求，與云端訓練和推理互補，提升用戶體驗。

2、傳統專業芯片設計公司的加入，加快了語音識別芯片的落地和量產。

國內杭州國芯、啟英泰倫等AI芯片公司率先量產語音識別終端AI芯片，各音視頻SOC芯片巨頭公司聯發科、瑞芯微、全志、晶晨也逐步推出類似產品。專業芯片設計公司與算法公司合作，憑借自身成熟的芯片設計、產品定義和成本控制能力，推出了低成本、低功耗、可離線喚醒和語音識別功能的AI芯片，應用于在智能音箱、智能家電等終端產品中，預計2019年出貨量將達到千萬級，未來3-5年將保持快速增長。

3、算法公司開始延伸至芯片設計環節，形成算法和芯片公司既互補又競爭的格局。

國內語音識別算法公司中，科大訊飛占據主導地位，同時有云知聲、出門問問、思必馳、ROKID、依圖科技等知名的初創AI公司，形成一超多強的局面。各家在算法總體水平上相對接近，各有擅長的細分領域。為了更好的將算法方案落地并通過規模化降低成本，部分語音算法公司開始自研AI芯片，推出能夠加速自有算法的AI專用型芯片，幫助其更快的在特定應用領域形成落地應用。部分算法公司通過合資設立芯片公司、與傳統芯片公司合作開發等多種方式進入AI芯片領域。算法及方案公司開發芯片，可以更加準確的把握其自身的功能需求，但其在產品定義、成本控制、研發周期、供應鏈管理等多個環節的競爭力還有待時間檢驗。

（1）科大訊飛

科大訊飛是國內語音識別領域唯一的上市公司，擁有全鏈路的語音識別技術，建立了開放的云平臺，利用AI算法技術和平臺級業務，將語音能力授權給第三方。目前，業務已從政府、教育領域拓展至醫療、車載和消費電子等領域。在醫療領域，科大訊飛與商湯合作，推出圖像診斷加自動問診人工智能醫療平臺；在車載領域，全力推動前裝市場，替換傳統巨頭Nuance的市場份額；在智能音箱領域，與京東設立合資公司叮咚，但2018年合作終止，叮咚音箱成為京東子公司?？拼笥嶏w內部有一支專門研發AI芯片的團隊，取得了階段性成果。

（2）思必馳

思必馳從教育領域語音識別起家，擁有很強的本地語音識別技術。目前正全力進入車載、家居語音行業。在智能音箱領域，為國內一半以上產品提供語音識別算法和方案，合作方包括小米小愛、天貓精靈、華為和網易等；在家居方面，2019年開始推廣早教故事機等消費電子。2018年，思必馳聯合中芯國際成立的合資公司深聰智能推出語音終端AI芯片，將思必馳的算法和芯片架構深度融合，推出低功耗終端AI語音芯片，目標市場為智能家居領域包括音箱、電視、白色家電等。

（3）云知聲

云知聲具有全鏈路語音識別技術，主要布局物聯網語音識別，在家居和車載領域較為突出，客戶覆蓋格力、美的、長虹等，同時服務近100家車載語音識別方案和品牌商。目前，云知聲業務拓展至醫療、司法等領域。云知聲是最早成立芯片設計團隊的AI語音算法公司，2018年量產首款AI芯片，2019年將量產第二代面向物聯網領域的AI芯片，主要面向白色家電。

（4）出門問問

出門問問的策略是軟硬件一體化，通過智能音箱以及智能手表和耳機等可穿戴設備切入，逐步擴展到車載和家居場景。與戰略投資者谷歌深度合作，排名全球智能手表銷售量前四；與戰略投資者大眾汽車深度合作，已經進入車載前端市場，推出語音輸入導航、信息點搜索、即時通訊等功能的智能后視鏡。與杭州國芯合作推出了“問芯”AI語音模組。

（5）ROKID

ROKID在2017年攜手阿里推出全棧語音開放平臺，為業界提供一站式語音解決方案和開發者平臺，面向全行業開放語音識別、語音合成、語義理解、聲紋識別、麥克風陣列、信號分析處理等多項技術。同時，ROKID也在2018年與杭州國芯合作推出自己的AI芯片KAMINO。

（6）其它

此外，由于語音識別在人工智能領域中較為成熟、落地最早，陸續有互聯網和算法公司開始進入該領域。百度和搜狗主要以電腦和手機端的輸入法為技術基礎發展語音識別，在物聯網終端需要的聲音信號處理、多麥克風陣列的噪聲控制、聲源識別等算法上積累較少。依圖科技作為計算機視覺識別領先企業，在2018年底發布了語音產品，在權威中文普通話數據集測試重表現較好。獵戶星空作為自主研發語音交互、圖像識別、視覺導航等全鏈條人工智能技術的初創公司，其搭建了數十名人員構成的芯片開發團隊，與瑞芯微合作推出了語音識別AI芯片OS1000RK，目前用于喜馬拉雅音箱。

表3：五大語音識別公司對比

資料來源：企業公開資料、九鼎投資整理

04

行業發展趨勢

1、目前，AI語音芯片處于發展初期，多家成熟芯片設計公司、算法及方案公司和初創芯片公司正陸續推出AI語音芯片。

當前AI語音芯片企業可以大概劃分為四類：一是互聯網、通信類巨頭的芯片設計團隊；二是存在多年的成熟的芯片設計公司；三是新創立的AI芯片創業團隊/公司；四是延伸做AI芯片的算法及方案公司。

其中，互聯網和通信類巨頭在算法和數據方面具有一定優勢；成熟芯片設計公司在成本控制、芯片定義、供應鏈管理、客戶渠道方面具有優勢；初創芯片公司在芯片前沿架構和定制化方面具有優勢；算法及方案公司在整合芯片下游算法和應用方案上具有優勢。如果算法和應用方案持續快速演進，互聯網巨頭及算法公司將占據一定優勢；在市場需求趨于穩定后，成熟的芯片設計公司將逐步獲取優勢。

2、中短期內，終端AI芯片受下游需求拉動，將快速發展。

第一，人工智能在很多場景已經實現了商業化運用，大部分場景均需要本地化的推斷運算，因此終端AI芯片必不可少，且需求巨大。尤其在視頻監控、智能家居、無人駕駛語音交互等領域，支持本地推斷功能的終端AI芯片將是實現人工智能落地的關鍵要素。

第二，終端AI芯片根據具體應用場景深度定制，需求明確，芯片公司可以在設計架構層面進行算法實現的創新、壓縮和優化，實現高效的輕量級人工智能，算法及芯片開發技術難度低于云端芯片。

3、近期，語音識別是終端AI芯片落地的重要領域，形成了算法和芯片公司既互補又競爭的格局。

由于傳統芯片設計公司和算法及方案公司的共同發力，具備語音識別AI算法加速功能的終端AI芯片逐漸成熟，尤其是傳統芯片公司的加入，推出了多款低成本、低功耗的AI語音芯片。雖然，目前各種語音識別終端AI芯片在集成方式、功能定位方面存在不同策略，但是在終端芯片集成AI語音識別功能的趨勢已經很明確。能否更好的與云端互補，實現更強的AI算法加速能力，在性能、成本、功耗等多方面取得平衡，將考驗終端AI芯片廠商的綜合實力，也是未來行業內公司最關鍵的競爭力體現。

4、長期來看，云端ASIC AI芯片發展潛力巨大，是人工智能巨頭的戰略必爭之地。

由于云端訓練算法十分復雜，并且還處于持續發展過程中，短期內GPU/FPGA等靈活性較高的芯片依然將占據市場主流地位。待人工智能算法基本穩定，且規模化人工智能時代到來后，云端ASIC AI芯片才會迎來爆發式增長。

未來隨著人工智能技術的不斷發展成熟，數據的處理能力將成為最重要的生產要素，開發擁有強大訓練和推理能力的云端AI芯片是各大人工智能企業的關鍵目標。因此，長期來看，云端ASIC形態的AI芯片將成為人工智能時代各巨頭的戰略必爭之地。由于云端人工智能芯片與信息安全關系緊密，該領域也將成為各國政府關注的焦點。