全球半導體市場機遇

1、全球半導體市場機遇擁抱人工智能，擴大市場份額 產(chǎn)能過剩將導致市場供應過剩，進而拉低內(nèi)存元件的市場價格。因此，這類芯片產(chǎn)生的收入將在2019年下降，并對整個半導體市場產(chǎn)生 不利影響。邏輯元件。通信、數(shù)據(jù)處理和消費類電子產(chǎn)品行業(yè)的需求將在很大程度上推動這一市場發(fā)展。在預測期內(nèi)，特殊用途專用集成電路（ASIC）和專用信號處理器（ASSP）邏輯芯片將占據(jù)絕大部分市場。微型元件。這類芯片是所有電子設備的關鍵組成部分，市場增長將 與這些設備的銷量成正比。由于標準臺式機、筆記本電腦和平板電腦的出貨量疲軟，微型元件在2019年的增長將停滯不前。2022年之前，微型元件的市場增長來自于汽車行業(yè)。汽車制造商正在將

2、大 量微型元件集成到智能汽車的動力傳動系統(tǒng)、下一代底盤和安全系統(tǒng)中，用于在安全和防撞系統(tǒng)中處理復雜的實時傳感器功能。此外，物聯(lián)網(wǎng)的日益普及也帶來對高性能電子產(chǎn)品的需求，從而催生 對高性能處理器的需求。本地處理能力通常由微控制器、混合微控 制器或微處理器以及集成微控制器設備提供，這些設備可以提供實時嵌入式處理，這是大多數(shù)物聯(lián)網(wǎng)應用的首要要求。模擬元件。推動，尤其是汽車行業(yè)。產(chǎn)生需求增長的用例包括電源管理（延長手機電池壽命）、信號轉(zhuǎn)換（用于數(shù)據(jù)轉(zhuǎn)換器、混合信號設備等） 和汽車專用模擬應用（自動駕駛汽車、電動汽車及電子系統(tǒng)）。光電元件、傳感器和分離元件（OCD）鄰。目前大量投產(chǎn)的新興技術設備將推動這

3、些芯片的需求增長。其智能便攜式系統(tǒng)中的“融合”多傳感器。由于光電芯片在嵌入式攝像機的互補金屬氧化物半導體（CMOS）圖像傳感器、汽車安全、固態(tài)照明應用的視覺自動化和更高性能的LED 中使用越來越廣泛，預計其將繼續(xù)保持強勁的增長勢頭。總體而言， LED照明解決方案正在迅速改變各種住宅、商業(yè)和工業(yè)應用的市場。推動其增長的因素包括：采用更節(jié)能的照明解決方案、LED價格不斷降低、基礎設施的現(xiàn)代化改造和新發(fā)展。就能效、壽命、多功能性、 色彩質(zhì)量和成本而言，LED照明具備很多超越傳統(tǒng)照明技術的優(yōu)勢。我們預計傳感器市場也將實現(xiàn)快速增長。雖然近年來，由于新型自動化控制和物聯(lián)網(wǎng)應用的單位出貨量增加，傳感器價格有

4、所下降。隨著功率晶體管和其他設備需求的穩(wěn)定增多，分離元件市場有望得到增長。半導體應用市場的增長經(jīng)濟增長預期表明，以汽車和數(shù)據(jù)處理市場為主導的應用市場將持續(xù)擴大（見圖2）。圖2 各類應用市場的增長資料來：華道究單位十美元 汽車。我們預計在所有市場中，汽車市場增長最快，復合年均增長 率將達到11.9%。主要原因是：電動汽車和混合動力汽車的普及率 不斷提高，其半導體需求量大約為傳統(tǒng)汽車的兩倍；此外，自動駕 駛汽車有著巨大的市場潛力。隨著汽車變得更加自動化，每輛汽車 對半導體的需求量增加，先進駕駛輔助系統(tǒng)（ADAS）、光探測和 測距（LiDAR）、信息娛樂系統(tǒng)以及安全和便利功能由此受到越來 越多的關注

5、。據(jù) Insights統(tǒng)計，每輛全自動駕駛汽車的半導體需求量將是駕駛輔助系統(tǒng)汽車的5倍。然而，傳統(tǒng)汽車仍然是半導體銷量的重要催化劑。2018年，傳統(tǒng)汽車銷量占汽車市場總收入近95%?！霸谌斯ぶ悄艿谋尘跋拢覀冃枰紤]安全性。一般來說，歐洲企業(yè)處于有利地位：一方面包括安全要素，另一方面包括處理環(huán)境條件和安全層，就像車輛領域的情況一樣。這兩個方面都可以有成本合理的認證程序?！盡aurice Geraets，恩智浦（NXP）半導體董事會成員 半導體行業(yè)在各地區(qū)的增長在預測期內(nèi)，我們預計在所有全球市場中，半導體市場將持續(xù)快速增長（見圖3）。通信。通信市場對半導體近80%的需求量由手機驅(qū)動。雖然目前手機

6、市場高度飽和，但5G的引入、智能手機持續(xù)的高更新率以及新興市場對手機的需求增加，通信市場的復合年均增長率將保持在2.2%。盡管預計高端手機需求會下降，但普通手機的強勁增長將抵消這種影響。亞太地區(qū)。該市場將繼續(xù)是半導體行業(yè)收入的主要貢獻者，到2022 年，復合年均增長率可達到4.8%。電子系統(tǒng)生產(chǎn)將繼續(xù)以中國為中心。由于中國的制造能力，尤其是消費類電子產(chǎn)品的制造能力出眾， 因此對半導體的需求日益增長，并成為全球最大的芯片購買國和進口國。發(fā)展和增強該行業(yè)實力是中國政府的頭等大事，因為許多新興公消費類電子產(chǎn)品。得益于智能電視、4K超高清電視、3D編程、視頻點播、對大屏顯示器的偏愛以及曲面OLED的日

7、益普及，電視設備將促進消費類電子產(chǎn)品應用的半導體收入增長。游戲技術和機頂盒也將成為收入的強力助推器。因此，該市場的復合年均增長率將達到2.2%。盡管可穿戴設備市場仍然相對較小，但其在消費類電子產(chǎn)品應用中增長最快，復合年均增長率將達到6.0%。然而，隨著美國Netflix和 Prime等更具吸引力的替代品的流行，數(shù)字播放器芯片的收入正在下降，復合年均增長率為2.3%。此外，越來越多的消費者開始轉(zhuǎn)向手機游戲，導致游戲機市場在2018年達到飽和。司正處于初創(chuàng)階段。圖3 各地區(qū)的半導體行業(yè)收入數(shù)據(jù)處理。到2022年，數(shù)據(jù)處理市場（包括個人電腦、超便攜設備、平板電腦、服務器和存儲設備）中的半導體銷售額將

8、達到2.1% 的復合年均增長率。由于終端設備智能功能需要更多的半導體，來自存儲設備的市場增長預計非?？捎^，復合年均增長率為12.3%。這一增長很大程度上來自新興的固態(tài)驅(qū)動器技術，該技術克服了傳統(tǒng)數(shù)據(jù)驅(qū)動器的長周轉(zhuǎn)期、易過熱和高能耗等缺點。智能手機和其他連接設備的強勁銷售會加速對存儲卡和存儲設備的需求。由于該市場也存在優(yōu)化服務器性能的壓力，每臺設備的半導體需求量將會增加。資料來：華道究單位十美元歐洲、中東和非洲。在預測期內(nèi)，該地區(qū)的復合年均增長率將達到工業(yè)。僅次于汽車，工業(yè)市場將是所有應用類型中增長最快的市場，預計到2022年其復合年均增長率將達到10.8%。這一增長的最大份額將來自對安全、自動

9、化、固態(tài)照明和運輸?shù)男枨?。我們預計安全應用對半導體的需求增長最快， 復合年均增長率將達到17.8%。這得益于持續(xù)推動更安全和更智能城市的建設，尤其是在亞太地區(qū)。對機場和火車站的恐怖襲擊事件日益增多，激發(fā)了對先進周邊安全和門禁控制系統(tǒng)的投資；此外，對舒適性和便利性的日益重視也正在促進指紋門禁系統(tǒng)、和門禁系統(tǒng)的普及。3.5。數(shù)據(jù)處理一直是歐洲最大的終端用途類別，但我們預計未來兩 年內(nèi)將被汽車行業(yè)超越。半導體對于許多行業(yè)和應用至關重要。歐洲 企業(yè)在汽車、出行（鐵路、航空） 和工程等多個領域都處在領先地位。為確保在這些行業(yè)的領先局面，并促進人工智能等新應用的發(fā) 展，歐盟應推廣并保護其半導體行業(yè)。這包括

10、研發(fā)設計、制造以及歐 盟創(chuàng)業(yè)生態(tài)系統(tǒng)。美洲。在預測期內(nèi)，該地區(qū)的復合年均增長率位居第二， 達到4.3，主要由NAND閃存芯片市場的預期收益推動。在該地區(qū)，美國許多領先半導體公司的所在地，擁有強大的創(chuàng)業(yè)生態(tài)系統(tǒng)。風險投資 是該行業(yè)的有力支持因素。然而，美國政府最近否決了若干來自非美 國公司的收購計劃。學習機器的崛起半導體行業(yè)的需求通常來自顛覆性的新技術推動。在1997年至2007 年間，個人電腦的迅速普及推動了對CPU和存儲芯片的需求，而互聯(lián) 網(wǎng)的廣泛滲透推動了對以太網(wǎng)設備、網(wǎng)絡處理器和專用集成電路的需 求。智能手機時代始于2007年蘋果手機的推出，這增加了對移動處理器的需求，而云計算的采用則推

11、動了服務器CPU和存儲的增長?，F(xiàn)在，人工智能很可能成為半導體行業(yè)又一個十年增長周期的催化劑。盡管人工智能許多引人注目的新用例將依賴于通過軟件而非芯片 實現(xiàn)的算法，但對即時計算、連接和傳感的需求將會推動未來十年對 人工智能定制半導體的巨大需求。“人工智能提升了學習速度，有助于改善與客戶的互動，并能推進流程及程序?！盧einhard Ploss 英飛凌科技（Infineon Technologies） 首席執(zhí)行官人工智能與半導體帶來的機遇人工智能是計算機基于對數(shù)據(jù)集和預定義規(guī)則集的復雜分析來模擬智慧人類行為并作出決策或建議的能力。半導體有助于開發(fā)和加速人工智能的機會，從而成為推動該領域創(chuàng)新和人工智

12、能增長潛力的關鍵因素。人工智能的使用通常取決于三種算法：機器學習（ML）：使用算法分析數(shù)據(jù)，從中學習，然后對特定情況作出決定或預測。深度學習（DL）： 一種基于分析和從特定數(shù)據(jù)集中學習的機器學習，與特定任務的算法不同。自然語言處理（NLP）：一種分析人機交互的方法，側(cè)重于給計算機編訂程序處理和分析大量自然語言數(shù)據(jù)的方式。人工智能用例也可按照兩種主要的實施類型進行分類：培訓系統(tǒng)：利用大量的數(shù)據(jù)集來學習如何開展特定活動，并不斷進化學習算法本身。推理系統(tǒng)：使用預定義的模型進行實時決策。人工智能適用于幾乎所有行業(yè)的垂直領域，對云和邊緣計算所需芯片數(shù)量具有超強預測能力，并且對加速新算法的專業(yè)計算需求在不

13、斷增 長，因而為半導體廠商創(chuàng)造了前所未有的機遇。“對于人工智能，我們需要在價值鏈的不同階段和不同行業(yè)之間采用新的合作形式。在新的人機交互方式不斷涌現(xiàn)的數(shù)字化世界中，安全的身份和新的信任授權(quán)均是必需的。為此， 可作為道德委員會的國際機構(gòu)可以發(fā)揮重要作用。在歐洲和聯(lián)合國層面，可將促進關于人工智能道德使用的對話平臺作為該機構(gòu)的基石， 進而從人工智能中獲益， 同時保護個體的利益?！?Reinhard Ploss 英飛凌科技首席執(zhí)行官人工智能驅(qū)動的行業(yè)增長預測我們預計到2022年，人工智能相關的半導體市場收入將從目前的60億 美元增至300億美元以上，復合年均增長率接近50.0%。雖然人工智能驅(qū)動的用例

14、會隨著時間的推移逐步滲透到每個行業(yè)領域，但人工智能的使用將取決于技術投資的規(guī)模、技術開發(fā)的速度以及實現(xiàn)其效益的速度。為推理系統(tǒng)提供動力的半導體市場可能仍然是分散的，因為每一個廣泛變化的潛在用例，例如面部識別、機器人、工廠自動化、自動駕駛和監(jiān)控等均需要定制解決方案。相比之下，培訓系統(tǒng)將主要基于傳統(tǒng)CPU、GPU和現(xiàn)場可編程門陣列（FPGA）基礎設施及ASIC。汽車行業(yè)中的人工智能汽車行業(yè)在電子元件上的開支可謂龐大，在如何利用人工智能加速創(chuàng)新方面進展迅速。到2022年，全球679億美元的汽車電子元件市場中，人工智能在信息娛樂領域的影響將最為明顯， 達到85億美元，ADAS為129億美元，安全應用5

15、7億美元。信息娛樂系統(tǒng)將會用于個人輔助、導航和娛樂。蘋果的Car-Play 和谷歌的安卓汽車平臺已在市場上脫穎而出。和安全應用將聚焦駕駛員輔助和自動駕駛，主要通過汽車制造商的專有解決方案（如通用汽車巡航自動化解決方案）或 廣泛可用的平臺（如英特爾的Mobileye和輝達驅(qū)動）。到2022 年，這些人工智能應用的組件將會集中于傳感（光電子學和非 光學傳感器）、計算、通用邏輯和微組件）及 存儲（存儲器）領域，可用市場達到汽車行業(yè)中的人工智能汽車行業(yè)在電子元件上的開支可謂龐大，在如何利用人工智能加速創(chuàng)新方面進展迅速。到2022年，全球679億美元的汽車電子元件市場中，人工智能在信息娛樂領域的影響將最

16、為明顯， 達到85億美元，ADAS為129億美元，安全應用57億美元。信息娛樂系統(tǒng)將會用于個人輔助、導航和娛樂。蘋果的Car-Play 和谷歌的安卓汽車平臺已在市場上脫穎而出。和安全應用將聚焦駕駛員輔助和自動駕駛，主要通過汽車制造商的專有解決方案（如通用汽車巡航自動化解決方案）或 廣泛可用的平臺（如英特爾的Mobileye和輝達驅(qū)動）。到2022 年，這些人工智能應用的組件將會集中于傳感（光電子學和非 光學傳感器）、計算、通用邏輯和微組件）及 存儲（存儲器）領域，可用市場達到208件將是整體解決方案的一部分，但并非人工智能應用的主導因 素。在這些組件中，人工智能注入的邏輯元件將設計用于、和微組

17、件，而存儲器、光電子和非光學傳感 器將作為輔助組件來支持整個子系統(tǒng)的設計。到2022、安全和信息娛樂中人工智能芯片的市場預計達到 40億至47億美元，約占這些應用領域總市場的19.2%-22.6%。人工智能在自動駕駛汽車中的使用將取決于汽車的自動駕駛能力，根據(jù)正常操作所需的人工干預量，通常分為五個級別。0級不涉及自動化。在1級和2級，ADAS提供自動剎車、穩(wěn)定性控制和巡航控制。3級在某些情況下包括自動駕駛，而在4級和5級，駕駛是完全自動的。在4級和5級，自動駕駛子系統(tǒng)必須利用其所有組件在通常情況和特殊情況下提供幫助，完全消除對駕駛員甚至方向盤的需求。攝像、雷達和激光雷達傳感器必須能夠探測并避開

18、物體。信息娛樂模塊充當導航、傳感器控制和語音命令的主要數(shù)據(jù)傳輸源。最后，核心自主平臺發(fā)揮人工智能推理系統(tǒng)的作用，用于實時計算和作出關鍵的安全和導航?jīng)Q策。對于依賴于學習系統(tǒng)的任務，包括實時路線導航、個性化信息娛樂推薦和數(shù)字語音輔助，車載連接功能會將請求發(fā)送至云端。人工智能定制化的云基礎設施將運用人工智能算法優(yōu)化這些用例， 通常由公共云供應商、或由汽車制造商或服務提供商管理的數(shù)據(jù)中心掌管。金融服務。我們相信，此細分市場將會帶來40億至45億美元的收入， 主要來自交易身份認證和智能投資組合管理的用例。與汽車行業(yè)一樣，金融服務可能會根據(jù)用例實施推理和培訓系統(tǒng)。基于認證的用例 將在很大程度上依賴于邊緣計

19、算的基于推理的人工智能，主要用于智 能手機上的面部識別和通過移動CPU或?qū)Ｓ萌斯ぶ悄馨雽w的指紋檢 測?；谂嘤柕娜斯ぶ悄軐⒅饕糜诜治龊Ａ繑?shù)據(jù)集，以識別智能投 資和投資組合管理的趨勢；這些活動通常駐留于云端，因為需要基于CPU或GPU基礎設施的大量計算。工業(yè)?？赡苁撬行袠I(yè)中機遇最小的，介于15億至20億美元之間， 主要來自制造業(yè)優(yōu)化和主動式故障檢測。這是因為這些應用非常重視 能否利用現(xiàn)有基礎架構(gòu)的培訓系統(tǒng)，因此不太可能需要業(yè)內(nèi)最佳的計 算能力和更低的延遲。此外，由于工業(yè)部署和客戶更新周期更長，因 此該領域從人工智能獲得的收益可能需要比其他行業(yè)更長的時間。2022年市場預測3.55.01.0

20、市場概況推理系統(tǒng)人工智能分類圖4 2022年市場預測3.55.01.0市場概況推理系統(tǒng)人工智能分類培訓系統(tǒng)示范用例培訓系統(tǒng) ADAS駕駛員安全系統(tǒng)汽車ADAS駕駛員安全系統(tǒng)金融服務認證投資組合管理 認證投資組合管理醫(yī)療疾病預防診斷 疾病預防診斷網(wǎng)絡安全私人助理技術、媒體和電信網(wǎng)絡安全私人助理零售客戶洞見定價分析 客戶洞見定價分析制造自動化主動故障檢測工業(yè)制造自動化主動故障檢測智能建筑監(jiān)測和安全能效 監(jiān)測和安全能效資料來：華道究單位：億元云端邊緣人工智能解決方案堆棧這些公司已經(jīng)建立平臺，旨在提供“隨時能用”的構(gòu)建模塊和軟件服務，即基礎人工智能功能，如NLP、代理和決策引擎，這有助于加快人工“誰能

21、最大程度實現(xiàn)啟發(fā)式編程與算法編程融合，誰就將成為人工智能的最大受益者。該融合對歐洲公司而言可能是一個很好的機遇， 它們在處理啟發(fā)式和復雜系統(tǒng)方面有著豐富的經(jīng)“誰能最大程度實現(xiàn)啟發(fā)式編程與算法編程融合，誰就將成為人工智能的最大受益者。該融合對歐洲公司而言可能是一個很好的機遇， 它們在處理啟發(fā)式和復雜系統(tǒng)方面有著豐富的經(jīng)驗?！?Reinhard Ploss 英飛凌科技首席執(zhí)行官雨鳥技術（Rainbird Technologies）。雨鳥技術推出以軟件即服務為基礎的人工智能平臺，旨在提高業(yè)務運營的智能化。它提供一個以規(guī)則為基礎的自動化決策引擎，能夠支持執(zhí)行復雜的任務（如作出預測、建議和業(yè)務決策）。它

22、還捕捉平臺作出某些決策的依據(jù)，這對審計十分有價值，特別是在受監(jiān)管的行業(yè)。新型創(chuàng)新型人工智能產(chǎn)品或服務將會改變已知世界。虛擬助理能發(fā)起擬人電話呼叫并在餐館訂座，人們已經(jīng)對此醉心不已。但為了更好地理解人工智能機遇能夠一展拳腳的領域，我們必須更深入地研究人工智能技術堆棧的底層組件，即構(gòu)建應用程序的腳手架。在普華永道看來，人工智能技術堆棧由五個元素或?qū)咏M成：硬件、庫、框架和工具、平臺及應用與服務（見圖5）。由于對人工智能的 大部分注意力集中于人工智能帶來的客戶體驗上，所以從應用程序和 服務開始講起是合乎邏輯的。這是解決方案堆棧的最頂層。此處，最可感知的人工智能功能， 在應用級別集合在一起，例如亞馬遜的

23、Alexa虛擬助理和蘋果的人臉識別。其中部分功能也作為服務提供， 例如嵌入軟件的推薦引擎。圖5 人工智能技術堆棧的元素堆棧元素描述應用和服務利用人工智能實現(xiàn)“智能”的軟件應用，包括視覺處理、聊天機器人客服、智能助手和算法交易。人工智能平臺現(xiàn)成的架構(gòu)模塊和服務，可提供機器學習、數(shù)據(jù)分析、NLP、代理、數(shù)據(jù)解決方案等可用于構(gòu)建人工智能應用的功能。人工智能框架、工具和接口利用底層機器學習算法為特定應用設計、構(gòu)建和訓練深度學習模型的技術。許多是開源技術，并得到廣泛支持。低級軟件功能，幫助優(yōu)化人工智能框架在特定目標硬件上的部署。人工智能庫人工智能硬件處理器單元和半導體邏輯電路，其設計和優(yōu)化旨在加速人工智

24、能工作負載和計算的執(zhí)行。資料來源：普華永道研究但是，沒有深層可重用組件來提供核心功能的應用是什么？這其實是平臺層的任務。已有若干公司正在生產(chǎn)人工智能平臺，承諾無需處理復雜的算法和深層動態(tài)神經(jīng)網(wǎng)絡（DNN）便能構(gòu)建具備人工智能功能的應用。語義機器（Semantic Machines）。這家總部位于加州伯克利，最近被微軟收購的初創(chuàng)企業(yè)開發(fā)了一個基于機器學習的基礎技術平 臺，使用戶能與信息系統(tǒng)毫不費力地互動。此類稱為“對話式人工智 能”的方法有望對我們在電子商務網(wǎng)站上的交易方式、與社交媒體的互動方式，甚至日常使用生產(chǎn)力軟件和設備的方式產(chǎn)生深遠的影響。堆棧的中間部分（人工智能框架、工具和接口）允許開發(fā)

25、者設計、構(gòu)建和部署實際的模型和算法。獨立軟件供應商（ISV）正在為開發(fā)者提 供人工智能框架、工具和接口，以便使用深層人工智能算法為特定用例構(gòu)建深度學習模型。其中一些框架也是開源的，有利于其得到廣泛采用，并得到人工智能生態(tài)系統(tǒng)中大多數(shù)參與者的大力支持。堆棧的底部兩層由硬件（處理器、邏輯電路和運行人工智能軟件的其他組件）及人工智能庫組成，這些基本屬于低級軟件功能，有助于優(yōu)化底層硅芯片集的人工智能模型和算法。我們期待傳統(tǒng)半導體供應商（如英特爾、輝達、高通和賽靈思）提供用于加速此部分堆棧人工智能用例的優(yōu)化硅芯片。這些公司還可能提供需要的人工智能庫，促進其專屬架構(gòu)的開發(fā)和逐級采用，進而幫助在其硅產(chǎn)品上部

26、署人工智能框架。人工智能庫示例包括：英特爾 DL SDK/Vision SDK、輝達cuDNNTensorRT和安謀。有一點正變得日益清晰：硬件層可以說是這種人工智能解決方案堆棧 中最有趣的部分。關鍵原因有兩個：首先，人們?nèi)找嬲J識到人工智能 要求其深層硬件具備獨特的處理能力，這導致了選擇最佳處理架構(gòu)的新一輪競賽 哪種架構(gòu)將會勝出， 是 GPU 、數(shù)字信號處理器（DSP）、FPGA還是定制ASIC，仍有待觀察；其次，開發(fā)人工智能硬件的參與者數(shù)量日益增加，超過了傳統(tǒng)芯片制造商以往的名單，這可能會威脅到老牌供應商，并顯著改變其市場地位。 人工智能芯片的新興戰(zhàn)場人們對人工智能領域半導體市場機遇抱有很高

27、期望的一個明確標志是， 每個主要供應商均在提供人工智能硅。最常見的目標應用是ADAS、無人機、監(jiān)測和計算機視覺。這些應用架構(gòu)在選擇上差異巨大，包括一般用途CPU、DSP、GPU、FPGA和定制的ASIC等（見圖6）。不出所料，大多數(shù)供應商對人工智能硅架構(gòu)的選擇與其核心能力或優(yōu)勢領域密切相關。例如，賽靈思的Zynq MPSoC是其FPGA產(chǎn)品的可定制變體，輝達的大多數(shù)產(chǎn)品也均基于其核心GP-GPU架構(gòu)。另一方面，供應商（如恩智浦和意法半導體）大多提供人工智能特定加速和擴展，以增強其現(xiàn)有產(chǎn)品組合而非人工智能特定芯片的能力。另一個差異是，IP許可供應商安謀和益華（Cadence）提供軟CPU和DSP

28、IP核心，前提是未來人工智能處理器將嵌入至中，而非由專門用于人工智能工作負載的獨立運行芯片處理。軟CPU和DSP 核心的模型使硅供應商獲得人工智能軟核心的許可，得以開發(fā)針對其 人工智能應用的芯片。與此同時，財力雄厚的供應商（如英特爾）正 在對各種不同的架構(gòu)（CPU、FPGA和定制ASIC）進行廣泛投資，旨在滿足不同的處理需求。我們觀察到的另一個區(qū)別是公司是否生產(chǎn)專門為培訓或推理系統(tǒng)設計 的芯片。英特爾和輝達面向培訓或推理市場提供的芯片集最為多元。英特爾的10FPGA和MyriadXASIC專為推理工作負載而設計， 而其Nervana NNP則最適用于培訓。同樣， 輝達生產(chǎn)的Pascal和芯片適

29、用于培訓工作負載，Maxwell則用于推理。兩家公司均制造芯片，英特爾的Loihi NMP和輝達的Tesla，都是為了在各自的應用中實現(xiàn)良好的運轉(zhuǎn)而設計的。我們認為并無哪種方法適用于所有情況；根據(jù)待分析的數(shù)據(jù)源類型、數(shù)據(jù)重力考慮因素和實時處理需求，每個用例的最佳方案可能各有不同。定制方案在這一系列的創(chuàng)新中，一些公司可能會嘗試開發(fā)定制芯片來傳遞人工智能“ 圣杯”，即性能卓越，功耗和成本低于第一代引入的任何標準架構(gòu)。這場架構(gòu)之戰(zhàn)可能會延續(xù)到可以預見的未來，我們認為現(xiàn)在宣布 贏家還為時過早。定制芯片的整體性能可能是最佳的，但如果只能處 理非常有限的應用程序集和用例，則可能無法實現(xiàn)其經(jīng)濟價值，因為 由

30、此導致的較低產(chǎn)量可能無法證明前期開發(fā)所付出的成本是必要的。數(shù)家非傳統(tǒng)芯片制造商已加入這場“軍備競賽”，爭奪人工智能半導體的 優(yōu)勢地位， 并為其特定人工智能需求而設計的定制芯片試水（見圖7）。我們在頂級公有云供應商（特別是亞馬遜、谷歌和微軟）中看到 一種顯而易見的趨勢所有這些供應商都在探索定制人工智能芯片作為GPU和FPGA的替代產(chǎn)品，以便在云端產(chǎn)品的性能和成本方面獲 得競爭優(yōu)勢。亞馬遜最近宣布為其邊緣計算家用設備Alexa開發(fā)人工智 能芯片；微軟正在為其全息透鏡智能眼鏡開發(fā)人工智能芯片；2017 年，谷歌推出了用于神經(jīng)網(wǎng)絡的張量處理單元（TPU），聲稱在類似的工作負載下，TPU的性能比CPU/

31、GPU芯片高15至30倍，性能功耗比 高30至80倍。 鑒于公有云供應商和產(chǎn)品公司紛紛開發(fā)自己的定制硅，用于優(yōu)化自身應用程序和用例，爭奪人工智能優(yōu)勢地位競賽中出現(xiàn)的重大轉(zhuǎn)變必然會威脅到傳統(tǒng)芯片制造商（如英特爾、輝達和賽靈思）的市場地位， 并有可能顛覆其傳統(tǒng)商業(yè)模型。盡管 有定制活動，我們預期GPU和FPGA將繼續(xù)在云端共存，以加速人工智能工作負載。近期，鑒于開發(fā)新型硅設計需要大量投資和資源，且這種方式要實現(xiàn)盈利需要達到高銷量，大多數(shù)應用程序?qū)⑼ㄟ^商用硅產(chǎn)品提供服務。人工智能初創(chuàng)企業(yè)的前景半導體制造商必須抗衡的另一個趨勢是龐大的初創(chuàng)企業(yè)隊伍，這些初創(chuàng)企業(yè)正在開發(fā)針對人工智能優(yōu)化的革命性新型芯片架

32、構(gòu)并將其商業(yè)化。關鍵問題是，這些年輕的公司是否會對現(xiàn)有企業(yè)構(gòu)成威脅，抑或甚至能夠把握機遇超越其他競爭對手并在人工智能領域勝出？利用人工智能前景的熱潮正在引發(fā)解決方案堆棧領域的大量創(chuàng)新。近年來，對人工智能初創(chuàng)企業(yè)的風投基金大幅增加，2017年對人工智能和機器學習公司的投資達到創(chuàng)紀錄的110億美元。不出所料，這種行動有很大一部分發(fā)生在堆棧上層的軟件和算法領域。初創(chuàng)企業(yè)在該領域構(gòu)建專注于特定人工智能用例的可擴展平臺，并尋求開發(fā)能夠集成到現(xiàn)有應用程序中的人工智能軟件，以使其更智能化。堆棧底層同樣能引起人們巨大的興趣和興奮之情，越來越多的初創(chuàng)企 業(yè)在瞄準新型硅架構(gòu)，將其優(yōu)化來滿足人工智能工作負載帶來的獨

33、特 處理需求。我們對風投基金的分析顯示，人們對半導體初創(chuàng)企業(yè)的興 趣有所回升，2017年，半導體初創(chuàng)企業(yè)吸引了近7.5億美元的風投資金，是前兩年所獲資金總和的三倍多，也是2015年前所有投入人工智 能芯片初創(chuàng)企業(yè)的資金的12倍。如圖8所示，前19家人工智能半導體初創(chuàng)企業(yè)中有11家位于美國，且大多數(shù)均在探索針對各種人工智能和深度學習工作負載專門定制的處理器架構(gòu)。其中9家正在構(gòu)建深度學習處理器，三家正在開發(fā)所謂的神經(jīng)形態(tài)處理器，該處理器基于超前的全新架構(gòu)，試圖模仿人腦的運行方式。圖7 加入人工智能競賽的其他參與者圖8 人工智能初創(chuàng)企業(yè)獲得的風投資金正在增加初創(chuàng)企業(yè)成立年份總部階段迄今為止獲得的資金

34、（百萬美元）戰(zhàn)略投資者技術地平線機器人（Horizon Robotics）2015中國北京B輪 700海力士半導體（SK Hynix）,SK 中國成像DSPGraphcore2016英國布里斯托爾D輪310微軟、寶馬深度學習處理器寒武紀科技（Cambricon Technology）2016中國北京B輪 210國投（SDIC）深度學習處理器Wave Computing2010加州坎貝爾E輪203.3三星深度學習處理器Vicarious2010加州舊金山C輪 120三星神經(jīng)形態(tài)處理器Rigetti Computing2013加州伯克利B輪119光學/量子人工智能計算Cerebras2016加州洛

35、斯阿爾托斯C輪 112深度學習處理器Vayyar2011以色列耶胡德C輪80成像DSP熠知電子（ThinkForce）2017中國上海A輪 68人工智能加速引擎Movidius2006加州圣馬特奧E輪56英特爾（收購）神經(jīng)計算機引擎加速器（應用程序：成像DSP）Mythic2012加州紅木城、德州奧斯汀B輪 55.2神經(jīng)形態(tài)處理器KnuEdge2005加州圣地亞哥種子輪47神經(jīng)形態(tài)處理器Nervana2014加州圣地亞哥A輪 40英特爾（收購）深度學習處理器Xanadu2016加拿大多倫多種子輪25光學/量子人工智能計算Reduced Energy Microsystems2014加州舊金山種

36、子輪 6.9深度學習處理器LightOn2016法國巴黎種子輪3.3光學/量子人工智能計算CyberSwarm2017加州圣馬特奧種子輪 2人工智能輔助網(wǎng)絡安全CPUTenstorrent2016加拿大多倫多種子輪1深度學習處理器Vathys2015俄勒岡州波特蘭種子輪深度學習處理器 輪 種子期資料來源：普華永道研究 迄今為止，人工智能初創(chuàng)企業(yè)獲得的風投總額在早期階段的A輪和B 輪投資以及后期階段的C輪和D輪交易平均分布。盡管大多數(shù)后期階段的初創(chuàng)企業(yè)均位于美國和歐洲，但大部分早期階段的企業(yè)位于亞太地區(qū)。中國最大的初創(chuàng)企業(yè)包括寒武紀科技公司、地平線機器人公司、熠知電子和深鑒科技公司（DeePhi

37、 Technologies），迄今為止它們共籌集3億美元的風險投資，前兩家公司約占投資總額的三分之二。據(jù)迄今為止的分析，我們相信制造最好的人工智能硅材料的競賽才剛剛開始，競爭將十分激烈，難以預料未來會對現(xiàn)有企業(yè)造成什么樣的影響。每一家希望在這一競爭激烈的領域大展身手的半導體公司都必須從現(xiàn)在開始著手準備，然而只有時間才能告訴我們誰是最后的贏家。 歷史表明，盡管半導體公司從顛覆性增長周期中獲利頗豐，但無論是將超出芯片本身的新技術貨幣化，還是對這些技術支持的新商業(yè)模式進行擴張，它們?nèi)杂泻芏啻挝茨塬@得每個周期全部價值的應得份額。幾乎可以確定的是，人工智能的崛起會成為未來十年半導體行業(yè)最強大的驅(qū)動力。正

38、如我們的分析顯示，現(xiàn)有企業(yè)和初創(chuàng)企業(yè)都在努力開發(fā)驅(qū)動人工智能的硬件。但是它們能否充分把握住這個機遇？它們能否跳出從開發(fā)和銷售人工智能芯片中獲得利潤的模式，轉(zhuǎn)而全身心參與到人工智能革命中？我們相信他們可以，但若要做到這一點，他們必須深思熟慮以重新評估其人工智能戰(zhàn)略和商業(yè)模式，精心設計其技術和產(chǎn)品戰(zhàn)略，并深入了解如何在整個人工智能生態(tài)系統(tǒng)中發(fā)揮其作用。以下是公司在準備應對人工智能帶來的變化并充分利用這一機遇時需要考慮的若干關鍵因素和建議。戰(zhàn)略和商業(yè)模式。制定公司的人工智能愿景，然后利用這一愿景更好地理解需要關注的核心領域，至少在競賽的早期階段應當如此。這主要包括探索新的方法將公司資產(chǎn)和專業(yè)領域貨幣

39、化。能否利用數(shù)據(jù)？ 能否提供相關服務？該方法還將告訴我們?nèi)绾胃玫匕l(fā)展當前的投資組合，使其變得與人工智能更相關、更適用，同時與總體戰(zhàn)略保持緊密一致。以下是公司可以選擇聚焦的三個領域：增長細分市場：在利用公司現(xiàn)有市場并提供巨大增長潛力的細分市場中，識別并瞄準新型人工智能用例，例如和物聯(lián)網(wǎng)。硅之外的貨幣化：探索人工智能特定知識產(chǎn)權(quán)許可機遇或提供可貨幣化的人工智能相關服務的機遇，包括托管人工智能服務化和匿名人工智能用例數(shù)據(jù)，用于改進培訓系統(tǒng)和算法。非進行增量投資來增強當前投資組合中人工智能的適用性。技術和產(chǎn)品供應。鑒于芯片的具體用例，為芯片選擇正確的技術和架構(gòu)至關重要，但公司也必須確保所選擇的技術路

40、徑在人工智能堆棧的 其他地方能夠得到支持。一種行之有效的方法是，定義產(chǎn)品供應，以 廣泛地包含人工智能庫、工具包和堆棧中的其他軟件元素，但是公司 必須確定究竟是自己構(gòu)建所有元素，還是將產(chǎn)品與技術合作伙伴的元 素整合。公司可以通過以下幾種方式側(cè)重于產(chǎn)品：不斷進化的硬件架構(gòu)：探索具有定制架構(gòu)的設計，例如神經(jīng)形態(tài)處理和子系統(tǒng)設計，這些都是為了通過獨特的自學功能來加速深度學習算法而定制的，例如通過集成邏輯和內(nèi)存功能。人工智能庫和工具包：盡可能為產(chǎn)品組合中的現(xiàn)有產(chǎn)品開發(fā)軟件開發(fā)工具包（SDK）和編譯器，以優(yōu)化和加速人工智能算法。全棧產(chǎn)品：與合作伙伴合作，在硅、平臺、工具和人工智能庫方面提供全棧解決方案，使

41、應用程序的開發(fā)和差異化輕松易行。合作伙伴關系和人工智能生態(tài)系統(tǒng)。對上述人工智能解決方案堆棧的深入研究清晰地表明，人工智能的成功在很大程度上取決于建立一個完整的合作生態(tài)系統(tǒng)，無論是通過技術聯(lián)盟，還是作為企業(yè)將產(chǎn)品推向市場。為推動長期增長，聰明的參與者應識別并有效利用生態(tài)系統(tǒng)來縮短上市時間， 制定高效的銷售策略以進軍特定的垂直行業(yè)或應用，并評估戰(zhàn)略合作伙伴關系和投資，如合資還是收購。以下是一些可供公司探索的選項：許可：通過授予來自第三方供應商，如安謀、思華（CEVA）和鏗騰（Cadence）的知識產(chǎn)權(quán)核心的許可，探索既可降低風險又能加快人工智能專用產(chǎn)品開發(fā)的選項。合作伙伴：與整個堆棧中的競賽者建立

42、新的戰(zhàn)略伙伴關系，推動自身人工智能芯片和解決方案的采用。戰(zhàn)略投資：考慮投資于人工智能初創(chuàng)企業(yè)，增強與核心業(yè)務相一致的用例功能。行業(yè)數(shù)字化半導體行業(yè)自問世以來一直是數(shù)字化的先驅(qū)，提供數(shù)字化服務并追求 新的數(shù)字商業(yè)模式。例如，在上世紀70年代，英特爾出售芯片測試設 備的收入即超過其出售芯片本身的收入。上世紀80年代，隨著數(shù)字設 計和仿真工具以及通信技術的普及，無晶圓廠和鑄造模型涌現(xiàn)出來并 顛覆了當時盛行的整合元件制造商（IDM）模式。后來出現(xiàn)了純粹的知識產(chǎn)權(quán)競爭，高通、安謀等公司紛紛效仿，進一步侵蝕了半導體價 值鏈。如今，其他行業(yè)，尤其是汽車行業(yè)在數(shù)字化方面明顯超過了半導體行業(yè)。這不免令人啼笑皆非

43、，因為汽車制造商自身在數(shù)字化方面的成功很大程度上來自于半導體行業(yè)產(chǎn)品的支持。對半導體公司而言，現(xiàn)在比以往任何時候都更需要考慮如何最好地利用數(shù)字化，以及找到最有利于其組織發(fā)展的機遇。在考慮數(shù)字化的最佳推進方式時，芯片制造商可以衡量三大戰(zhàn)略（數(shù)字化產(chǎn)品和服務、數(shù)字商業(yè)模式和數(shù)字半導體價值鏈）。請注意，所有這些策略都必須得到可靠數(shù)據(jù)和分析技術的支持。數(shù)字化產(chǎn)品和服務。我們看到半導體公司在實現(xiàn)產(chǎn)品和服務數(shù)字化時有三個選擇：數(shù)據(jù)貨幣化、增強和定制（見圖9）。數(shù)據(jù)貨幣化允許半導體公司利用自己或他人設備產(chǎn)生的大量數(shù)據(jù)；增強后產(chǎn)品和服務通過人工智能或整合其他產(chǎn)品或服務，來豐富公司的現(xiàn)有技術；定制化通過更高的精

44、度和效率為客戶帶來額外的價值。圖9 半導體公司的數(shù)字戰(zhàn)略數(shù)據(jù)貨幣化增強定制應用提供原始數(shù)據(jù)“清洗”和組織數(shù)據(jù)以數(shù)據(jù)生成洞見電路設計服務人工智能輔助成服務物聯(lián)網(wǎng)平臺集成完整的設備按需供應的芯片描述為客戶提供的設計數(shù)據(jù)洞見的算法誤修復服務產(chǎn)品基礎工作平臺供應商合作，確保過應用編程接口啟用網(wǎng)機遇越成功的特定應用設計選項來設置的性能和功能參數(shù)示例/ 潛在用例三星Artik云物聯(lián)網(wǎng)平臺英特爾程（芯片）*英特爾程（板級設計）*高通/Linaro*云端服務英特爾Mobileye英特爾（實驗階段）*潛在用例來源：普華永道調(diào)查數(shù)字商業(yè)模式。我們看到半導體公司可以選擇五種創(chuàng)新的數(shù)字商業(yè)模式（見圖10）：1.剃刀與

45、刀片：企業(yè)可以利用該模式，以較低的利潤率提供核心產(chǎn)品（如計算架構(gòu)），然后開發(fā)一種附加產(chǎn)品（如云平臺服務）。此類產(chǎn)品依賴于該架構(gòu)，但利潤更高。未來，半導體供應商可以向云端服務供應商出租設備，從而實現(xiàn)硬件利用的貨幣化。2.平臺：公司可以通過促進芯片制造商和客戶之間基于數(shù)據(jù)或硬件的交換創(chuàng)造價值。這有利于平臺參與者，并允許創(chuàng)辦人影響標準，增加競爭對手的轉(zhuǎn)換成本。3.開源：利用這一機遇，半導體公司可以創(chuàng)建一個平臺，允許客戶構(gòu)建定制化的開源芯片。這有助于與第三方共享軟件源代碼和集成電路設計，從而分攤研發(fā)成本并縮短上市時間。4.XaaS（一切即服務）：半導體制造商可以使用該方法，圍繞基礎設施、硬件和軟件開發(fā)

46、來創(chuàng)新服務，例如提供計算即服務等。由此，硬件和功能更新可以作為服務計費。5.市場：發(fā)展雙邊市場，使用人數(shù)的增多可以產(chǎn)生積極的網(wǎng)絡效應，從而增加價值。市場可以包括基于云的算法即服務，例如共享人工智能培訓數(shù)據(jù)等。客戶可以通過通用接口訪問算法，開發(fā)者則可以上傳新的算法和模型來豐富市場。圖10 半導體公司的創(chuàng)新商業(yè)模式類型 應用 描述 示例 剃刀與刀片云平臺與新型計算支持應用程序特有的計算架構(gòu)（）用的貨幣化谷歌云平臺輝達GPU云數(shù)據(jù)平臺TSMC開放創(chuàng)新平臺平臺平臺軟件基礎設施API，允許第三方開發(fā)者在芯片上創(chuàng)建和部署人工智能模型創(chuàng)建標準工具包、編譯器和/“開發(fā)者粘性”思華和輝達深度學習SDK安謀NN

47、SDKTensorFlow庫物聯(lián)網(wǎng)平臺服務等商業(yè)模式成為可能安謀和Linaro開源ARM平臺英特爾物聯(lián)網(wǎng)平臺開源開源集成電路設計客戶交付SiFive開源設計XaaS計算即服務硬件和功能更新作為服務計費被下載至芯片上芯片功能即服務（收費）IBM Q（量子計算）市場人工智能算法/模型為基于云端的算法即服務創(chuàng)建市場客戶可以通過通用接口訪問算法開發(fā)者可以上傳新的算法/Algorithmia人工智能算法市場終端用戶應用數(shù)據(jù)化并在人工智能數(shù)據(jù)市場上銷售/客戶如何使用人工智能Bottos分布式人工智能數(shù)據(jù)市場 OpenMind和Ocean人工智能數(shù)據(jù)共享市場資料來源：普華永道研究 總而言之，半導體公司應考慮通過所有三種數(shù)字戰(zhàn)略所能獲得的各種機會（見圖12）。運營。除了可以用來提高收入的各種數(shù)字戰(zhàn)略外，芯片運營商還可以考慮通過應用人工智能和機器學習改善運營來提高收益的機會。選項包括：中央控制塔： 可以