广义上，只要可以运行AI（人工智能）算法的芯片都可称为AI芯片。但通常意义上来讲，AI芯片是指专门用于处理人工智能应用和算法的芯片，其针对人工智能算法进行特殊加速设计，可提供高度优化的计算能力，使得人工智能算法和应用程序实现更快速的运行，同时保持低功耗和低成本。

AI芯片的主要功能是对海量数据的输入进行处理，通过高效的并行计算能力，实现数据分析和处理、模型训练及推断等，其设计通常采用特殊的架构和算法。AI芯片的出现，使得人工智能技术能够在各种设备和应用中得到更广泛的应用和普及，它为实现智能化提供了强大的硬件基础，是人工智能技术的重要组成部分。

1.1.1 基于技术架构，AI芯片主要可分为四类：GPU、FPGA、ASIC、类脑芯片。

目前，上述四类芯片中，GPU（图形处理器）是较为成熟的通用型人工智能芯片，在AI领域中使用频率较高。2023年上半年，我国AI芯片市场中，GPU所占市场份额90%。FPGA（现场可编程门阵列）、ASIC（特定用途集成电路）等非GPU类的芯片，占比约10%。^[1]

图1-基于技术架构划分AI芯片

1.1.2 基于承担的任务，AI芯片可分为两类：训练芯片和推理芯片。

两者的区别主要在于用途和功能。训练芯片主要用于训练和优化AI模型，可用于机器学习、深度学习等任务中；推理芯片主要部署和运行已经训练好的AI模型，可用于语音识别、图像识别、自然语言处理等任务中。2022年，中国AI训练芯片市场占比为47.2%，AI推理芯片市场占比为52.8%。^[2]

图2-基于承担任务划分AI芯片

1.1.3 基于部署场景，AI芯片可分为三类：端侧、边缘侧、云侧。

端侧、边缘侧和云侧AI芯片的应用场景和需求各不相同，因此，其算力需求也有所不同。一般而言，云侧AI芯片对算力的需求最高，边缘侧次之，端侧最低。

图3-基于部署场景划分AI芯片

1.2.1 位于产业链中游的芯片设计和制造环节是最为关键的部分，需要强大的技术和设备支持，以及高度专业化的芯片人才队伍。

AI芯片产业链可分为上、中、下游三个部分。上游即包括硅片、化合物半导体、光电子器件等在内的半导体材料，与包括光刻机、刻蚀机、薄膜沉积设备等在内的半导体设备；中游即芯片设计、制造、封装、测试，包括算法设计、物理设计、晶圆制备、芯片可靠性验证、性能测试等等；下游即广泛的应用，涵盖云计算、智能穿戴、智能手机、自动驾驶、智能医疗、智能机器人等领域。

其中，位于产业链中游的芯片设计和制造环节是最为关键的部分，需要有强大的技术和设备支持，以及高度专业化的芯片人才队伍。

图4-AI芯片产业链上下游图谱

上游市场：目前，国内处于AI芯片产业上游的企业在半导体材料和设备领域，仍处于发展初期，市场份额较小。但近年来国内半导体材料和设备企业逐渐崛起，如中电科电子、华大九天等企业，逐渐崭露头角。

中游市场：在芯片设计环节，国内芯片设计企业整体实力相对较弱。不过，有部分国内企业在特定领域已经具备一定的竞争优势，如：智能驾驶芯片领域的黑芝麻智能、智能音箱芯片领域的全志科技等。在芯片制造环节，国内对应的企业数量较多，但同样整体实力较弱；封装和测试环节则相对较为成熟，目前仍以中低端市场为主。

下游市场：下游市场包括云计算、消费电子、智能穿戴等领域。在云计算领域，国内企业如阿里云、腾讯云等已具有较强的市场竞争力。在消费电子、智能穿戴等领域，华为、小米等已在国内乃至全球市场占据重要席位，相继推出多款智能手表、智能手环等产品。同时，智能驾驶、智能家居等领域的兴起，对AI芯片需求进一步扩大。

图5-国内AI芯片产业链上下游部分代表企业

总体来说，国内AI芯片产业链虽然已经取得一定进展，但整体实力相对较弱，特别是在芯片设计和制造环节，与国际巨头仍存在较大差距。未来，随着国内技术的不断进步和市场需求的持续增长，国内AI芯片产业链有望实现快速发展。

全球AI芯片市场近年来呈现高速增长的态势。预计2023年全球AI芯片市场规模将达490亿美元，2021-2026年全球AI芯片市场规模将以29.3%的复合增长率增长。2023年，我国AI芯片市场规模将达427亿元，同比增长124%；2026年我国AI芯片市场规模将达1206亿元。^[3]TrendForce发布的数据则显示，2022年全球AI芯片市场规模为300亿美元，其中，中国市场规模超过100亿美元，是全球最大的AI芯片市场之一。

图6-2020~2026年全球及中国AI芯片市场规模及预测情况

图片资料来源：Frost & Sullivan

1.3.1 海外AI芯片市场：呈现一超多强的竞争态势

一超：以英伟达为首，市场份额占据绝对优势，其产品线覆盖了从数据中心到个人电脑、再到智能手机的全方位应用场景，通过持续的技术创新和研发投入，不断巩固其市场地位。例如，英伟达的Tensor Processing Unit (TPU) 专门为机器学习算法优化，性能优异，被广泛用于谷歌的TensorFlow等开源框架。

多强：除了英伟达，还有许多企业也在AI芯片市场上积极布局。其中，最为突出的是英特尔和AMD。英特尔在2015年以167亿美元收购了Altera公司，从而进入AI芯片市场。此后，该公司不断加大在AI芯片领域的投入，推出了多款针对不同应用场景的AI芯片，如Xeon Phi、Nervana等。英特尔的AI芯片性能强大，且与自家其他产品协同性良好，如与FPGA等可实现优势互补。

AMD则在2017年以超过9亿美元的价格收购了FPGA制造商Xilinx，由此进入AI芯片市场。AMD通过整合Xilinx的技术和资源，开发出一系列AI芯片，如Radeon Instinct系列。这些产品在能效和性能方面表现出色，且支持多种机器学习框架，如Radeon Open Compute Platform (ROCm)。

此外，还有许多其他企业也在AI芯片市场上占有一席之地，如谷歌、苹果、华为等。这些企业通过自主研发或合作的方式，推出了一系列性能卓越、适用于自身生态系统的AI芯片。例如，谷歌的TPU被广泛应用于其搜索引擎、语音助手等AI应用，而苹果的神经引擎则用于其Face ID、Siri等AI服务。

· 如从参与者类型来划分，则主要参与者可分为三类：国际半导体巨头、国际互联网企业、初创企业等，各自切入AI芯片赛道的方式及布局也有所不同。

图7-海外AI芯片主要参与者类型划分

总的来说，海外AI芯片市场呈现出多元化的竞争态势，各类型企业都在积极布局AI芯片业务，通过技术创新和合作等方式不断扩大自身市场份额。同时，由于AI技术的快速发展和应用场景的不断扩大，AI芯片市场将保持持续高增长态势。未来，我们可以预见这一市场竞争将更加激烈，同时也将推动AI芯片技术不断进步。

1.3.2 国内AI芯片市场：成熟型企业保持领先地位，成长型企业逐步崛起，初创型企业开始崭露头角。

Tractica预测2025年全球AI芯片市场规模达724亿美元，年复合增长率达37%。在全球的AI芯片市场中，中国的市场规模占比最大，约占四分之一。根据不同指标可进行不同梯队的划分。

图8-根据不同指标划分国内AI芯片梯队

图片资料来源：企业官网、企查查APP

· 从产品成熟度和商业化程度来看，国内AI芯片企业大致可分为三个梯队：

第一梯队：成熟型AI芯片企业

第一梯队主要包括已经拥有成熟的产品体系，并具备商业化应用和量产能力的企业。这些企业基本已经建立了完整的研发团队，同时具备完善的技术体系，拥有自主知识产权和核心技术，实现了商业化应用。

海光、寒武纪是其中的代表企业。海光是一家专注于人工智能芯片的公司，产品已经广泛应用于云计算、数据中心等领域，其DCU产品深算系列，对标市场主流的英伟达A100，在AI计算、商业计算、大数据处理等领域发挥重要作用；寒武纪主要面向云端、端和边缘计算场景，其产品主要应用于智能驾驶、智能家居等领域。

第二梯队：成长型AI芯片企业

主要包括在AI芯片领域具有一定的研发实力和市场竞争力的企业，这类型公司通常已经在某些特定领域或特定场景下有所突破，正在探索商业化应用路径。如：旷世科技、比特大陆等。比特大陆是专注于比特币芯片的企业，其AI芯片主要应用于矿机领域，是全球领先的矿机芯片供应商之一。

在第二梯队中，南京、苏州和广州等城市是其中的代表城市。这些城市在人工智能领域具有一定的研发实力和产业基础，并且已经开始探索AI芯片的研发和应用。同时也积极吸引更多初创企业和新兴势力加入AI芯片产业中，推动中国AI芯片市场的发展。

第三梯队：初创型AI芯片企业

该梯队主要包括在AI芯片领域具有创新能力和发展潜力的初创企业。这些企业通常处于起步阶段或规模较小，但具有较强的创新能力和市场敏锐度，其正在积极研发和推广自己的AI芯片，如：摩尔线程、亿铸科技等。自2020年10月成立后，摩尔线程极短的时间内推出了多款GPU芯片，这些芯片采用了现代GPU架构。此外，摩尔线程还开发了一些AI芯片相关的开发工具和代码移植工具，帮助企业更好地应用AI芯片。

· 从企业规模、注册资本来看，国内AI芯片企业也可分为三个梯队：

第一梯队：注资10亿元以上

企业的注册资本多在10亿元以上，这类企业通常资金实力雄厚，研发实力强大，可以投入大量的资源在AI芯片的研发和生产上，以华为、中芯国际、地平线等为代表。

第二梯队：注资1-10亿元之间

企业的注册资本在1-10亿元之间，这类企业有一定的资金储备，但可能相对没有第一梯队企业那么充裕，因此在研发投入上或有所限制，以四维图新、思必驰等为代表。

第三梯队：注资1亿元以下

企业的注册资本在1亿元以下，这类企业通常为初创公司或者新进入该行业的企业，资金和资源都相对有限，但具有一定的创新能力和市场潜力。

自“十三五”规划以来，AI芯片逐渐被写入国家发展规划纲要，成为公共基础建设的一部分，开启了国内人工智能芯片产业发展的新篇章。国务院、国家发展改革委、工信部等多个部门陆续印发关于支持和引导AI芯片行业发展的政策。

政策关注点聚焦在AI芯片或AI软硬件协同的技术研发与创新突破、支持和推动与AI芯片相关的产业及生态系统建设、AI芯片行业规范及芯片安全运行规范等方向。旨在推动AI芯片的研发和应用，进一步壮大和提升产业链竞争力，促进中国AI芯片产业的快速发展。

图9-国务院、工信部等多部门印发关于支持和引导AI芯片行业发展的政策

图片资料来源：各部委及政府官网

2.1.1 特点一：呈现出以东部沿海地区为重点，其他地区逐渐崛起的发展趋势。

东部沿海地区：东部沿海一带是改革开放的前沿，拥有丰富的科技和经济资源，也是国内AI芯片企业分布最为集中的区域。其中，江苏省的苏州、无锡、南京等地，依托其电子、半导体和机械制造业等产业基础，吸引了众多AI芯片企业的落户；山东省济南市也因其政策支持和产业优势，成为AI芯片企业争相进驻的重要区域之一。

中部地区：如湖北省、湖南省和河南省等地，其AI芯片企业数量相较于东部沿海地区，稍显不足，但近年来也在积极推动科技创新和产业升级。其中，湖北省的武汉和长沙等城市已成为国内重要的芯片研发基地，河南省也在积极推动人工智能和芯片产业的发展。

西部地区：近年来积极引进高端人才和科技企业，加速推动人工智能和芯片产业的发展。比如，四川省的成都和重庆等地已成为国内重要的芯片研发基地之一，同时，当地政府对AI芯片企业给予资金支持、税收优惠、人才引进等方面的政策倾斜；陕西省的西安和宝鸡等城市也在积极发力AI芯片产业。

东北地区：在AI芯片企业数量、产业链完善程度、科技创新能力方面，东北地区相较于东部沿海地区较弱，相比中部地区和西部地区则具备较为明显的优势。其中，哈尔滨、长春和沈阳、大连等城市在东北地区的AI芯片产业发展中扮演了重要角色。

2.1.2 特点二：呈现出以一线城市为主，二线城市和其他城市逐渐崛起的发展趋势。

国内AI芯片企业的地域分布主要集中在北京、上海、深圳、广州等一线城市。一方面，这些城市拥有丰富的科技资源和人才储备；另一方面，也与当地政府的大力支持和政策优惠有关。同时，随着国内人工智能产业的发展，二线和三线城市也逐渐崛起，开始重视AI芯片的发展，并积极推动相关企业和项目的引进和落地，成为AI芯片企业的重要发展基地。

从国内各城市AI芯片代表企业来看，具体有北京的兆易创新、昆仑芯科技、四维图新、紫光股份；上海的复旦微电、翱捷科技、芯原股份、澜起科技；深圳的云天励飞、奥比中光、汇顶科技；湖南的国科微、景嘉微；安徽的恒烁股份；甘肃的华天科技等。

我国在AI芯片上起步较晚，但发展增速极快。目前，国内头部AI芯片企业市场份额主要由几家上市公司主导，包括寒武纪、芯原股份、四维图新等。这些公司在国内AI芯片行业中占据重要地位，他们的市场份额加起来占据了相当大的比例。根据IDC的数据，2023年上半年，本土AI芯片品牌出货量超过5万张，占据了大约10%的市场份额。这表明我国的AI芯片企业正在逐步提升自身的市场竞争力。

目前国内A股上市公司中，布局AI芯片的企业主要有寒武纪、景嘉微、云天励飞、紫光国微、海光信息、安路科技、恒烁股份、芯原股份、澜起科技、国芯科技、复旦微电、航宇微、国科微、好利科技、中科曙光、创耀科技、裕太微等。在需求、技术、资本等多方因素推动下，各家正加速自身产品布局。

图10-国内布局AI芯片的部分A股上市企业

数据来源：企业官网、企业招股书、财联社

在芯师爷前期调研统计中，90%的企业普遍认为我国人工智能芯片行业尚处于生命周期的早期阶段；10%的企业认为已进入成长期。现阶段市场增长迅速，由于AI芯片技术壁垒较高，研发周期长且要求高，因此上市公司数量较少。但未来，随着技术的不断发展和市场需求的增长，我国的AI芯片企业将会有更大的发展空间。

《2023人工智能分类排行榜》名单显示，位列前十的AI芯片企业中，上市企业仅4家，分别为寒武纪、海光信息、景嘉微、云天励飞。同时，后摩智能、亿铸科技、深流微、爱芯元智等本土新兴AI芯片企业也在榜上。^[4]

图11-2023年中国AI芯片企业TOP25

图片资料来源：互联网周刊、eNet研究院、德本咨询、企业官网

随着新技术的应用和市场需求的变化，AI芯片相关的投资和融资活动日趋活跃。2023年上半年，中国人工智能行业的月均融资事件数达到48起。其中，5月的融资事件数量最高，达到61起；而6月和3月则以54起和50起的融资事件数量位列二、三位。^[5]这些数据反映出国内AI芯片行业的快速发展和巨大市场潜力。

图12-国内部分AI芯片企业融资情况

数据来源：企查查、企业公开信息

2.3.1 投资热点与趋势分析

2023年上半年，国内的投资机构如华为哈勃、腾讯投资、百度风投等都对AI芯片领域进行了投资。从投资机构的角度来看，中国AI芯片市场的投资方主要包括国内风险投资机构、互联网巨头、上市公司等。

其中，风险投资机构是最主要的投资力量，他们倾向于投资早期和成长期的公司；而互联网巨头则更倾向于投资中后期公司，以获取更多的市场份额和资源；上市公司则更注重稳健性和收益性，投资领域也相对更加分散。

芯师爷根据公开资料及调研分析，在2023年的中国AI芯片市场中，投资热点主要集中在三个方面：

（1）AI芯片技术创新：包括新型芯片架构、芯片设计、制程技术等领域的创新。这类投资主要关注技术突破和自主创新，为行业带来深远影响。

（2）AI应用场景拓展：主要涉及医疗、金融、智能制造、智慧城市等新兴领域。这些领域的应用场景不断拓展，为AI芯片提供了广阔的市场空间。

（3）AI芯片生态系统建设：包括投资产业链上下游企业，如芯片设计软件、硬件IP核、生产工艺等。这类投资有利于构建完善的AI芯片生态系统，提高产业链整体竞争力。

2.3.2 融资规模与增长趋势分析

芯师爷根据各企业及媒体公开资料做相关统计，2023年上半年，中国AI芯片市场的融资规模持续扩大。其中，早期融资（天使轮和A轮）占据较大比例，中后期融资（B轮及以后）也逐渐增加。这表明中国AI芯片市场的增长潜力仍然很大，同时中后期融资的增长也反映了市场对于成熟企业的信心在逐步增强。

（1）融资效率：国内AI芯片企业的融资效率普遍较高。大部分企业在融资后能够迅速扩大规模，提升市场竞争力。后期，随着企业成长阶段的提升，其融资效率也会逐步提高。

（2）融资估值：从目前AI芯片企业融资情况来看，估值水平存在较大差异。部分具有核心技术和独特商业模式的企业普遍估值较高，而一些传统芯片企业或初创AI芯片企业的估值相对较低。由此来看，投资者在选择目标企业时，越来越注重企业的实际价值而非简单的估值水平。

通过对2023年上半年中国AI芯片企业的投融资分析来看，可见中国AI芯片市场具有巨大的增长潜力和投资价值，尤其是在技术创新和应用场景拓展方面。投资者在选择投资目标时，应更加注重企业的技术创新能力和商业模式创新性，同时关注产业链上下游协同发展。

在融资方面，AI芯片企业应更加注重融资效率，合理利用资金扩大市场份额、提高产品质量和服务水平，同时要实现可持续发展。政府、产业联盟和相关机构方面，应加大支持力度，为本土AI芯片企业提供更多的政策支持和资源整合机会，促进产业链的健康发展。

中国AI芯片行业的发展面临着多方面的挑战和瓶颈，这些挑战不仅来自于技术层面，还来自于市场、产业链、人才等多个方面。这些因素限制了本土AI芯片企业的市场开拓和竞争力，影响国内AI芯片市场的进一步发展。

（1）技术挑战：架构瓶颈、能耗高、计算能力不足都是AI芯片目前面临的技术挑战。随着人工智能技术的快速发展，AI芯片需要支持更高复杂度和更大规模的计算和数据处理，这给AI芯片的设计和制造带来了更高的技术挑战。

（2）市场挑战：国内AI芯片行业是一个新兴行业，起步较晚，大多数企业都是在借鉴和引进国外技术的基础上进行研发和创新，市场规模相对较小。目前市场面临的主要问题是产品同质化严重，以及多家企业为争夺市场份额而采取低价策略，从而引发的价格战。

（3）产业链挑战：当前中国AI芯片产业链还存在不完善、不均衡的问题，如上下游企业之间的合作不够紧密，信息共享和资源整合不够，生态建设还需加强等。这些因素限制了AI芯片的研发、生产和销售效率，增加了企业的成本和风险。

（4）人才挑战：AI芯片行业是一个技术密集型行业，需要大量的人才支持。国内AI芯片行业正面临着人才供应不足、缺乏复合型人才、人才引进困难等的挑战。

为解决技术、市场、产业链、人才等方面的瓶颈问题，行业需要不断加强技术研发和创新，提高AI芯片的计算能力和能效比，降低生产成本，并加强产业链上下游的合作和协同发展。同时，政府和企业也需要加强对于人才培养和技术支持的力度，提升国内AI芯片企业的核心竞争力，推动中国AI芯片行业的快速发展。

国内AI芯片发展的技术趋势主要体现在制程工艺不断进步、异构计算成为主流、开源成为行业趋势、低功耗技术得到重视、集成度越来越高以及可定制化程度越来越高等方面。这些趋势将推动AI芯片行业不断向前发展，并为社会带来更多便利和价值。

3.1.1 制程工艺不断进步

随着摩尔定律的持续推进，制程工艺不断提升，芯片性能越来越强大。从最初的几十纳米到现在的几纳米，芯片性能已经得到了极大提升。制程工艺不断进步，可提高计算效率、降低功耗、促进边缘计算和优化芯片设计。目前，国内AI芯片企业正不断尝试通过引进更先进的制程技术和设备、加强研发团队建设、提升研发能力等技术手段，以提高制程工艺水平和AI芯片性能。

3.1.2 异构计算成为主流

在传统计算架构中，CPU是主要的计算单元，但由于其计算能力有限，已经无法满足AI等大规模并行计算任务的需求。因此，异构计算成为了主流。在异构计算中，不同的计算单元被组合在一起，以提升计算效率和性能。例如，GPU和FPGA等AI加速器的出现，使得AI计算的速度大大提升。异构计算技术的不断发展，也将推动更复杂的异构计算系统出现，以满足更多不同应用场景的需求。

3.1.3 开源成为行业趋势

开源是一种软件开发模式，它可以让开发者共享代码并协作开发项目。在AI芯片领域，开源同样成为了行业趋势，如TensorFlow和PyTorch等深度学习框架都推出了开源的AI芯片设计框架，使得更多开发者可参与到AI芯片的设计和开发中来。

开源成为国内AI芯片发展的趋势，主要是因为它是促进创新、降低成本、满足个性化需求和提高芯片安全性的一种重要方式。为此，国内不少AI芯片企业进行开放硬件平台、开源软件工具、开源算法库。在开源模式的不断推广和应用因素驱动下，更多的开源AI芯片设计和开发平台将出现。

3.1.4 低功耗技术得到重视

低功耗技术成为国内AI芯片发展的趋势，主要是因为它是提高能源效率、便携性和移动性、嵌入式系统稳定性可靠性和可持续性的重要手段。由于AI芯片需要处理大量的数据和算法，因此其功耗一直是关注度较高的问题。随着技术的发展，低功耗技术得到了越来越广泛的重视和应用。例如，一些新型的存储器技术可以实现更低的功耗，从而使得整个系统具有更长的续航时间。

为了实现低功耗目标，国内AI芯片企业采用了多种技术手段。例如，采用更先进的工艺制程和封装技术、优化算法和架构、降低芯片工作电压等。此外，部分企业还采用了专门的低功耗芯片设计工具和IP核，以提高低功耗性能和能效。

3.1.5 集成度越来越高

在AI芯片领域中，集成度越来越高也是一个重要的趋势。集成度是指在一个芯片中集成更多的晶体管和其他组件的数量。随着集成度的不断提升，AI芯片的性能更高、体积更小、能耗更低。

3.1.6 可定制化程度越来越高

由于AI应用场景的多样性，各个领域和场景对AI芯片的需求也各不相同。为了满足这些多样化的需求，AI芯片需要具备高度可定制化的能力。同时，随着技术的不断发展，芯片制造和设计技术的进步也为AI芯片的可定制化提供了可能。通过定制化的AI芯片，企业可以更好地满足其特定需求，从而实现与其他企业的差异化，进一步促进AI芯片的发展。

此外，随着AI算法的逐步成熟以及芯片算力的提升，AI技术只有落地应用才能获得进一步的发展。而算法需求与芯片算力不匹配的需求成为了AI落地的一大障碍，这也使得AI软硬一体化成为了关键。在软硬一体化提高效率的同时，如何满足多样化的需求也非常关键，定制化成为了趋势。

中国AI芯片各个细分领域应用发展趋势表现为多样化、复杂化、高度集成化和高度可定制化。2022年，应用在数据中心的AI芯片数量超百万个，其中本土品牌AI芯片数量已接近15%的占比，涵盖品牌超十余家。^[6]国内AI芯片应用主要在智慧城市、自动驾驶、智能家居、智能机器人、医疗影像等领域。

随着技术的不断进步和市场的不断扩大，AI芯片的应用场景也将越来越广泛，推动我国AI芯片行业向好发展。同时，随着AI技术的日趋成熟和数字化基础设施的不断完善，AI芯片的应用范围也将不断拓展，从而推动整个行业的快速发展。芯师爷预测，2023年国内AI芯片应用前五大领域将主要集中在智能驾驶、云计算和数据中心、智能家居、智能穿戴、智能安防。

3.2.1 智能驾驶

Wind数据显示，2021年全球自动驾驶芯片市场规模约为23亿美元，其中，中国市场约为8亿美元。预计2021-2025年全球及中国市场年复合增速将超过30%。自动驾驶技术在中国呈现出快速发展的势头，这在很大程度上得益于国家政策的大力扶持。经过多年发展，自动驾驶已成为中国展现国家技术实力、创新能力和产业配套水平的新名片。

自动驾驶对AI芯片的需求也在不断增加，AI芯片需要支持自动驾驶系统中的各种算法和数据处理任务，包括传感器数据处理、图像处理、决策与控制等。尽管2022年初以来半导体投融资市场迎来寒冬时刻，但以自动驾驶芯片为代表的车规级芯片项目仍受追捧，包括地平线、黑芝麻智能等国内头部企业、奕行智能等创新型企业都先后获得融资。

在未来几年的发展中，国内AI芯片应用有望在自动驾驶市场中占据主力份额。预计到2030年，中国可能将成为全球最大的自动驾驶市场，自动驾驶相关的新车销售及出行服务创收将超过5000亿美元。^[7]

3.2.2 云计算和数据中心

在云计算和数据中心领域，AI芯片主要应用于进行大规模并行计算和数据处理。该领域内，GPU和ASIC是主要的AI芯片类型。GPU是较为成熟的通用型人工智能芯片，而ASIC则是针对人工智能需求特征的半定制和全定制芯片。

随着数字化时代的到来，我国产业纷纷开始数字化转型，带动AI芯片需求的增长，以支持高效处理海量数据。云计算和数据中心领域已经成为AI芯片行业发展的重要推动力之一，预计该领域在未来几年内的应用趋势，将呈现云计算中心更依赖于AI芯片、数据中心更智能化，AI芯片更专业化等趋势。

3.2.3 智能家居

国内AI芯片市场在智能家居领域中呈现出快速增长的趋势。该领域内，AI芯片的应用主要集中在语音识别、图像识别和运动控制等方面，如智能摄像机、智能门锁等家居产品的发展都得益于AI芯片的广泛应用。随着智能家居步入3.0阶段，AI芯片在扫地机、智能安防类等产品中的应用将渗透显著。

随着物联网技术的不断发展，智能家居产品不仅需要掌握单个设备的智能控制，同时还需要考虑不同设备之间的协同工作。因此，未来AI芯片技术的应用也将更加深度地融合物联网技术，实现智能家居设备之间的互通与共享，进一步提升智能家居的智能化水平。同时，智能家居的普及也让AI芯片在隐私和安全方面的问题受到更高的关注。如何在保证智能家居设备正常工作的同时，确保用户的隐私和安全，将是未来需要重点关注和解决的问题。

3.2.4 智能穿戴

AI芯片在智能穿戴领域的应用越来越广泛，目前主要集中在健康监测、运动追踪，语音交互等几个方面。根据市场研究机构IDC的数据，预计到2023年，中国智能穿戴设备市场规模将达到1.2万亿元。其中，智能手表、智能手环等产品占据主导地位。

未来几年，随着人们对智能穿戴设备的需求不断提升，以及相关技术的不断发展，国内AI芯片在智能穿戴领域的应用将进一步扩大。AI芯片在智能穿戴领域的应用趋势及关注重点也将聚焦在个性化服务、多模态交互，以及生态系统建设三方面。

3.2.5 智能安防

在智能安防领域，AI芯片的应用已经逐渐普及，主要集中在视频监控、人脸识别、行为分析等方面。根据市场研究机构IHS Markit的数据，预计到2023年，中国智能安防市场规模将达到2400亿元，其中，视频监控、门禁管理和报警系统等产品占据市场主导地位。

另据《中国安防》统计的119家安防上市企业及部分安防产业链中的上市企业2023年上半年营收数据，通过与2022年进行对比，2023年上半年绝大部分企业的营收和利润情况有明显提高。未来，国内AI芯片在智能安防领域的应用将不断扩大和完善，市场将更加关注该领域内高性能AI芯片的研发和应用、深度学习算法的进一步应用、云边协同的发展、多模态数据的融合和处理，以及隐私安全问题。

深圳云天励飞技术股份有限公司成立于2014年8月，是拥有算法、芯片和大数据全栈式能力的人工智能企业。凭借“算法芯片化”的核心能力和“端云协同”的技术路线，云天励飞打造了物联感知汇聚、算法赋能服务、知识图谱构建的全链式核心能力平台。在AI芯片领域，公司是业内少数基于对人工智能算法技术特点的深度分解及对行业场景计算需求的深刻理解，通过自定义指令集、处理器架构及工具链的协同设计，自主研发芯片并已实现流片、量产及市场化销售的公司之一。

DeepEdge10采用国内先进工艺、支持多芯粒扩展的Chiplet技术，支持大模型推理运算。其采取8核CPU设计，包含CV硬件加速单元，满足SLAM、路径规划的算力要求，计划支持各类方案厂商基于该芯片研发相关场景的解决方案，可广泛应用于AIoT边缘视频、移动机器人等场景。

珠海全志科技股份有限公司成立于2007年，是卓越的智能应用处理器SoC、高性能模拟器件和无线互联芯片设计厂商。公司2015年于深交所创业板上市，股票代码300458。全志科技在超高清视频编解码、高性能CPU/GPU/AI多核整合、先进工艺的高集成度、超低功耗、全栈集成平台等方面提供具有市场突出竞争力的系统解决方案和贴心服务，产品广泛适用于工业控制、智能家电、智能硬件、平板电脑、汽车电子、无线通信模组、智能物联网等多个产品领域。

V853首次采用了全志科技多项创新技术，集成了全志科技新一代星光级画质引擎，可为客户提供专业图像质量。其采用全志自研的全新一代全通路线压缩架构技术，可在典型64M低内存情况下实现多路图像编码同时具备高实时性，高准确率的人形/人脸检测及识别。此外，其还采用了全新异构快启低功耗架构技术，在满足智能电池摄像机及智能家电等低功耗诉求的同时，大幅降低客户开发周期、门槛、成本。可广泛用于智能门锁、智能考勤门禁、网络摄像头、行车记录仪、智能台灯等智能化升级相关行业。

昆仑芯前身为百度智能芯片及架构部，于2021年4月完成独立融资，首轮估值约130亿元。核心团队在国内最早布局AI加速领域，是一家在体系结构、芯片实现、软件系统和场景应用均有深厚积累的AI芯片企业。昆仑芯专注打造拥有强大通用性、易用性和高性能的通用AI芯片。目前，昆仑芯已实现两代通用AI芯片系列产品的量产及落地应用，在互联网、智慧工业、智慧交通、智慧金融等领域均有规模部署。

昆仑芯2代AI芯片搭载昆仑芯自研的新一代XPU-R架构，是国内首款采用GDDR6显存的通用AI芯片。采用7nm制程工艺，相比1代性能提升2-3倍，算力强大，整数精度算力达到256 TOPS，半精度为128 TFLOPS。

云知声成立于2012年，是中国AGI技术产业化的先驱之一。凭借战略远见，云知声于2016年开始建立Atlas人工智能基础设施，并据此开发了专有大模型山海大模型，于2023年正式发布，成为公司技术平台云知大脑(UniBrain)的新核心。在云知大脑的赋能下，公司推出极具竞争优势的产品和解决方案，涵盖智慧生活和智慧医疗中广泛的AI应用场景。

云知声语音AI芯片一方面通过蜂鸟系列语音AIoT芯片覆盖家电领域多种场景，一方面通过车规级语音AI芯片雪豹(V01)覆盖车载智慧座舱场景。截至2022年,蜂鸟系列芯片已落地近700品类的家居设备,出货量达到千万级，覆盖多种日常生活场景,持续引领离线语音市场方向;而业内首发的车规级芯片雪豹(V01)在整个lifecycle,出货量将超过200万片。

清微智能是可重构计算（CGRA）领导企业，专注于可重构计算芯片的创新研发和产业应用。核心团队来自于清华大学以及海思、英伟达、苹果、AMD等知名企业，面向智算中心、大模型，自动驾驶，智能安防等智能计算场景，提供高性能算力支持，致力于打造自主可控的可重构通用计算生态。目前已量产两个系列十多款高能效智能计算芯片，广泛应用至智能安防、智慧办公、智能穿戴、智能机器人、航空航天等领域。

TX536是一款行业专用的智能高清IP摄像机SOC，集成功能强大的可重构计算（CGRA）架构ISP、业界最新的H.265视频压缩编解码器，3D计算加速单元。基于高性能人工智能加速引擎RNE以及通用计算加速引擎RCE，TX536在低码率、高画质、智能处理和分析等方面引领行业。

亿智电子科技有限公司是以AI机器视觉算法和SoC芯片设计为核心的系统方案供应商，专注于边缘侧/端侧通用算力AI SoC芯片的研发，致力于为客户提供覆盖多场景的完整系统级解决方案，公司产品线涵盖智慧安防、智能车载、智能硬件三大应用领域。围绕AI产品商业化落地场景，亿智电子于2019年发布了首款基于自研NPU的边缘侧/端侧推理AI SoC芯片，至今已完成三代自研AI芯片的规模量产，打造了覆盖边缘/端侧AI全场景的芯片产品矩阵。

SV822和SV820系列芯片是亿智电子2022年推出的AI SoC芯片，可广泛应用于智能安防场景。该系列AI芯片集成亿智电子自研NPU，可高效支持人形侦测、人脸检测/识别/抓拍、车辆检测、车牌识别、哭声/异响检测等智能算法。SV822和SV820提供普惠型的AI低功耗解决方案，适用于AI-IPC、电池类相机、智能门铃猫眼、AI UVC等多种智能终端设备，助力智能家居、智能办公、智慧乡村等AI应用场景规模化落地。

SynSense时识科技创立于2017年，是全球领先的类脑智能与应用解决方案提供商。以苏黎世大学和苏黎世联邦理工学院20+年全球领先的研发经验和技术积累为基石，聚焦边缘计算应用场景，提供超低功耗、超低延时的全栈式解决方案与服务，是全球领先的横跨感知知与计算两界的类脑科技公司。目前SynSense时识科技通过0-1的原创算法原创芯片架构以及异步类脑电路技术，设计出系列具有世界领先性的高性能类脑芯片产品矩阵，并已在多个领域与客户和产业伙伴达成合作，共同推动类脑智能商业化落地。

Speck™是全球首款基于类脑计算的可商用“感算一体”动态视觉智能SoC，实现了基于异步逻辑范式的大规模脉冲卷积神经网络芯片架构。作为融合“类脑+类眼”的新型轻量级AI系统，Speck™支持各类动态IoT视觉场景，保证低功耗运行的同时，可进行低延迟、高时间分辨率的视觉事件信息数据捕捉和高速实时运算，可广泛应用于移动设备、物联网、智能家居、智能玩具、智能安防、无人机等领域。

时擎科技成立于2018年，是一家专业的端侧智能交互和信号处理芯片提供商。我们致力于在万物智联的AIoT时代，通过架构创新和定制化芯片设计，为消费和工业场景的各类边端设备，提供多模态智能交互和信号处理的芯片产品以及完整的系统级解决方案。公司现有员工近百人，总部位于上海张江，并在无锡、深圳和香港设有子公司或办事处，成立以来先后完成过SIG海纳亚洲、浦东科创、邦明资本、海望资本等知名投资机构的多轮投资。

时擎科技的AT系列人工智能芯片，是以基于RISC-V指令架构DSA处理器为算力和处理核心，针对各类边缘和终端侧的智能交互需求，为语音、视觉、显示等多模态的交互和处理，提供灵活高效的人工智能算力和完整的解决方案。

北京星辰起源技术有限公司成立于2020年，是一家专注于高性能、高品质的数字集成电路芯片设计（Fabless）及系统级方案服务提供商。

天璇SA101采用高性能自研混合现实空间计算架构MPU，专门针对XR(VR/AR/MR)应用设计而研发。结合算法芯片化及可重构计算两项技术，全数字化技术路径，在算力层实现突破，同等功耗下算法提升数倍于传统架构芯片，可重构数字存算一体架构，突破冯诺依曼瓶颈，提高芯片能效。可应用于混合现实终端、AIOT、消费电子、辅助驾驶、无人机、XR、机器人等新兴行业。

成都启英泰伦科技有限公司成立于2015年，四川省专精特新企业、成都市新经济示范企业、成都市高新区瞪羚企业，是集语音芯片、语音算法、应用方案、开发平台于一体的行业领导型语音解决方案供应商。成立至今，启英泰伦共计推出15款型号的智能语音芯片，涵盖AI语音芯片，AI语音Wi-Fi Combo芯片，AI语音BLE芯片，广泛应用于智慧家居家电、智慧玩具、机器人等领域。服务客户超过5000家，在离线智能语音芯片市场占有率第一。

CI1302是启英泰伦研发的第三代高性能神经网络智能语音芯片。基于启英泰伦自主知识产权的BNPU3.0内核，支持DNN\TDNN\RNN\CNN等神经网络及并行矢量运算，可实现语音识别、声纹识别、命令词自学习、语音检测及深度学习降噪等功能，支持汉语、英语、日语等多种全球语言。高度集成，除麦克风、喇叭外，板极只需要阻容、PA芯片，开发简单，可广泛应用于家居家电、照明、玩具、可穿戴设备等领域，快速实现各类离线智能语音方案应用。自2022 年该芯片量产以来，已实现月出货量超200万片，居于离线语音芯片市场销量前列。

亿铸科技成立于2020年6月，作为首家面向数据中心、云计算、自动驾驶等场景的存算一体AI大算力芯片公司，首次将新型存储器ReRAM及存算一体计算架构相结合，通过全数字化的芯片设计思路，可基于成熟工艺制程以低功耗实现单板卡P级以上算力，为我国AI大算力芯片换道发展提供一条更具性价比、更高能效比、更大算力发展空间的新路径。2023年，亿铸科技前瞻性地提出“存算一体超异构架构”这一全新的技术发展路径，为我国AI算力芯片进一步发展增添新动能。

资料来源：
【1】国际数据公司（IDC），《中国半年度加速计算市场（2023上半年）跟踪》

【2】艾瑞咨询，《2022年中国人工智能产业研究报告》

【3】Frost & Sullivan，《全球人工智能芯片市场研究报告》

【4】中国科学院《互联网周刊》、eNet研究院、德本咨询，《2023人工智能分类排行榜》

【5】天眼查研究院公开数据

【6】国际数据公司（IDC），《中国半年度加速计算市场（2022下半年）跟踪》

【7】麦肯锡未来出行研究中心