2023年中国AI芯片行业市场现状及未来发展趋势预测

2023年AI芯片报告汇总了60家国产AI芯片厂商，大致按如下应用类别进行归类：云端加速、智能驾驶、智能安防、智能家居、智能穿戴、其它AIoT。对于每一家筛选的公司，我们从主要产品、核心技术、应用场景、市场竞争力、发展里程碑等方面对公司进行全方位画像分析。

AI芯片报告概要

作为AspenCore Fabless100系列行业分析报告的一部分，2023年AI芯片报告在2022年《45家国产AI芯片厂商调研分析报告》基础上，汇总了60家国产AI芯片厂商，大致按如下应用类别进行归类：云端加速、智能驾驶、智能安防、智能家居、智能穿戴、其它AIoT。对于每一家筛选的公司，我们从主要产品、核心技术、应用场景、市场竞争力、发展里程碑等方面对公司进行全方位画像分析。

我们首先对“存算一体”技术及其对AI芯片未来发展带来的影响进行了简要阐述，然后分别对三大AI应用场景(云端加速、智能驾驶、边缘计算)进行了市场趋势概括。本届报告的内容大纲安排如下：

存算一体AI芯片及技术趋势

AI应用：云端加速

AI应用：智能驾驶

AI应用：边缘计算

Fabless100排行榜之Top 10 AI芯片公司

60家国产AI芯片厂商信息汇总

结语与展望

存算一体AI芯片及技术趋势

本部分内容涉及“存算一体”冲破能耗墙、Chiplet和2.5D/3D堆叠先进封装、ReRAM材料/工艺和AI应用潜力，以及存算一体+Chiplet助力AI算力第二增长曲线等内容。详细阅读请点击上面的链接。

AI应用：云端加速

ChatGPT等大语言模型(LLM)的AI模型训练需要大量并行处理能力，目前最适合的芯片还是GPU，比如英伟达H100和A100。尽管GPU价格昂贵且功耗极大(采用TSMC 4nm工艺的H100 GPU SXM加速卡功耗高达700W)，但微软和谷歌等互联网巨头为了赢得AI竞赛仍大量购买，预计英伟达GPU的这种强劲需求势头仍将持续下去。

除了英伟达GPU外，目前能够提供云端训练和推理加速芯片的独立厂商及产品还有壁仞科技BR100系列、高通Cloud AI 100、墨芯智能英腾处理器(ANTOUM)、燧原科技邃思2.0/2.5、瀚博半导体SV100、寒武纪思元370、鲲云科技CAISA数据流推理AI芯片等。

以国内AI芯片初创公司墨芯为例，在最近的MLPerf评测中，墨芯凭借软硬协同的稀疏计算技术在ResNet50模型上蝉联冠军。其 S40计算卡以127,375 FPS获得单卡算力全球第一;S30计算卡以383,520 FPS算力获整机4卡算力全球第一。墨芯AI计算卡系列是基于其稀疏计算AI芯片12nm Antoum，性能超越了4nm工艺的GPU，展现出稀疏计算的强大优势。

基于双稀疏化算法技术和独特AI芯片架构的Antoum芯片针对云端AI推理场景，可支持高达32倍稀疏率。Antoum是一款高性能通用可编程芯片，可支持CNN、RNN、LSTM、Transformer、BERT等网络模型和浮点、定点丰富的数据类型。墨芯人工智能AI加速卡基于Antoum芯片，通过优化计算模式，可支持全面稀疏化神经网络开发，是一种高算力、低功耗的通用AI推理加速卡。

稀疏计算能够为AI大模型带来数十倍的加速性能，也许是GPU之外云端加速的一条“软硬协同”新途径。而前面提到的“存算一体”可能是另外一条迎接大模型挑战的“硬件”途径，国产AI芯片初创公司亿铸科技正在研发的基于ReRAM的全数字化存算一体AI大算力芯片及加速卡，仅用75W的功耗即可实现500T的算力。

AI应用：智能驾驶

伴随着汽车的智能化，汽车E/E架构正从传统的ECU为主转向域控制器，计算架构设计也从分布式逐渐转向集中式中央处理器。我们目前正处于从过去的分布式EE架构迈向域集中式EE架构的转变过程中，预计到2025年左右就会完成这一转变。此后将开启跨域融合，也就是转变为“中央+区域”(Central & Zonal)计算的EE架构时代。

汽车逐渐转变为像手机和电脑一样的联网通信和计算设备，但对计算处理能力的实时性和可靠性要求更高，因为汽车的运行环境更为复杂且安全性要求更为苛刻。针对L2及以上级别智能驾驶的AI芯片主要面向三个细分领域：辅助驾驶ADAS、智能座舱、自动驾驶。

ADAS

ADAS(高级辅助驾驶系统)通常包括导航与实时交通系统TMC、电子警察系统ISA、自适应巡航ACC、车道偏移报警系统LDWS、车道保持系统、碰撞避免或预碰撞系统、夜视系统、自适应灯光控制、行人保护系统、自动泊车系统、交通标志识别、盲点探测，驾驶员疲劳探测、下坡控制系统和电动汽车报警系统等。

而随着汽车功能越来越复杂，支持系统的芯片本身也变得越来越复杂，ADAS已不再是单独的域控制器，已经被整合和定义成为复杂的SoC了，多核心实时响应已经成为标配。AEB、LKA等功能都需要强大的视觉算法加持，利用激光雷达和传统雷达以及视觉融合等多种传感器的复杂算法更需要性能强大的芯片支持，很多SoC已经采用14nm甚至7nm的工艺节点。

从芯片设计的角度来说，现在ADAS处理器芯片面临的主要挑战包括：车规级标准，如ISO26262，要求达到ASIL-B甚至ASIL-D级别;多传感器融合的处理需要更高的芯片性能和带宽，以达到快速数据处理和传输吞吐率要求;增加硬件的深度学习设计，如何做好软硬件协同，以及适应快速发展的AI计算模型。

传统汽车芯片厂商如NXP、英飞凌、瑞萨、ST和TI等，都有各自的ADAS芯片和系统应用解决方案。而靠ADAS和自动驾驶芯片起家的Mobileye在这一市场也已经占据重要地位。国内汽车智能驾驶芯片开发商如地平线、黑芝麻智能、芯驰科技，以及四维图新旗下的杰发科技也都在ADAS领域提供了具有竞争力的芯片产品和ADAS应用方案。

智能座舱

单芯片方案实现智能座舱类似于座舱域控制器的方案，可以精简座舱处理器布局，降低成本。智能座舱单芯片方案要能够处理多块高清屏的显示、HUD、摄像头输入、语音及手势交互等设备，因此芯片厂商需要具备一定的技术积淀才能够研发类似的一体化芯片方案。

随着客户需求的多样化与技术的进步，以多模交互为核心的智能座舱正成为汽车行业技术发展的一大趋势。其中，在视觉识别和语音处理等交互技术的高度整合需求下，基于AI芯片的独立感知层将成为实现多模交互、推动智能座舱高速发展的关键驱动力。

未来座舱系统将变得非常复杂，不仅需要芯片方案，也需要相应的算法支持。芯片通过输出计算能力来支持操作系统、ADAS等软件的运行，未来智能座舱所代表的“车载信息娱乐系统+流媒体后视镜+抬头显示系统+全液晶仪表+车联网系统+车内乘员监控系统”等融合体验，都依赖于芯片计算能力的提升。同时具备芯片研发和相应的软件及算法开发能力的公司，在激烈的市场角逐中将更有竞争力。

以高通为代表的国际芯片厂商提供的智能座舱芯片和系统解决方案已经在很多国产汽车型号上采用。国产智能汽车AI芯片初创公司芯擎科技发布的多媒体智能座舱芯片“龍鷹一号”已经上车领克汽车旗下新能源中型SUV