半导体产业冰火两重天,AI芯片风景独好

来源: 亿欧网 2022-08-19 00:15:22

  半导体行业正面临冰火两重天的局面,有些领域面临“砍单”,有些依然供不应求。

  比如,进入2022年之后,智能手机市场包括苹果、三星在内的厂商纷纷削减订单,带来相关芯片产量锐减。据CINNO Research发布的2022年上半年中国市场智能手机SoC出货量排名,上半年中国智能机SoC出货量约为1.34亿颗,同比下降约16.9%;其中,除了紫光展锐与联发科实现同比正增长,海思、高通分别同比下降81.5%、12.6%,甚至苹果都下降2.9%。

  手机等消费电子的疲弱给半导体产业带来的波及面很大,存储器、图像传感器、驱动IC等手机用芯片纷纷降价,只有车用芯片等半导体领域依然供不应求。

  以MCU为例,据报道,今年以来由于受到地缘风险、通货膨胀、加息诸多因素影响,造成终端消费市场需求下降,其中低端消费型4/8位元MCU价格滑落三成到四成不等,而车规级16/32位元MCU及工业级MCU因汽车电动化和智能化需求持续增加,价格相对持稳。

  全球半导体市场已经进入分化时代,而在整个半导体产业的起伏中,AI芯片却“风景这边独好”。

  AI企业特别是AI算法类企业,在2022年面临的最大质疑就是巨额融资之后依然连续亏损,企业难以找到持续商业化变现手段,众多人工智能企业因此也在资本市场上面临市值缩水、撤回上市申请等问题。当然,一些AI芯片企业也未能幸免。对于和英伟达等企业抢夺云端AI芯片市场的寒武纪来说,2022年也经历了股价的低迷。

  但股价低迷的主要原因还是在于前期资本追捧过热,随着企业营收的增长以及市值的瘦身,股价也在逐渐向企业真实价值回归。

  比如,面对云端AI芯片由英伟达和英特尔主导的局面,国内大部分AI芯片厂商都选择了终端AI芯片,但寒武纪不仅选择终端,更在云端芯片领域推出自己的产品,并取得相对可观的营收增长。

  上半年财报显示,寒武纪的AI芯片、加速卡等产品已经在阿里云等互联网公司形成一定收入规模,实现商业客户的批量出货,上半年寒武纪实现营业收入1.7亿元,同比增长24.60%。

  据亿欧智库《2022中国人工智能芯片行业研究报告》(下文简称“报告”),人工智能整体市场已从2020年的疫情影响中恢复,同时,随着技术的成熟以及数智化转型升级,内在需求增加,中国人工智能核心产业市场规模将持续平稳增长,预计2025年将达到约4000亿元。

  特别是AI芯片领域,报告指出,随着大算力中心的增加以及终端应用的逐步落地,中国AI芯片需求也持续上涨;2021年疫情缓解,市场回暖,更是产生较大增幅,预计AI芯片市场规模将于2025年达到1740亿元。

  AI芯片的增幅不仅体现在寒武纪等云端芯片为主的企业,在新能源汽车领域,国产AI芯片正快速崛起,与英伟达、Mobileye等企业分庭抗礼。

  动力电池是新能源汽车的能量基础单元,这一领域催生了宁德时代这样的万亿市值企业。随着新能源汽车走向智能驾驶时代,AI芯片作为智能汽车的数字化基础,同样能够产生堪比动力电池领域的伟大企业。

  在车载智能驾驶AI芯片领域,中国的黑芝麻、地平线等企业也表现优异。据了解,地平线的征程系列AI芯片已经搭载在理想one、岚图free、智己L7、广汽埃安Y、长安UNI系列等多款量产车里。黑芝麻2021年4月发布的高性能车规级自动驾驶计算芯片——华山二号 A1000 Pro,通过两大自研核心IP——车规级图像处理器NeuralIQ ISP以及DynamAI NN车规级低功耗神经网络加速引擎打造,INT8算力为106TOPS,INT4算力更是达到196TOPS。而基于单颗、两颗或者四颗A1000 Pro,黑芝麻的FAD全自动驾驶平台能够满足 L3/L4 级自动驾驶功能的算力需求。

  当然,目前中国的AI芯片企业,还未能拥有如英伟达一样的产业链主动权,或者如宁德时代在新能源汽车产业链中的主动权,在供应紧张时甚至主机厂会“屈身”来求宁德时代。

  但随着AI芯片在新能源汽车、服务器等更多领域的深入应用,AI芯片厂商引领产业升级的作用也越来越大。况且,一款芯片从设计到流片,拥有不亚于动力电池的极高门槛。既然动力电池领域可以诞生实力碾压部分强龙一般主机厂的“地头蛇”,AI芯片领域同样有可能。

  AI芯片不只是硬件,还会涉及与之配套的开发工具链和一系列应用生态,最终与客户结成强绑定状态。这些因素,都意味着AI芯片,是一个天然会产生技术巨头、生态巨头的领域。

  更何况,阿里、百度、华为等巨头,本身也同样涉足AI芯片。比如阿里平头哥推出的含光系列AI芯片、由原百度智能芯片及架构部独立而成的昆仑芯科技推出的昆仑芯系列芯片、华为推出的昇腾系列AI处理器等。

  报告指出,AI硬件加速技术已经逐渐走向成熟,未来可能更多的创新会来自电路和器件级技术的结合,比如存内计算,类脑计算;或者是针对特殊的计算模式或者新模型,比如稀疏化计算和近似计算,对图网络的加速;或者是针对数据而不是模型的特征来优化架构。

  实际上,目前越来越多企业投身于存算一体芯片研发的浪潮中,试图突破传统冯·诺依曼结构的瓶颈,打破“存算墙”、“能耗墙”和“编译墙”等对AI效率提升的限制。据报道,国内创业企业亿铸科技已经实现自主设计并量产基于忆阻器(ReRAM)的“存算搜一体”算力芯片。

  报告还指出,如果算法不发生大的变化,按照现在AI加速的主要方法和半导体技术发展的趋势,或将在不远的将来达到数字电路的极限(约1到10TFlops/W),往后则要靠近似计算,模拟计算,甚至是材料或基础研究上的创新。

  这些更远的技术目标,随着以氧化镓和锑化物等为代表的第四代半导体材料,以及类脑芯片等高能效比芯片逐渐成熟之后,也将逐渐突破。随着人工智能产业迈向纵深发展,AI芯片将成为中国企业攀登全球产业链高峰的一片热土。

0
收藏
0