分析认为，更多的推断芯片将部署于智能边缘。相比数据中心的AI 加速器，智能边缘的推断芯片需要有更低的延迟性、更低的能耗、更小的体积和更低的成本（除自动驾驶汽车等本身价格较高的终端以外）。但是，其算法要相对成熟，无需进行频繁的迭代改进。我们这里所指的“芯片”是广义的概念，在边缘设备上部署的不一定是分立芯片，而更可能是SoC 上的内置单元。神经网络提供了一种全新的编程方式，与传统的指令驱动方法相比，可在保持性能的同时将其适配到很少的硬件资源上，还可以容忍计算错误，十分有利于SoC 的设计。
我们测算，边缘推断芯片市场需求，将于今年开始爆发，从2017 年的4 亿美元，翻4 倍至2018 年的19 亿，再年均增长86%至2022 年的230 亿美元。智能手机等消费电子产品是边缘推断芯片最先起步的领域，但自动驾驶汽车市场规模最大。
智能手机等消费电子产品是AI 产品化的重要领域，推动边缘推断芯片起步。苹果iPhoneX 上的FaceID、谷歌Pixel 手机上的音乐识别、谷歌自动拍照相机Clips 等，都是AI 功能在消费电子产品上的体现。而这些功能实现的条件，是将图像识别、语音识别等事先训练好的算法在本机上通过推断芯片，以无需网络连接、低延迟、低功耗的方式加以执行。智能音箱亚马逊Echo 和谷歌Home 目前的做法是将推断设在云端，通过家用WiFi 实现相对顺畅的交互体验。但公司也有可能为此专门开发边缘推断芯片，以升级体验。消费者已对这些AI 功能表现出浓厚兴趣，而AI 也越来越成为消费电子产品差异化的关键，因此我们认为AI 推断芯片将从高端机型向下渗透，在智能手机上的渗透率从2017 年的3%（主要是iPhone 8/8p/X），上升到2018 年的10%和2022 年的45%。单机AI 芯片/内置单元价值5 美元。苹果A11 Bionic、高通骁龙835/845、华为麒麟970、联发科P30/X30 等手机芯片上都已内置Neural Processing Unit（NPU）或Visual Processing Unit（VPU）。
自动驾驶汽车将是规模最大的AI 推断芯片市场。Mobileye 在EyeQ3 后加入了人工智能算法，因而我们把L2 及以后的自动驾驶汽车搭载的决策芯片视为AI 推断芯片。我们预期L2/3 在新车产量中的渗透率将从2017 年的0.5%，上升到2022 年的18%，而L4/5 将从2019 年的0.1%，上升到2022 年的5%。L2/3 和L4/5 上的单车AI 芯片价值从初始的300美元/1200 美元，以年均5%的速度下降。到2022 年市场规模102 亿美元，占所有边缘推断芯片的44%。（对自动驾驶推断芯片以及Mobileye 和英伟达的产品介绍，请参见报告《自动驾驶渐行渐近，产业变革蓄势待发》、《英伟达加码自动驾驶》、《从CES 看汽车业S.E.A.变革》）。
安防摄像头是视觉处理芯片的重要应用领域。在中国，安防成为AI 产业化最先落地的领域，安防摄像头的AI 升级已经在中国广泛推开。在国际市场上，机场等公共安全重要节点上，也将陆续升级带有视觉处理芯片的安防摄像头。我们预期渗透率将从2017 年的0.5%，上升到2022 年的13%，AI 芯片单机价值将从100 美元，下降到53 美元。
其他物联网设备也将部分智能化。是否要在物联网设备或传感器上加上可以本地处理数据的推断芯片，取决于对成本和延迟性的要求，以及联网带宽。5G 网络的铺设，似乎使本地推断不太必要。我们假设在2022 年426 亿个物联网终端中仅有6%需用AI 推断芯片，单机价值3 美元。
参考观研天下发布《2018年中国AI芯片市场分析报告-行业深度调研与发展趋势研究》
垂直领域ASICs 为主，前向一体化渐成潮流。我们相信，边缘推断芯片将以专为具体应用场景开发的ASICs 为主，因为垂直应用决定系统和架构。其中，ARM 架构可能将流行于物联网等边缘设备的推断芯片。除自动驾驶芯片已初步形成英伟达和英特尔两家抗衡之外，其他市场的竞争格局还在动态变化中。垂直领域ASICs 既是创业投资的主战场（美国已有Mythic、ThinCI、Adapteva、Green Waves 等创业公司），也是前向一体化的热土。苹果、谷歌、华为等科技巨头都已将芯片研发作为保持下游产品竞争力的战略举措，海康威视等系统集成商也正试图从外购芯片转为自行研发。
我们测算，边缘推断芯片市场需求，将于今年开始爆发，从2017 年的4 亿美元，翻4 倍至2018 年的19 亿，再年均增长86%至2022 年的230 亿美元。智能手机等消费电子产品是边缘推断芯片最先起步的领域，但自动驾驶汽车市场规模最大。
智能手机等消费电子产品是AI 产品化的重要领域，推动边缘推断芯片起步。苹果iPhoneX 上的FaceID、谷歌Pixel 手机上的音乐识别、谷歌自动拍照相机Clips 等，都是AI 功能在消费电子产品上的体现。而这些功能实现的条件，是将图像识别、语音识别等事先训练好的算法在本机上通过推断芯片，以无需网络连接、低延迟、低功耗的方式加以执行。智能音箱亚马逊Echo 和谷歌Home 目前的做法是将推断设在云端，通过家用WiFi 实现相对顺畅的交互体验。但公司也有可能为此专门开发边缘推断芯片，以升级体验。消费者已对这些AI 功能表现出浓厚兴趣，而AI 也越来越成为消费电子产品差异化的关键，因此我们认为AI 推断芯片将从高端机型向下渗透，在智能手机上的渗透率从2017 年的3%（主要是iPhone 8/8p/X），上升到2018 年的10%和2022 年的45%。单机AI 芯片/内置单元价值5 美元。苹果A11 Bionic、高通骁龙835/845、华为麒麟970、联发科P30/X30 等手机芯片上都已内置Neural Processing Unit（NPU）或Visual Processing Unit（VPU）。
自动驾驶汽车将是规模最大的AI 推断芯片市场。Mobileye 在EyeQ3 后加入了人工智能算法，因而我们把L2 及以后的自动驾驶汽车搭载的决策芯片视为AI 推断芯片。我们预期L2/3 在新车产量中的渗透率将从2017 年的0.5%，上升到2022 年的18%，而L4/5 将从2019 年的0.1%，上升到2022 年的5%。L2/3 和L4/5 上的单车AI 芯片价值从初始的300美元/1200 美元，以年均5%的速度下降。到2022 年市场规模102 亿美元，占所有边缘推断芯片的44%。（对自动驾驶推断芯片以及Mobileye 和英伟达的产品介绍，请参见报告《自动驾驶渐行渐近，产业变革蓄势待发》、《英伟达加码自动驾驶》、《从CES 看汽车业S.E.A.变革》）。
安防摄像头是视觉处理芯片的重要应用领域。在中国，安防成为AI 产业化最先落地的领域，安防摄像头的AI 升级已经在中国广泛推开。在国际市场上，机场等公共安全重要节点上，也将陆续升级带有视觉处理芯片的安防摄像头。我们预期渗透率将从2017 年的0.5%，上升到2022 年的13%，AI 芯片单机价值将从100 美元，下降到53 美元。
其他物联网设备也将部分智能化。是否要在物联网设备或传感器上加上可以本地处理数据的推断芯片，取决于对成本和延迟性的要求，以及联网带宽。5G 网络的铺设，似乎使本地推断不太必要。我们假设在2022 年426 亿个物联网终端中仅有6%需用AI 推断芯片，单机价值3 美元。
参考观研天下发布《2018年中国AI芯片市场分析报告-行业深度调研与发展趋势研究》
垂直领域ASICs 为主，前向一体化渐成潮流。我们相信，边缘推断芯片将以专为具体应用场景开发的ASICs 为主，因为垂直应用决定系统和架构。其中，ARM 架构可能将流行于物联网等边缘设备的推断芯片。除自动驾驶芯片已初步形成英伟达和英特尔两家抗衡之外，其他市场的竞争格局还在动态变化中。垂直领域ASICs 既是创业投资的主战场（美国已有Mythic、ThinCI、Adapteva、Green Waves 等创业公司），也是前向一体化的热土。苹果、谷歌、华为等科技巨头都已将芯片研发作为保持下游产品竞争力的战略举措，海康威视等系统集成商也正试图从外购芯片转为自行研发。
图：边缘推断芯片/内置单元市场规模将从2017 年的4 亿美元，增长到2022 年的230 亿美元
表：分布于智能手机
表：自动驾驶汽车
表：安防摄像头…
表：和其他物联网设备
图：智能手机等消费电子产品已开始从高端普及AI 推断芯片
图：联发科P30/X30 已内置Visual Processing Unit
表：除自动驾驶基本形成英伟达与英特尔两家抗衡之外
表：其他领域的市场格局还在动态发展中
图：前向一体化也渐成潮流
资料来源：观研天下整理，转载请注明出处。（ww）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
