2017年AI芯片行业深度研究报告
各类芯片技术的应用与市场需求分析报告
各类芯片技术的应用与市场需求分析报告随着科技不断发展，各类芯片技术的应用越来越广泛。
芯片技术是一个庞大而复杂的系统，包括了一系列不同的芯片制造技术和芯片应用技术。
在本篇报告中，我们将会探讨各类芯片技术的应用以及市场需求。
1. 集成电路技术集成电路技术是芯片技术的核心技术之一，也是当前芯片行业的最主要分支。
这项技术利用微影技术制造芯片，将传统的电路板上的电路元器件压缩到芯片上，实现了电路的微缩化和集成化，达到了节省成本、提高功能和性能的目的。
利用集成电路技术可以制造出各种不同的芯片，包括处理器芯片、存储芯片、传感器芯片等。
随着智能手机、电视、电脑等电子消费品需求量的增加，集成电路技术市场需求也随之增长。
特别是在5G、人工智能等技术的引导下，对于处理器芯片、显卡芯片、AI芯片、通信芯片等方向的需求将会更加旺盛。
2. 光电子器件技术光电子器件技术是一种利用半导体的特性，将光信号转换为电信号或电信号转换为光信号的技术。
相对于传统的电子器件技术，光电子器件技术具备了更高的速度、更大的带宽和更小的能耗。
目前，光电子器件技术主要应用于光通讯、激光打印、LED照明等领域。
其中，光通讯是光电子器件技术应用的最主要领域。
随着互联网和移动通讯技术的不断发展，有望推动光电子器件技术市场需求的进一步增长。
3. 生物芯片技术生物芯片技术主要是利用半导体技术、生物学技术和计算机技术相结合，研制一种高效的生物检测、生物信息获取和生物分析工具。
生物芯片技术的应用范围极其广泛，可以应用于医学、环境监测、食品安全、生态保护等多个领域，具有极大的社会和经济价值。
以医疗植入类产品为例，患者需要检测自己的健康状况时，只需将生物芯片植入身体，即可实现对生命体征的实时监测，从而实现对身体状况的精细管理。
从生活科学到医学领域，生物芯片技术的市场需求不断发酵，具有很大的发展潜力。
4. 新能源芯片技术随着全球能源危机愈演愈烈，新能源成为各国政府争相发展和投入的产业之一。
中国人工智能平台行业市场现状及未来发展前景预测分析报告
中国人工智能平台行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人工智能平台行业市场现状及未来发展前景预测分析报告正文目录第一章、人工智能平台行业定义 (3)第二章、中国人工智能平台行业综述 (4)第三章、中国人工智能平台行业产业链分析 (5)第四章、中国人工智能平台行业发展现状 (7)第五章、中国人工智能平台行业重点企业分析 (8)第六章、中国人工智能平台行业发展趋势分析 (10)第七章、中国人工智能平台行业发展规划建议 (11)第八章、中国人工智能平台行业发展前景预测分析 (12)第九章、中国人工智能平台行业分析结论 (14)第一章、人工智能平台行业定义人工智能（Artificial Intelligence, AI）平台是指能够提供一系列工具和服务，帮助企业开发、部署和管理AI应用的技术框架。
随着大数据处理能力的增强及算法模型的不断优化，AI平台已成为推动数字化转型的关键力量之一。
本章将从市场规模、应用场景及发展趋势等方面全面解析该行业的现状与前景。
一、市场规模概览截至2022年底，全球人工智能平台市场规模已达到约450亿美元，同比增长超过30%。
预计到2027这一数字有望突破1500亿美元大关，复合年增长率接近28%。
北美地区占据市场份额的主导地位，占比约为45%，亚太地区，占28%左右；欧洲市场紧随其后，约占19%。
二、主要应用场景1. 智能客服：通过自然语言处理技术实现自动化客户服务，有效降低企业运营成本。
已有超过60%的大型企业采用AI客服系统，预计未来三年内这一比例将提升至80%以上。
2. 医疗健康：AI在疾病诊断、药物研发等领域展现出巨大潜力。
2021年全球医疗AI市场规模为40亿美元，预计到2026年将达到200亿美元，复合年增长率达到38%。
3. 零售电商：个性化推荐算法帮助电商平台提高转化率，使用AI技术进行商品推荐的企业销售额平均提升了15%。
中国人工智能行业市场现状及未来发展前景预测分析报告
中国人工智能行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人工智能行业市场现状及未来发展前景预测分析报告正文目录第一章、人工智能行业定义 (3)第二章、中国人工智能行业综述 (4)第三章、中国人工智能行业产业链分析 (5)第四章、中国人工智能行业发展现状 (6)第五章、中国人工智能行业重点企业分析 (8)第六章、中国人工智能行业发展趋势分析 (9)第七章、中国人工智能行业发展规划建议 (11)第八章、中国人工智能行业发展前景预测分析 (12)第九章、中国人工智能行业分析结论 (13)第一章、人工智能行业定义人工智能（Artificial Intelligence, AI）是指由计算机系统所表现出的智能行为。
它不仅涵盖了机器学习、自然语言处理、图像识别等多个子领域，还广泛应用于从自动驾驶汽车到智能家居设备等各种场景中。
随着技术的进步和市场需求的增长，AI已成为推动全球经济增长的关键力量之一。
1.1 人工智能市场规模全球人工智能市场持续扩张。
2022全球AI市场规模达到约4,500亿美元，预计到2027这一数字将增长至16,000亿美元左右，复合年增长率超过25%。
北美地区占据了最大的市场份额，而亚太地区则显示出最快的增长速度。
1.2 主要应用领域AI技术主要应用于以下几个方面：医疗健康：通过AI算法辅助诊断疾病、个性化治疗方案设计等，有效提高了医疗服务效率与质量。
2021年全球医疗AI市场规模约为60亿美元，并有望在未来五年内实现年均35%以上的增长。
金融服务：AI在风险管理、信贷审批、智能投顾等领域发挥了重要作用。
2022全球金融科技领域中AI相关投资总额超过了100亿美元。
零售电商：AI技术帮助零售商优化库存管理、提升顾客购物体验。
根据博研咨询&市场调研在线网分析，2023年全球零售业AI解决方案市场规模将达到80亿美元左右。
智能制造：AI赋能工业自动化生产流程，显著提升了制造业的生产效率。
2017年中国人工智能产业链专题分析报告
2017年中国人工智能产业链专题分析报告目录第一节人工智能核心技术应用加速落地 (5)一、“基础层-技术层-应用层”的产业架构日渐明晰 (5)二、核心技术应用屡有突破 (8)第二节全场景应用行路致远 (20)一、AI 重塑金融：改善用户体验 (21)二、AI 重塑医疗：力助缓解看病“两难” (22)三、AI 重塑社交：交互纵深延伸 (25)四、AI 重塑教育：提供“课前-课中-课后”一站式服务 (26)五、AI 重塑工业：中国制造 2025 的助推器 (28)六、AI 重塑农业：颠覆传统模式 (30)第三节企业分析 (31)图目录图1：国内企业已经实现全产业链覆盖 (5)图2：计算机视觉技术与其他领域的关系 (8)图3：机器学习与人类学习的对比 (10)图4：自然语言处理技术体系 (12)图5：软银机器人Pepper (14)图6：Google机器人Atlas (14)图7：柯马SMART系列工业机器人 (15)图8：2015-2020年全球生物识别技术行业市场规模(单位:亿美元) (18)图9：2002-2020年中国生物识别技术行业市场规模 (18)图10：2015-2020年全球生物识别技术行业市场结构 (19)图11：人工智能产业结构 (20)图12：认知智能突破时间尚不明确 (20)图13：算法处理效果和包含算法的人工处理效果对比图 (22)图14：可穿戴智能设备 (23)图15：远程问诊 (23)图16：问答机器人 (25)图17：“未来教师”机器人 (27)图18：现代工业机器人 (28)图19：2000年-2018年全球工业机器人销量（万台） (29)图20：智能灌溉 (30)图21：农业机器人插秧 (31)表目录表1：国内人工智能基础层业务公司 (6)表2：国内AI技术层业务公司 (6)表3：国内AI应用层业务公司 (7)表4：计算机视觉技术应用 (9)表5：计算机视觉公司简介 (10)表6：机器学习公司 (11)表7：自然语言处理公司 (12)表8：语音技术公司 (13)表9：智能机器人公司 (16)表10：主要生物识别技术介绍 (16)表11：生物识别应用领域 (17)表12：人工智能在医疗领域的应用 (22)表13：人工智能健康医疗技术 (24)表14：社交数据分析的商业应用 (26)表15：A股市场人工智能主要概念标的简介 (31)第一节人工智能核心技术应用加速落地人工智能风口已至已毋庸置疑，但需要声明的是，以算法、深度学习、增强学习为代表的核心技术研发周期较长，由此决定了人工智能的全面爆发不可能一蹴而就。
AI智能助理应用领域研究报告
移动设备/UAV
将AI技术用于智能手机/可 穿戴设备/无人机等软硬件
技术及解决方案提供商
智能驾驶
为智能驾驶提供视觉传感器/解 决方案及整车的技术/产品提供 商，不含车载智能语音语义厂商
应用领域
行业应用
将AI通用技术应用于金融、安防、建筑、医疗、教育、零售/电商、视频/娱乐/社交等领域，或传统行业通过 研发AI技术赋能自身业务以实现降本增效、提升用户体验的公司
A—I—智附能关助联理企业应介用众绍号领域研究报：告参照系微信公
行业概况——人工智能行业简介
人工智能（Artificial Intelligence）： 是指使用机器代替人类实现认知、识别、分析、决策等功 能，其本质是对人的意识与思维的信息过程的模拟，是一 门综合了计算机科学、生理学、哲学的交叉学科。凡是使 用机器代替人类实现认知、识别、分析、决策等功能，均 可认为使用了人工智能技术。
简介
计算机集成电路系统服务及计算机软件设计开发 北京智齿博创科技有限公司专注于智能客服领域，属技术 创新型互联网企业
一家提供专业服务的公司，包括咨询财会法律翻译等
融资信息
真格基金,华创资本,嘉盛兴业,芳晟 股权投资基金,IDG资本,金科君创, 拓尔思投资,界石投资,耀途资本,云 启创投,林洪瑞丰投资,博雅盛景,原 龙投资,盛景网联
小理助理是一个行业新闻资讯聚合平台通过每天汇集梳理 全球行业的信息，并以微信或日报的形式向用户汇报行业 动态帮，助用户高效地搜索追踪整理行业信息领域涉及互 联网文娱人工智能生活服务等多方面
冲浪星是一款专为视障人士设计的优化桌面集成式工具， 集新闻论坛求职音乐电台等多种功能于一身，隶属于上海 蛋塔网络科技有限公司
16 注：数据来源于易观行业访谈及公开资料进行评估所得。评判标准请见附录。
中国人工智能技术行业市场现状及未来发展前景预测分析报告
中国人工智能技术行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人工智能技术行业市场现状及未来发展前景预测分析报告正文目录第一章、人工智能技术行业定义 (3)第二章、中国人工智能技术行业综述 (4)第三章、中国人工智能技术行业产业链分析 (6)第四章、中国人工智能技术行业发展现状 (7)第五章、中国人工智能技术行业重点企业分析 (8)第六章、中国人工智能技术行业发展趋势分析 (9)第七章、中国人工智能技术行业发展规划建议 (11)第八章、中国人工智能技术行业发展前景预测分析 (13)第九章、中国人工智能技术行业分析结论 (14)第一章、人工智能技术行业定义人工智能（Artificial Intelligence, AI）是指由计算机系统或其他形式的信息处理设备所表现出来的智能行为。
它旨在通过模拟、扩展和增强人类智能的方式，使机器能够执行通常需要人类智能才能完成的任务。
自20世纪50年代以来，AI经历了多次发展高潮与低谷，如今已成为全球科技创新的重要驱动力之一，并广泛应用于各个领域。
1.1 行业概述2022年全球人工智能市场规模达到4,280亿美元，预计到2027年这一数字将增长至12,960亿美元，复合年增长率高达25%。
这表明随着技术进步和应用场景的不断拓展，AI产业正迎来前所未有的发展机遇。
1.2 核心技术构成人工智能主要由以下几项关键技术组成：机器学习：作为AI的核心组成部分，2021年全球机器学习市场规模约为110亿美元，预计未来五年内将以每年超过30%的速度增长。
自然语言处理（NLP）：2022年NLP市场规模约为130亿美元，预计到2026年将达到340亿美元左右。
计算机视觉：该领域2021年的市场规模为117亿美元，预计2028年将突破2,000亿美元大关。
机器人技术：包括工业机器人和服务机器人两大类。
2022年全球机器人销售额为510亿美元，其中服务机器人增速尤为显著，预计2025年将实现翻倍增长。
芯片国产化验证报告(一)
芯片国产化验证报告(一)芯片国产化验证报告背景介绍随着科技的不断发展，芯片已经成为了现代化社会不可或缺的一个组成部分。
而在国内，芯片的生产和制造一直是一个备受关注的话题。
为了促进芯片国产化的进程，国内许多公司和机构进行了大量的研究和试验工作，并发布了相关的验证报告。
国产芯片验证•小米小米作为国内知名的智能手机和智能家居品牌，早在2017年就成立了自己的芯片研发团队，并推出了自家的手机芯片。
在后续的验证工作中，小米的芯片通过了多项关键指标的验证，包括CPU性能、功耗、功率和性能与价格比等。
•华为华为作为国内的通信设备巨头，其芯片领域的实力也是不容小觑。
华为的芯片在国内外多个机构的验证中，都表现出了不俗的成绩，特别是在AI算法和处理器速度方面远远领先于其他竞争对手。
•中科曙光作为国内高性能计算机和服务器制造商，中科曙光在自主芯片的研究和生产方面也持续发力。
由其研发的“飞腾”CPU系列芯片，通过了多项测试和验证，并在一些关键领域的性能表现超过了国外的知名品牌。
结论通过以上对国内知名企业在芯片国产化验证方面的呈现分析，我们可以看到，国内的芯片企业在技术和能力方面已经逐渐与国外品牌站在同一起跑线上，并且在某些方面更具有竞争力。
不过，芯片生产制造的高门槛和复杂性也是不容忽视的。
相信在政府和市场的支持下，国内芯片行业将会迎来更加美好的发展前景。
•中国电子中国电子是一家具有悠久历史的国有企业，也是国内电子信息领域的龙头企业之一。
该公司拥有完整的电子产业链和研发平台，在自主研发芯片方面积极探索，并在多个关键领域完成了芯片国产化的验证，证明了其在芯片研发和制造方面具备良好的实力和潜力。
•陶氏化学陶氏化学是一家全球领先的化学企业，在国内也一直在积极推进芯片领域的自主研发和生产。
该公司在芯片验证方面表现出色，尤其是在导电性能、耐热性能和光电特性等方面取得了显著进展，这为其未来在芯片领域的成长和发展提供了坚实的基础。
展望随着人工智能、物联网和5G等新兴技术的快速崛起，芯片产业的重要性越发凸显。
人工智能产业链深度研究浅析
人工智能产业链深度研究浅析近几年来，人工智能行业飞速发展。
麦肯锡预测人工智能可在未来十年为全球GDP增长贡献L2个百分点，为全球经济活动增加13万亿美元产值，其贡献率可以与历史上第一次“工业革命”中蒸汽机等变革技术的引入相媲美。
从产业链来看，人工智能可以分为技术支撑层、基础应用层和产品层，各层面环环相扣，基础层和支撑层提供技术运算的平台、资源、算法，应用层的发展离不开基础层和技术的应用。
人工智能产业链基础层分为硬件和软件。
硬件即具备储存、运算能力的芯片，以及获取外部数据信息的传感器；软件则为用以计算的大数据。
这里我们着重分析硬件部分的智能芯片。
1、智能芯片按技术架构来看，智能芯片可分为通用类芯片(CPU、GPU、FPGA)、基于FPGA的半定制化芯片、全定制化ASIC芯片、类脑计算芯片(IBMTureNorth)。
对于绝大多数智能需求来说，基于通用处理器的传统计算机成本高、功耗高、体积大、速度慢，难以接受。
因此以CPU、GPU、FPGA>ASIC和类脑芯片为代表的计算芯片以高性能计算能力被引入深度学习。
Al半导体分类2017年各AI企业公开芯片数据企业(W)(GOP/S)3t比(∞Ps∕W)卅E.Nvida10l∞0100GPU NVIDIAJetsonTXl CNN&RNNNvida2402120090GPU NVIDIATeslaP100CNN&RNNNVi(Sa180********GPU NVIDIATeslaP40CNN&RNNNvida240120∞0500GPUNVIDIATeslaVlOO@1462MHZ CNN&RNN NVida5022000440GPU NVIDIATeslaP4CNN&RNN Nvidia20200∞010000GPU NVIDIAXavter CNN&RNN Googie4086000021500ASIC28nmβ>7∞MHz CNN&RNN ArizonaStateUniversty21.2645.2530.4FPGA AReraGXI150@150MHZ CNNMIT027846.2166.2ASIC65nm CNN IntdMyriadX•-40000ASIC16nm CNN(I)GPU大规模数据量下，传统CPU运算性能受限。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２０１７年ＡＩ芯片行业深度研究报告投资要点：⏹AI应用爆发，底层芯片架构亟待革新：科技巨头的大力投入及政策扶持正推动AI下游应用的迅猛增长，AI正在安防、无人驾驶、医疗等市场快速落地。
而AI应用的发展离不开底层芯片架构的革新。
传统芯片架构在处理神经网络算法时功耗较高，速度无法满足需求，因此催生了AI芯片的诞生，例如Google的TPU、寒武纪的NPU 等均是专门为AI应用度身定做的专有芯片，未来AI芯片将成为无论是移动端还是云端的标配，将成为下一阶段AI产业竞争的关键所在。
⏹AI产业链中，最为看好上游AI芯片环节：目前时间点，AI产业链上游的芯片企业的成长性最为确定，盈利模式最为清晰，AI芯片市场是率先受益于AI产业高速发展的环节，无论下游哪个应用领域率先落地，AI芯片市场都将迎来数倍的高速增长。
根据智研咨询统计，2016 年人工智能芯片市场规模达到6亿美元，预计到2021年将达到52 亿美元，年复合增长率达到53%。
仅测算安防前端智能摄像头市场，目前国内安防芯片市场规模约30亿人民币左右，预计未来三年，搭载人工智能模块的安防芯片市场存在三倍以上的成长空间，可达百亿级。
⏹看好低成本高性能的ASIC发展路线，国内厂商或将弯道超车：目前AI芯片技术主流路径为GPU、FPGA、ASIC等，场景方面分为云端、终端两大类，其中云端环境条件较为宽松，GPU暂时满足需求，未来AI ASIC芯片有望成为重要组成部分。
终端受制于能耗，体积约束，同时应用场景相对明晰，对ASIC芯片需求强烈，我们看好ASIC路径发展前景。
NVIDEA、INTEL、AMD等传统芯片巨头在GPU及FPGA领域具有不可撼动的优势，而国内中小芯片设计公司的优势在于细分场景下的ASIC芯片。
随着AI芯片市场的快速发展，国内AI芯片设计公司在ASIC路线存在弯道超车的良好机遇。
⏹行业评级及投资策略维持计算机行业“中性评级”，给予人工智能板块买入评级，AI应用普及，AI芯片市场需求迅速上升，我们看好国内公司在ASIC芯片方面存在弯道超车的机遇，未来三年迎来爆发式成长，建议积极关注行业投资机会，短期重点推荐智能安防芯片市场。
⏹重点推荐个股1、富瀚微：安防芯片A股龙头，受益安防人工智能化发展；2、中科创达：芯片嵌入式解决方案A股龙头，麒麟970采用公司方案。
建议关注：1、东软集团：无人驾驶芯片技术储备丰富，发展潜力较大；2、四维图新：无人驾驶芯片技术储备丰富，发展潜力较大；3、中科曙光：云端人工智能服务器潜力巨大；4、浪潮信息：与IBM建立合资企业研发人工智能服务器，前景远大。
⏹风险提示：1）相关公司业绩不达预期的风险；2）行业政策变动风险；3）市场系统性风险。
1、AI芯片需求爆发，市场规模高速扩张 (5)1.1、人工智能应用普及，带动AI芯片需求爆发 (5)1.2、市场空间巨大，政策支持确定 (6)1.3、一级市场融资热度不断提升 (8)2、看好ASIC路线，场景以云+端为主 (10)2.1、主流架构：GPU、FPGA、ASIC (10)2.2、云端以GPU为主，ASIC芯片将成重要组成部分 (11)2.3、ASIC芯片需和场景结合，有望成为主流 (12)3、竞争格局未定，国内AI芯片存弯道超车机会 (14)3.1、科技巨头拥有场景优势，研发AI芯片服务自有生态 (14)3.2、传统芯片厂商抢占AI芯片市场份额 (17)3.3、初创企业：面向终端场景的AI芯片是优势所在 (19)4、行业评级及投资策略 (23)5、重点推荐个股 (24)6、风险提示 (26)图1：卷积神经网络算法 (6)图2：市场规模快速增长 (6)图3：安防摄像机数量 (7)图4：一级市场投资数量 (8)图5：各类芯片优势对比 (11)图6：TPU和CPU、GPU组合性能对比 (12)图7：华为麒麟970芯片性能 (12)图8：Iphone X A11 neural engine (12)图9：芯片厂商和汽车厂商联盟 (13)图10：谷歌TPU (15)图11：谷歌TPU内部架构 (15)图12：谷歌产品发展路线 (15)图13：谷歌AI生态 (16)图14：ResNet模型下P100和V100训练速度对比 (17)图15：ResNet模型下P100和V100推理速度对比 (17)图16：Knights mill架构图 (18)图17：寒武纪1A芯片 (21)图18：寒武纪历代产品发展 (21)图19：深鉴科技DPU (21)表1：人工智能相关政策 (7)表2：一级市场AI芯片融资案例 (9)表3：各主流架构对比 (10)表4：AI芯片市场竞争主体 (14)表5：英特尔并购路径 (19)表6：国内三大AI芯片初创公司对比 (19)1、 AI芯片需求爆发，市场规模高速扩张1.1、人工智能应用普及，带动AI芯片需求爆发深度学习算法成熟、算力提升及大数据共同促进人工智能实现跨越式发展，人工智能应用层出不穷进一步推动算力需求的提升，而当下主流芯片CPU、GPU在处理神经网络算法时功耗较高，速度无法满足，因此催生了AI芯片的诞生，并且人工智能在安防、物流、无人驾驶、医疗、教育等领域落地，带动AI芯片需求的快速增长。
可以判断，人工智能应用爆发、神经网络算法成为AI主流算法是AI芯片需求高速增长的基础，而传统CPU、GPU的缺陷推升了需求的紧迫性，神经网络算法的特点则指明了AI芯片的架构方向。
1.人工智能应用普及奠定爆发基础：人工智能应用实现高速增长。
目前我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等智能科技成果已进入广泛的实际应用。
各细分市场均有广阔的发展前景，2015年，我国市场工业机器人销量6.85万台，我国智能语音交互产业猛增41%达到40.3亿元，指纹识别、人脸识别、虹膜识别等产业规模突破百亿元。
诸多企业也积极布局人工智能产业，百度出台“百度大脑计划”，腾讯组建人工智能实验室AI Lab，阿里关注消费级产品研发智能音箱、无人超市，以及海康威视在MOT Challenge测评中获得“计算机视觉的多目标跟踪算法”世界第一称号。
中国人工智能应用已经迅速普及，对人工智能应用的性能提出更高要求。
2.CPU、GPU等传统芯片高功耗、低效率无法满足需求：人工智能应用爆发，芯片市场迎来新机遇。
当前CPU、GPU等传统芯片因其高功耗、低效率，难以满足人工智能时代的要求。
从技术角度看，深度学习实际上是一类多层大规模人工神经网络。
传统的处理器（包括x86和ARM芯片等）往往需要数百甚至上千条指令才能完成一个神经元的处理，用于深度学习的处理效率极低。
并且，在神经网络中存储和处理一体化，而在传统芯片的结构中，存储和处理是分离的，二者存在较大的差异。
因此，适应深度学习需求的新型芯片在AI时代市场前景广阔。
以中国的寒武纪为例。
该公司团队与Inria联合研发的DianNao单核处理器主频为0.98GHz，峰值性能达每秒4520亿次神经网络基本运算，65nm工艺下功耗为0.485W，面积3.02平方毫米。
若干神经网络实验结果表明，DingNao的平均性能超过主流CPU核的100倍，但是面积和功耗仅为1/10，效能提升可达三个数量。
DianNao的平均性能与主流GPGPU相当，但面积和功耗仅为主流GPU 百分之一量级，优势明显。
3.人工智能算法具备明显特点，专用芯片需求强劲：图1：卷积神经网络算法资料来源：数盟《技术向：一文读懂卷积神经网络CNN》，国海证券研究所以当前主流的卷积神经网络为例，卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。
如图1所示，多层卷积神经网络使用了大量相似的卷积运算，因此可并行计算，使用统一的特点明显的算法，提升效率。
卷积神经网络越复杂，卷积核越多，就需要更多数量的芯片同时工作，用来处理更复杂的运算、达到更高的性能。
AI算法结构特点明显，对数据计算需求较大，也为AI芯片发展指明了方向。
1.2、市场空间巨大，政策支持确定1.2.1、市场规模不断提升在需求增长的背景下，AI芯片市场规模增长迅速。
根据智研咨询统计，2016 年人工智能芯片市场规模达到6亿美元，预计到2021年将达到52 亿美元，年复合增长率达到53%，增长迅猛，发展空间可期。
图2：市场规模快速增长此外，AI芯片也将拉动整个芯片市场规模，以安防芯片为例，据IHS统计，预计国内2018年摄像机产量约2亿台，每台摄像机配置一颗图像处理芯片，参考IPC芯片15元/颗价格，整个芯片市场规模约30亿元。
根据我们产业调研，加入AI加速器的AI芯片单片价格预计实现翻倍以上增长，AI芯片对芯片市场规模拉动作用明显。
图3：安防摄像机数量资料来源：IHS、国海证券研究所1.2.2、政策支持力度不断加强近几年，我国陆续出台多项AI芯片相关的政策和规划，其中《“十三五”国家科技创新规划》、《国家发展改革委办公厅关于请组织申报“互联网+”领域创新能力建设专项的通知》和2017年7月国务院印发的《新一代人工智能发展规划》中，均提到要重点发展人工智能芯片技术。
政府对于人工智能领域的不断重视和投入为中国人工智能及人工智能芯片的未来发展提供了良好的政策环境。
《新一代人工智能发展规划》中提到我国在高端芯片等方面差距较大，强调人工智能芯片的关键作用，指出要重点突破高能效、可重构类脑计算芯片和具有计算成像功能的类脑视觉传感器技术，研发神经网络处理器以及高能效、可重构类脑计算芯片和新型感知芯片与系统，实现具有多媒体感知信息理解和智能增长、常识推理能力的类脑智能系统。
人工智能是引领未来的战略性产业，是我国科技领域重要的发展战略，而AI 芯片作为整个人工智能领域的关键技术环节，是我国人工智能产业的基础，是实现人工智能突破的重要关卡。
此外我国针对芯片有转向产业大基金，因此，可以预计AI 芯片将持续获得政府政策支持，推动AI 芯片在各行业和各领域的应用。
1.3、 一级市场融资热度不断提升在市场规模保持快速增长，政策支持力度明显加大的背景下，其一级市场的热度也不断提升，2014年至今共有20次投资事件发生，且投资数量逐年攀升。
图4：一级市场投资数量资料来源：IT 桔子、国海证券研究所值得注意的是一批明星创业公司2016至2017年纷纷获得大额投资。
地平线机器人于2016年7月获得了新一轮融资，异构智能于2017年5月完成1500万美元A 轮融资，深鉴科技于2017年5月完成数千万美元的A 轮融资，西井科技于2017年6月宣布获得复星同浩A 轮投资。
而寒武纪于8月宣布获得A 轮融资高达1亿美元，成为全球人工智能芯片领域首个独角兽初创公司。
AI芯片创业公司的大额融资从某种层面上也代表了一级市场对AI芯片行业未来的发展前景一致看好。