今天百科互动给各位分享行业风向标|AIGC爆发式发展，服务器芯片需求广阔的知识，其中也会对服务器芯片国产化进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录：
- 1、人工智能发展对哪些行业影响最大呢？
- 2、AI芯片战火蔓延，谁才是“制芯之王”？
- 3、半导体产业深度报告：制造业巅峰，晶圆代工赛道持续繁荣
- 4、人工智能产业发展深度报告：格局、潜力与展望
- 5、中金公司：东数西算蓄势待发 AI芯片有望受益
- 6、AI技术对于哪种芯片需求性最高？AI技术会首先应用于哪个层面？
人工智能发展对哪些行业影响最大呢？
1、司机：目前，无人驾驶正在研发之中，预计未来，无人驾驶汽车就可以实现商用。如此看来，汽车驾驶员这个职业将会是首先被人工智能技术所取代的职业。无人驾驶的优点很多，它不会出现“酒驾”和“疲劳驾驶”等情况，只要网络正常，它就可以完全实现安全运行，人们再也不用担心各种交通意外事故的发生。
2、银行柜员：现在银行的大量业务都可以通过ATM自动取款机和智能柜台办理，据统计，目前全国大部分银行的离柜业务已经超过了90%，与人工相比，人工智能的优势十分明显，不休息、不抱怨、没有节假日、几乎不出错、计算速度快等等。由此可见，银行柜员这一岗位的消失已成历史的必然。
3、翻译：过去，在经济全球化的背景下，掌握一门外语是人们求职就业的一项重要技能。然而，随着科技水平的不断发展进步，当今市场上的主流翻译软件的准确率已经高达99%，并且可以随时随地进行即时翻译，两个语言互不相同的人，完全可以凭借翻译软件进行自由交流。而且随着技术进步和软件升级，可以预测，未来的翻译软件的体验将会更加出色，由此将能够完全取代当今翻译的所有的工作。尽管现在一些小语种翻译还有市场需求，但是，随着翻译软件的不断开发应用和推广，针对各种小语种的翻译软件很快也会被开发出来，在此情况下，未来翻译这一职业的饭碗怕是很难保住。
4、流水线工人：大家都知道，流水线是工业时代的产物。制造业中流水线上工人的工作特征，就是简单重复劳动。长此以往，反复重复地干同一件事情。而这一特点，恰恰是人工智能的专长，随着人工智能技术不断普及推广，未来将会有越来越多的工作岗位被自动化生产线所取代。现在国内已经有工厂开始使用无人车间，整个车间仅有机器在运行，没有工人。而这些运行的机器只需一个懂得机器使用流程的工程师操控足矣。随着人工智能技术的进一步发展，智能化工厂将来会越来越多、越来越普及，最终人工将会彻底被机器所取代。自动化生产线的大规模使用，不仅能够降低生产成本，而且还能大幅提高生产效率。如富士康目前已经将机器人引入生产线，替代了30%的劳动力，因此，毋庸置疑，未来所有生产流水线实现自动化生产线，是指日可待的事情。
AI芯片战火蔓延，谁才是“制芯之王”？
AI不仅是最大 科技 热点，也是未来数十年 科技 发展趋势。伴随着这股热潮，AI芯片成为了半导体行业的新风向，投资者的新宠。
AI芯片战火蔓延，先进制程储备战隔空上演
最近，三星电子放了狠话，将在未来10年内（至2030年）投资133兆韩元（约合1150亿美元，7730亿人民币），以在逻辑芯片制造领域发挥主导作用。
刚刚登上代工厂第二名的三星，显得相当的雄心勃勃，不但要在逻辑芯片市场称王，还要挑战台积电代工厂龙头的位置。这边三星发力要蚕食价值850亿美元的代工市场这块肥肉，那边吞掉超过一半市场份额的台积电，显然不打算对三星的挑衅置之不理了。
在这场芯片制程终极之战中，三大芯片代工巨头，一方面进行着路线之争，另一方面铆足火力隔空火拼未来的关键制程技术节点，尤其是6nm和5nm。
所谓路线之争，一方有台积电三星自定标准，“激进”挺进5/4/3nm工艺，另一方英特尔坚守“慢工出细活”，做业界最好的10nm。
而关于未来技术节点之战的导火索，在这个4月已经被点燃！台积电和三星两大芯片代工厂隔空开“杠”，三星刚高调更新6nm、5nm工艺进展，台积电就在当日傍晚立即跳出来宣布自己的6nm计划。
芯片制程的战火，正从前两年炙手可热的10nm、7nm向更为领先的6、5、3nm蔓延。
从争相研发先进技术，到积极储备顶级光刻机等半导体制造设备，台积电和三星的战旗已经高举，以各自独特的方式给摩尔定律续命。
同时，摩尔定律的拥护者英特尔则坚持遵从严苛的技术规格，循序渐进地进行着堪比其他厂7nm的10nm制程研发。
新的制程之战已经隔空上演，三大巨头谁又最有望夺得芯片制程的王座？
AI芯片从云端走向终端
从 科技 大厂到创业公司，似乎都站上了边缘计算的风口，这场芯片大战已经由云入端，抢占边缘。
在2016年，云端(包含企业、数据中心等)为深度学习芯片的主要营收领域，占了80%。不过，到了2025年，此一比例将会改变，转变成边缘(Edge)占了80%，而云端的比例则降为20%。这边所指的边缘意指终端设备，且以消费性产品为中心(而非小型服务器或是路由器)，包括移动装置(手机、平板)、头戴式显示器(HMD)，如AR/VR/MR、智能音箱、机器人、无人机、 汽车 、安防摄像头等。
现今大多数的AI处理器，如GPU，多用于云端服务器、数据中心，以在云端上进行AI训练和推论。不过，随着隐私、安全性需求增加，加上为了降低成本、延迟及打破频宽限制等因素，分散式AI随之兴起，越来越多AI边缘应用案例出现。例如苹果的A12仿生芯片，其具备新一代“神经网路引擎”，以即时机器学习技术，改变智能手机的使用体验。
简而言之，AI从云端转向边缘是现在进行式，当然目前AI在边缘装置上多还是以推论为主，而非训练。不过随着AI创新应用增加，有越来越多芯片商尝试提升终端装置处理器的运算效能，为的就是不用再传送数据至云端进行数据运算、推理和训练。也因此，各式的处理器纷纷问世，像是CPU、FPGA、GPU、ASIC、NPU或SoC Accelerator等。
从现实应用上讲，数据中心仍然需要更强、更快的训练能力，而“AI+”迫切需要遍布于从终端到云的推理能力，这是促使 科技 巨头大规模投入、互相竞争的根本。
应用部署AI能力的位置、尺寸、成本、功耗要求的多样性以及与其他计算能力快速集成的要求对AI计算提出了更高层级的要求。作为芯片巨头的英特尔，一方面 探索 量子计算和神经拟态计算，另一方面也在 探索 超异构计算形态，未来无论是云、终端，都是AI超级芯片的天下。
在英特尔、英伟达、arm公司占领了数据中心和手机芯片市场的情况下，中国公司试图从边缘及终端突围，利用中国巨大的制造业硬件产业链和场景优势，试图建立起自身AI芯片生态系统。
国内芯片公司蠢蠢欲动
AI新时代的到来，让众多企业站在了同一起跑线上。在这大争之世中，不仅有老牌半导体巨头的强势参与，也有一些国产品牌开始初显锋芒。同时，我国庞大的电子市场所带来的数据资源，也为AI训练芯片的发展提供了肥沃的土壤。在这种环境的驱动下，国产厂商也开始试水训练芯片市场。
除华为之外，我国互联网巨头也纷纷试水AI训练芯片。在人工智能时代之前，这些互联网企业经过多年的积累，已经建立了生态优势。待到深度学习热潮的爆发，这些互联网企业生态中的数据价值开始凸显，而这就需要AI训练芯片。互联网企业跨界涉足AI训练芯片领域，可以通过资本运作的方式来参与，也可以选择建立新的部门或子公司，通过硬核技术切入AI训练芯片的竞争。
半导体产业深度报告：制造业巅峰，晶圆代工赛道持续繁荣
台积电开启晶圆代工时代，成为集成电路中最为重要的一个环节。 1987 年，台积电的成立开启了 晶圆代工时代，尤其在得到了英特尔的认证以后，晶圆代工被更多的半导体厂商所接受。晶圆代工 打破了 IDM 单一模式，成就了晶圆代工+IC 设计模式。目前，半导体行业垂直分工成为了主流， 新进入者大多数拥抱 fabless 模式，部分 IDM 厂商也在逐渐走向 fabless 或者 fablite 模式。
全球晶圆代工市场一直呈现快速增长，未来有望持续 。晶圆代工+IC 设计成为行业趋势以后，受益 互联网、移动互联网时代产品的强劲需求，整个行业一直保持快速增长，以台积电为例，其营业收 入从 1991 年的 1.7 亿美元增长到 2019 年的 346 亿美元，1991-2019 年，CAGR 为 21%。2019 年全球晶圆代工市场达到了 627 亿美元，占全球半导体市场约 15%。未来进入物联网时代，在 5G、 人工智能、大数据强劲需求下，晶圆代工行业有望保持持续快速增长。
晶圆代工行业现状：行业呈现寡头集中。 晶圆代工是制造业的颠覆，呈现资金壁垒高、技术难度大、 技术迭代快等特点，也因此导致了行业呈现寡头集中，其中台积电是晶圆代工行业绝对的领导者， 营收占比超过 50%，CR5 约为 90%。
晶圆代工行业资金壁垒高。 晶圆代工厂的资本性支出巨大，并且随着制程的提升，代工厂的资本支 出中枢不断提升。台积电资本支出从 11 年的 443 亿元增长到 19 年的 1094 亿元，CAGR 为 12%。 中芯国际资本性支出从 11 年的 30 亿元增长到了 19 年的 131 亿元，CAGR 为 20%，并且随着 14 nm 及 N+1 制程的推进，公司将显著增加 2020 年资本性支出，计划为 455 亿元。巨额投资将众多 追赶者挡在门外，新进入者难度极大。
随着制程提升，晶圆代工难度显著提升。 随着代工制程的提升，晶体管工艺、光刻、沉积、刻蚀、 检测、封装等技术需要全面创新，以此来支撑芯片性能天花板获得突破。
晶体管工艺持续创新。 传统的晶体管工艺为 bulk Si，也称为体硅平面结构（Planar FET）。 随着 MOS 管的尺寸不断的变小，即沟道的不断变小，会出现各种问题，如栅极漏电、泄漏功 率大等诸多问题，原先的结构开始力不从心，因此改进型的 SOI MOS 出现，与传统 MOS 结 构主要区别在于：SOI 器件具有掩埋氧化层，通常为 SiO2，其将基体与衬底隔离。由于氧化 层的存在，消除了远离栅极的泄漏路径，这可以降低功耗。随着制程持续提升，常规的二氧 化硅氧化层厚度变得极薄，例如在 65nm 工艺的晶体管中的二氧化硅层已经缩小仅有 5 个氧 原子的厚度了。二氧化硅层很难再进一步缩小了，否则产生的漏电流会让晶体管无法正常工 作。因此在 28nm 工艺中，高介电常数（K）的介电材料被引入代替了二氧化硅氧化层（又称 HKMG 技术）。随着设备尺寸的缩小，在较低的技术节点，例如 22nm 的，短沟道效应开始 变得更明显，降低了器件的性能。为了克服这个问题，FinFET 就此横空出世。FinFET 结构 结构提供了改进的电气控制的通道传导，能降低漏电流并克服一些短沟道效应。目前先进制 程都是采用 FinFET 结构。
制程提升，需要更精细的芯片，光刻机性能持续提升。 负责“雕刻”电路图案的核心制造设备是光刻机，它是芯片制造阶段最核心的设备之一，光刻机的精度决定了制程的精度。第四 代深紫外光刻机分为步进扫描投影光刻机和浸没式步进扫描投影光刻机，其中前者能实现最 小 130-65nm 工艺节点芯片的生产，后者能实现最小 45-22nm 工艺节点芯片的生产。通过多 次曝光刻蚀，浸没式步进扫描投影光刻机能实现 22/16/14/10nm 芯片制作。到了 7/5nm 工艺， DUV 光刻机已经较难实现生产，需要更为先进的 EUV 光刻机。EUV 生产难度极大，零部件 高达 10 万多个，全球仅 ASML 一家具备生产能力。目前 EUV 光刻机产量有限而且价格昂 贵，2019 年全年，ASML EUV 销量仅为 26 台，单台 EUV 售价高达 1.2 亿美元。
晶圆代工技术迭代快，利于头部代工厂。 芯片制程进入 90nm 节点以后，技术迭代变快，新的制程 几乎每两到三年就会出现。先进制程不但需要持续的研发投入，也需要持续的巨额资本性支出，而 且新投入的设备折旧很快，以台积电为例，新设备折旧年限为 5 年，5 年以后设备折旧完成，生产 成本会大幅度下降，头部厂商完成折旧以后会迅速降低代工价格，后进入者难以盈利。
2.1摩尔定律延续，技术难度与资本投入显著提升
追寻摩尔定律能让消费者享受更便宜的 算 力，晶圆代工是推动摩尔定律最重要的环节。 1965 年， 英特尔（Intel）创始人之一戈登·摩尔提出，当价格不变时，集成电路上可容纳的元器件的数目， 约每隔 18-24 个月便会增加一倍，性能也将提升一倍，这也是全球电子产品整体性能不断进化的核 心驱动力，以上定律就是著名的摩尔定律。换而言之，每一美元所能买到的电脑性能，将每隔 18- 24 个月翻一倍以上。推动摩尔定律的核心内容是发展更先进的制程，而晶圆代工是其中最重要的 环节。
摩尔定律仍在延续。 市场上一直有关于摩尔定律失效的顾虑，但是随着 45nm、28nm、10nm 持续 的推出，摩尔定律仍然保持着延续。台积电在 2018 年推出 7nm 先进工艺，2020 年开始量产 5nm， 并持续推进 3nm 的研究，预计 2022 年量产 3nm 工艺。IMEC 更是规划到了 1nm 的节点。此外， 美国国防高级研究计划局进一步提出了先进封装、存算一体、软件定义硬件处理器三个未来发展研 究与发展方向，以此来超越摩尔定律。在现在的时间点上来看，摩尔定律仍然在维持，但进一步提 升推动摩尔定律难度会显著提升。
先进制程资本性投入进一步飙升 。根据 IBS 的统计，先进制程资本性支出会显著提升。以 5nm 节 点为例，其投资成本高达数百亿美金，是 14nm 的两倍，是 28nm 的四倍。为了建设 5nm 产线， 2020 年，台积电计划全年资本性将达到 150-160 亿美元。先进制程不仅需要巨额的建设成本，而 且也提高了设计企业的门槛，根据 IBS 的预测，3nm 设计成本将会高达 5-15 亿美元。
3nm 及以下制程需要采用全新的晶体管工艺。 FinFET 已经历 16nm/14nm 和 10nm/7nm 两个工艺 世代，随着深宽比不断拉高，FinFET 逼近物理极限，为了制造出密度更高的芯片，环绕式栅极晶 体管（GAAFET，Gate-All-Ground FET）成为新的技术选择。不同于 FinFET，GAAFET 的沟道被 栅极四面包围，沟道电流比三面包裹的 FinFET 更加顺畅，能进一步改善对电流的控制，从而优化 栅极长度的微缩。三星、台积电、英特尔均引入 GAA 技术的研究，其中三星已经先一步将 GAA 用 于 3nm 芯片。如果制程到了 2nm 甚至 1nm 时，GAA 结构也许也会失效，需要更为先进的 2 维 、 甚至 3 维立体结构，目前微电子研究中心（Imec）正在开发面向 2nm 的 forksheet FET 结构。
3nm 及以下制程，光刻机也需要升级。 面向 3nm 及更先进的工艺，芯片制造商或将需要一种称为 高数值孔径 EUV（high-NA EUV）的光刻新技术。根据 ASML 年报，公司正在研发的下一代极紫 外光刻机将采用 high-NA 技术，有更高的数值孔径、分辨率和覆盖能力，较当前的 EUV 光刻机将 提高 70%。ASML 预测高数值孔径 EUV 将在 2022 年以后量产。
除上面提到巨额资本与技术难题以外，先进制程对沉积与刻蚀、检测、封装等环节也均有更高的要 求。正是因为面临巨大的资本和技术挑战，目前全球仅有台积电、三星、intel 在进一步追求摩尔定 律，中芯国际在持续追赶，而像联电、格罗方德等晶圆代工厂商已经放弃了 10nm 及以下制程工艺 的研发，全面转向特色工艺的研究与开发。先进制程的进一步推荐节奏将会放缓，为中芯国际追赶 创造了机会。
2.2先进制程占比持续提升，成熟工艺市场不断增长
高性能芯片需求旺盛，先进制程占比有望持续提升。 移动终端产品、高性能计算、 汽车 电子和通信 及物联网应用对算力的要求不断提升，要求更为先进的芯片，同时随着数据处理量的增加，存储芯 片的制程也在不断升级，先进制程的芯片占比有望持续提升。根据 ASML2018 年底的预测，到 2025 年，12 寸晶圆的先进制程占比有望达到 2/3。2019 年中，台积电 16nm 以上和以下制程分别占比 50%，根据公司预计，到 2020 年，16nm 及以下制程有望达到 55%。
CPU、逻辑 IC、存储器等一般采用先进制程（12 英寸），而功率分立器件、MEMS、模拟、CIS、 射频、电源芯片等产品（从 6μm 到 40nm 不等）则更多的采用成熟工艺（8 寸片）。 汽车 、移动 终端及可穿戴设备中超过 70%的芯片是在不大于 8 英寸的晶圆上制作完成。相比 12 寸晶圆产线，8 寸晶圆制造厂具备达到成本效益生产量要求较低的优势，因此 8 寸晶圆和 12 寸晶圆能够实现优 势互补、长期共存。
受益于物联网、 汽车 电子的快速发展，MCU、电源管理 IC、MOSFET、ToF、传感器 IC、射频芯 片等需求持续快速增长。 社会 已经从移动互联网时代进入了物联网时代，移动互联网时代联网设备 主要是以手机为主，联网设备数量级在 40 亿左右，物联网时代，设备联网数量将会成倍增加，高 通预计到 2020 年联网 设备数量有望达到 250 亿以上。飙升的物联网设备需要需要大量的成熟工艺 制程的芯片。以电源管理芯片为例，根据台积电年报数据，公司高压及电源管理晶片出货量从 2014 年的 1800 万片（8 寸）增长到 2019 年的 2900 万片，CAGR 为 10%。根据 IHS 的预测，成熟晶 圆代工市场规模有望从 2020 年的 372 亿美元增长到 2025 年的 415 亿美元。
特色工艺前景依旧广阔，主要代工厂积极布局特色工艺。 巨大的物联网市场前景，吸引了众多 IC 设计公司开发新产品。晶圆代工企业也瞄准了物联网的巨大商机，频频推出新技术，配合设计公司 更快、更好地推出新一代芯片，助力物联网产业高速发展。台积电和三星不仅在先进工艺方面领先布局，在特色工艺方面也深入布局，例如台积电在图像传感器领域、三星在存储芯片领域都深入布 局。联电、格罗方德、中芯国际、华虹半导体等代工厂也全面布局各自的特色工艺，在射频、 汽车 电子、IOT 等领域，形成了各自的特色。
5G 时代终端应用数据量爆炸式提升增加了对半导体芯片的需求，晶圆代工赛道持续繁荣。 随着对 于 5G 通信网络的建设不断推进，不仅带动数据量的爆炸式提升，要求芯片对数据的采集、处理、 存 储 效率更高，而且也催生了诸多 4G 时代难以实现的终端应用，如物联网、车联网等，增加了终 端对芯片的需求范围。对于芯片需求的增长将使得下游的晶圆代工赛道收益，未来市场前景极其广 阔。根据 IHS 预测，晶圆代工市场规模有望从 2020 年的 584 亿美元，增长到 2025 年的 857 亿美 元，CAGR 为 8%。
3.15G 推动手机芯片需求量上涨
5G 手机渗透率快速提升。手机已经进入存量时代，主要以换机为主。2019 年全球智能手机出货量 为 13.7 亿部，2020 年受疫情影响，IDC 等预测手机总体出货量为 12.5 亿台，后续随着疫情的恢 复以及 5G 产业链的成熟，5G 手机有望快速渗透并带动整个手机出货。根据 IDC 等机构预测，5G 手机出货量有望从 2020 年的 1.83 增长到 2024 年的 11.63 亿台，CAGR 为 59%。
5G 手机 SOC、存储和图像传感器全面升级，晶圆代工行业充分受益。 消费者对手机的要求越来越 高，需要更清晰的拍照功能、更好的 游戏 体验、多任务处理等等，因此手机 SOC 性能、存储性能、 图像传感器性能全面提升。目前旗舰机的芯片都已经达到了 7nm 制程，随着台积电下半年 5 nm 产 能的释放，手机 SOC 有望进入 5nm 时代。照片精度的提高，王者荣耀、吃鸡等大型手游和 VLOG 视频等内容的盛行，对手机闪存容量和速度也提出了更高的要求，LPDDR5 在 2020 年初已经正式 亮相小米 10 系列和三星 S20 系列，相较于上一代的 LPDDR4，新的 LPDDR5 标准将其 I/O 速 度从 3200MT/s 提升到 6400MT/s，理论上每秒可以传输 51.2GB 的数据。相机创新是消费者更 换新机的主要动力之一，近些年来相机创新一直在快速迭代，一方面，多摄弥补了单一相机功能不 足的缺点，另一方面，主摄像素提升带给消费者更多的高清瞬间，这两个方向的创新对晶圆及代工 的需求都显著提升。5G 时代，手机芯片晶圆代工市场将会迎来量价齐升。
5G 手机信号频段增加，射频前端芯片市场有望持续快速增长。射频前端担任信号的收发工作，包 括低噪放大器、功率放大器、滤波器、双工器、开关等。相较于 4G 频段，5G 的频段增加了中高 频的 Sub-6 频段，以及未来的更高频的毫米波频段。根据 yole 预测，射频前端市场有望从 2018 年 的 149 亿美元，增长到 2023 年的 313 亿美元，CAGR 为 16%。
3.2云计算前景广阔，服务器有望迎来快速增长
2020 年是国内 5G 大规模落地元年，有望带来更多数据流量需求 。据中国信通院在 2019 年 12 月 份发布的报告，2020 年中国 5G 用户将从去年的 446 万增长到 1 亿人，到 2024 年我国 5G 用户 渗透率将达到 45%，人数将超过 7.7 亿人，全球将达到 12 亿人，5G 用户数的高增长带来流量的 更高增长。
5G 时代来临，云计算产业前景广阔。 进入 5G 时代，IoT 设备数量将快速增加，同时应用的在线 使用需求和访问流量将快速爆发，这将进一步推动云计算产业规模的增长。根据前瞻产业研究院的 报告，2018 年中国云计算产业规模达到了 963 亿元，到 2024 年有望增长到 4445 亿元，CAGR 为 29%，产业前景广阔。
边缘计算是云计算的重要补充，迎来新一轮发展高潮。 根据赛迪顾问的数据，2018 年全球边缘计 算市场规模达到 51.4 亿美元，同比增长率 57.7%，预计未来年均复合增长率将超过 50%。而中国 边缘计算市场规模在 2018 年达到了 77.4 亿元，并且 2018-2021 将保持 61%的年复合增长率，到 2021 年达到 325.3 亿元。
服务器大成长周期确定性强。 服务器短期拐点已现，受益在线办公和在线教育需求旺盛，2020 年 服务器需求有望维持快速增长。长期来看，受益于 5G、云计算、边缘计算强劲需求，服务器销量 有望保持持续高增长。根据 IDC 预测，2024 年全球服务器销量有望达到 1938 万台，19-24 年， CAGR 为 13%。
服务器半导体需求持续有望迎来快速增长，晶圆代工充分受益。 随着服务器数量和性能的提升，服 务器逻辑芯片、存储芯片对晶圆的需求有望快速增长，根据 Sumco 的预测，服务器对 12 寸晶圆 需求有望从 2019 年的 80 万片/月，增长到 2024 年的 158 万片/月，19-24 年 CAGR 为 8%。晶圆 代工市场有望充分受益服务器芯片量价齐升。
3.3三大趋势推动 汽车 半导体价值量提升
传统内燃机主要价值量主要集中在其动力系统。 而随着人们对于 汽车 出行便捷性、信息化的要求逐 渐提高， 汽车 逐步走向电动化、智能化、网联化，这将促使微处理器、存储器、功率器件、传感器、 车载摄像头、雷达等更为广泛的用于 汽车 发动机控制、底盘控制、电池控制、车身控制、导航及车 载 娱乐 系统中， 汽车 半导体产品的用量显著增加。
车用半导体有望迎来加速增长。 根据 IHS 的报告，车用半导体销售额 2019 年为 410 亿美元，13- 19 年 CAGR 为 8%。随着 汽车 加速电动化、智能化、网联化，车用芯片市场规模有望迎来加速， 根据 Gartner 的数据，全球 汽车 半导体市场 2019 年销售规模达 410.13 亿美元，预计 2022 年有望 达到 651 亿美元，占全球半导体市场规模的比例有望达到 12%，并成为半导体下游应用领域中增 速最快的部分。
自动驾驶芯片要求高，有望进一步拉动先进制程需求。 自动驾驶是通过雷达、摄像头等将采集车辆 周边的信息，然后通过自动驾驶芯片处理数据并给出反馈，以此降低交通事故的发生率、提高城市 中的运载效率并降低驾驶员的驾驶强度。自动驾驶要求多传感器之间能够及时、高效地传递信息， 并同时完成路线规划和决策，因此需要完成大量的数据运算和处理工作。随着自动驾驶级别的上升， 对于芯片算力的要求也越高，产生的半导体需求和价值量也随之水涨船高。英伟达自动驾驶芯片随 着自动驾驶级别的提升，芯片制程也显著提升，最早 Drive PX 采用的是 20nm 工艺，而最新 2019 年发布的 Drive AGX Orin 将会采用三星 8nm 工艺。根据英飞凌的预测，自动驾驶给 汽车 所需要的 半导体价值带来相当可观的增量，一辆车如果实现 Level2 自动驾驶，半导体价值增量就将达到 160 美元，若自动驾驶级别达到 level45，增量将会达到 970 美元。
3.4IoT 快速增长，芯片类型多
随着行业标准完善、技术不断进步、政策的扶持，全球物联网市场有望迎来爆发性增长。GSMA 预 测，中国 IOT 设备联网数将会从 2019 年的 36 亿台， 增到 到 2025 年的 80 亿台，19-25 年 CAGR 为 17.3%。根据全球第二大市场研究机构 MarketsandMarkets 的报告，2018 年全球 IoT 市场规模 为 795 亿美元，预计到 2023 年将增长到 2196 亿美元，18-23 年 CAGR 为 22.5%。
物联网的发展需要大量芯片支撑，半导体市场规模有望迎来进一步增长 。物联网感知层的核心部件 是传感器系统，产品需要从现实世界中采集图像、温度、声音等多种信息，以实现对于所处场景的 智能分析。感知需要向设备中植入大量的 MEMS 芯片，例如麦克风、陀螺仪、加速度计等；设备 互通互联需要大量的通信芯片，包括蓝牙、WIFI、蜂窝网等；物联网时代终端数量和数据传输通道 数量大幅增加，安全性成为最重要的需求之一，为了避免产品受到恶意攻击，需要各种类型的安全 芯片作支持；同时，身份识别能够保障信息不被盗用，催生了对于虹膜识别和指纹识别芯片的需求； 作为物联网终端的总控制点，MCU 芯片更是至关重要，根据 IC Insights 的预测，2018 年 MCU 市 场规模增长 11%，预计未来四年内 CAGR 达 7.2%，到 2022 年将超过 240 亿美元。
4.1 国内 IC 设计企业快速增长，代工需求进一步放量
国内集成电路需求旺盛，有望持续维持快速增长。 国内集成电路市场需求旺盛，从 2013 年的 820 亿美元快速增长到 2018 年的 1550 亿美元，CAGR 为 13.6%，IC insight 预测，到 2023 年，中国 集成电路市场需求有望达到 2290 亿美元，CAGR 为 8%。但是同时，国内集成电路自给率也严重 不足，2018 年仅为 15%，IC insight 在 2019 年预测，到 2023 年，国内集成电路自给率为 20%。
需求驱动，国内 IC 设计快速成长。 在市场巨大的需求驱动下，国内 IC 设计企业数量快速增加，尤 其近几年，在国内政策的鼓励下，以及中美贸易摩擦大的背景下，IC 设计企业数量加速增加，2019 年底，国内 IC 设计企业数量已经达到了 1780 家，2010-2019 年，CAGR 为 13%。根据中芯国际 的数据，国内 IC 设计公司营收 2020 年有望达到 480 亿美元，2011-2020 年 CAGR 为 24%，远 高于同期国际 4%的复合增长率。
国内已逐步形成头部 IC 设计企业。 根据中国半导体行业协会的统计，2019 年营收前十的入围门槛 从 30 亿元大幅上升到 48 亿元，这十大企业的增速也同样十分惊人，达到 47%。国内 IC 企业逐步 做大做强，部分领域已经形成了一些头部企业：手机 SoC 芯片领域有华为海思、中兴微电子深度 布局；图像传感领域韦尔豪威大放异彩；汇顶 科技 于 2019 年引爆了光学屏下指纹市场；卓胜微、 澜起 科技 分别在射频开关和内存接口领域取得全球领先。IC 设计企业快速成长有望保持对晶圆代 工的强劲需求。
晶圆代工自给率不足。 中国是全球最大的半导体需求市场，根据中芯国际的预测，2020 年中国对 半导体产品的需求为 2130 亿美元，占全球总市场份额为 49%，但是与之相比的是晶圆代工市场份 额严重不足，根据拓墣研究的数据，2020Q2，中芯国际和华虹半导体份额加起来才 6%，晶圆代 工自给率严重不足，尤其考虑到中国 IC 设计企业数量快速增长，未来的需求有望持续增长，而且， 美国对华为等企业的禁令，更是让我们意识到了提升本土晶圆代工技术和产能的重要性。
4.2政策与融资支持，中国晶圆代工企业迎来良机（略）
晶圆代工需求不断增长，但国内自给严重不足，受益需求与国内政策双重驱动，国内晶圆代工迎来 良机。建议关注：国内晶圆代工龙头，突破先进制程瓶颈的中芯国际-U、特色化晶 圆代工与功率半导体 IDM 双翼发展的华润微华润微、坚持特色工艺，盈利能力强的华虹半导体华虹半导体。
……
（报告观点属于原作者，仅供参考。作者：东方证券，蒯剑、马天翼）
如需完整报告请登录【未来智库】。
人工智能产业发展深度报告：格局、潜力与展望
人
工智能（Artificial Intelligence行业风向标|AIGC爆发式发展，服务器芯片需求广阔，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸
近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。
人工智能市场格局
人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 7.1 万亿美元。
多角度人工智能产业比较
战略部署：大国角逐，布局各有侧重
全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。
美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。
伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署行业风向标|AIGC爆发式发展，服务器芯片需求广阔了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。
日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。
基础层面：技术薄弱，芯片之路任重道远
基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。 受限于技术积累与研发投入的不足，国内在基础层领域相 对薄弱。具体而言，在 AI 芯片领域，国际 科技 巨头芯片已基本构建产业生态，而中国尚 未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术 （SDN）、 开发语音等核心技术被掌握在亚马逊、微软等少数国外 科技 巨头手中。虽国内 阿里、华为等 科技 公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传 感器多种产品类型，而在中国也涌现了诸如汇顶 科技 的指纹传感器等产品，但整体产业布 局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数 据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。
“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。
依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。
GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。
FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内百度、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。
ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如百度、华为和阿里）在细分领域也有所建树。
总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。
技术层面：乘胜追击，国内头部企业各领风骚
技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。
具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，百度的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。
在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。
作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。
计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 69.4%，其中商汤市场份额 20.6%排名第一。
应用层面：群雄逐鹿，格局未定
应用场景市场空间广阔，全球市场格局未定。 受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到360.5 亿元，约是技术层的1.67 倍，基础层的2.53 倍。 在全球范围内，人工智能仍处在产业化和市场化的 探索 阶段，落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企 业，在很多细分领域的市场竞争格局尚未定型。
中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早，以谷歌、亚马逊等企业为首的 科技 巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国 人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于 世界前列。例如，中国 AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。
整体来看 ，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看， 我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。 但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终 端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。
透析人工智能发展潜力
基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对 中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重 后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。
从智能产业基础的角度
产业化程度：增长强劲，产业规模仅次美国
中国人工智能尚在产业化初期，但市场发展潜力较大。 产业化程度是判断人工智能发展活 力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能 市场规模分别是 213、71.25 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度， 据清华大学 科技 政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家） 人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展 望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的 增长态势，发展潜力较大。
技术创新能力：专利多而不优，海外布局仍有欠缺
专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申 请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出 量首超美国，并长期雄踞申请量首位。
从专利申请领域来看， 深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重 点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界 第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI 科技 热潮兴起后 申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁 荣的结构性不均衡问题。
中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。 尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少， 仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布 局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示， 受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效， 而美国 85.6%的专利仍能得到有效保留。
人才储备：供需失衡，顶尖人才缺口大
人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布 不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有 43064 名人工智能人才，位居全球第一，占全球总量的 21.1%。美国和中国分别以 28536、18232 列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 2.26 倍，基础层人才数是中国的 13.8 倍。
我国人工智能人才供需严重失衡，杰出人才缺口大。 据 BOSS 直聘测算，2017 年国内人 工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着 至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄 厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰 出人才（977 人）比例仍明显偏低，不足欧美的 1/5。
人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。 根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看， 国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 43.9%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。
从学术生态的角度
技术创新能力：科研产出表现强劲，产学融合尚待加强
科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 69.64%。近些年，中国积极开展前瞻性 科技 布 局， AI发展势头强劲，从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%， CAGR17.94%。2018 年，中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。
我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact， 加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世 界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高 于全球平均水平的 36.78%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文 影响力增幅明显，2018 年，中国 FWCI 为 0.80，较 2010 年增长 44.23%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出 为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量 论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。
从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成 果转化的短板。 而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 7.36 倍，欧盟的 1.92 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%，与以色列（10.06%）、美国（9.53%）、日本（6.47%）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。
中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。 据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中， 美国（168 所）独占鳌头，占据全球的 45.7%。中国拥有 20 所高校与英国并列第三，数 量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。
从创新环境的角度
研发投入：中美研发投入差距收窄
中国研发高投入高强度，在全球研发表现中占据重要地位。 从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投 入总和占全球总量的比例已达 60.77%。其中，美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 14.43%，同期美国 CAGR 仅 2.99%。由于经济疲软等 诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测， 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体 上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 1.97%，低于日本和美国 1.53、0.87 个百分点。
资本投入：资金多而项目缺，资本投向侧重终端市场
中美是全球人工智能“融资高地”。 人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总 融资额的 50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第 二大融资体，融资总额占全球 35.5%。考虑到已有格局和近期变化，其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人 工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。
相比较美国，中国资本投向侧重易落地的终端市场。 从融资层面来看，中国各领域发展较 为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示， 芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场 高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。
基于信息熵的 TOPSIS 法：综合指标评估
数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。 具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在 高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场 的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研 产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来， 若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。
展望
转自丨 信息化协同创新专委会
中金公司：东数西算蓄势待发 AI芯片有望受益
“东数西算”工程全面启动行业风向标|AIGC爆发式发展，服务器芯片需求广阔，西部数据中心更加聚焦存储备份、离线处理等任务。该机构分析师认为AI超算中心聚焦训练任务行业风向标|AIGC爆发式发展，服务器芯片需求广阔，强算力、高功耗、弱延时的特性与西部枢纽的功能定位切合行业风向标|AIGC爆发式发展，服务器芯片需求广阔，叠加AI的国家战略地位，该机构分析师预计AI超算中心有望受益于“东数西算”。 作为其中的算力基础，云端AI芯片市场空间广阔，该机构分析师预计全球云端AI芯片2025年市场规模将达到261亿美元。
摘要
AI芯片是人工智能的算力基础，云边端AI芯片阶梯式满足AI推理与训练需求。 在AIoT提供海量数据、深度学习算法日益成熟的当下，AI芯片作为AI应用落地的算力基础，重要性日益凸显。该机构分析师看到行业风向标|AIGC爆发式发展，服务器芯片需求广阔：1）终端AI芯片追求以低功耗完成推理任务，以实际落地场景需求为导向，在能耗/算力/时延/成本等方面存在差异；2）边缘AI芯片介于终端与云端之间，承接低时延/高隐私要求/高网络带宽占用的推理或训练任务；3）云端AI芯片以高算力/完成训练任务为目标，包括CPU/GPU/FPGA/ASIC等多种类型。该机构分析师认为，云端训练任务与西部枢纽的定位契合，云端AI芯片有望受益“东数西算”。
传统通用芯片CPU/GPU/FPGA部分适配AI需要，GPU凭借高算力成为主流选择。 传统CPU遵循串行的执行方式，运算单元占比小，各厂商尝试提高频率/增加计算单元/增加核数以提升算力，但受制于成本/功耗/技术难度，仍未出现适配AI要求的主流CPU产品。GPU运算单元占比高，适合并行处理大规模数据，虽然功耗及成本仍较高，但高算力适配深度学习等算法的数据处理需求，叠加成熟生态CUDA，GPU成为云端AI芯片的主流选择。此外，FPGA由于可编程而更具灵活性，相比于CPU/GPU/ASIC分别在算力/功耗/成本（小规模）上更具优势，该机构分析师认为在芯片需求未成规模、AI算法持续迭代的背景下，FPGA凭借可重构特性成为最佳选择之一。
在AI云端算力需求的推动下，ASIC/DPU等专用芯片应运而生。 由于ASIC为专用芯片，在研发成本、灵活性上所有欠缺，但其在特定使用场景下高算力/低功耗/小面积的优势仍吸引国内外厂商积极布局，如TPU、类脑芯片等。该机构分析师认为，AI渗透率的提升及RISC-V开源指令集的发展有望推动ASIC单位芯片成本的降低，形成“规模效应-成本下降-应用规模提升”的良性循环，有望成为未来的主流选择。DPU则通过卸载CPU网络传输、数据安全、存储加速等功能，优化数据中心的基础层运算任务，将CPU的算力释放至上层应用，在数据中心层面实现算力提升。该机构分析师认为，DPU有望与CPU、GPU三足鼎立，成为数据中心的核心算力支撑。
AI技术对于哪种芯片需求性最高？AI技术会首先应用于哪个层面？
需求最高的芯片主要有:通用型的芯片、基于FPGA的半定制化芯片以及全定制化ASIC芯片。这些芯片的应用领域都非常的广泛，首先应用于人工智能，例如智能家电、智能机器人、虚拟个人助理、语言识别翻译、视觉内容自动识别等等。
1、 AI技术发展的意义
AI技术已经成为了人工智能时代最核心的技术之一。目前它已经成为了投资界最热门的投资领域，而市场上各种各样的芯片层出不穷。截至目前为止AI技术的发展已呈现了爆炸性的增长趋势，而这一发展趋势，给新型企业带来了颠覆性的机会，同时促进研究界开展新一轮的技术研发，并提高AI技术的市场应用范围。
2、AI技术的应用领域
AI技术目前发展主要有三个方向，一是异构计算。AI时代没有哪一种单独的芯片是可以独占鳌头，因为不管是通用型芯片，还是全智能化定制芯片，行业风向标|AIGC爆发式发展，服务器芯片需求广阔他们都各有其优缺点,所以未来探索的方向就是将它们结合在一起，共同实现更高效的计算。二是芯片不断的精细化。从通用型芯片向专用型芯片转化，提高AI技术向专业领域方面的应用。三是探索新结构的储存模式。人工智能智能时代对储存容量的要求特别高，因为当行业风向标|AIGC爆发式发展，服务器芯片需求广阔我们储存的内容越来越大，容量满足不了计算本身本身时，就会面临严峻的挑战。
3、生活在智能时代的我们，应如何面对行业风向标|AIGC爆发式发展，服务器芯片需求广阔？
首先我们要不断的学习，提高自己的认知水平，尽快的学习并接受人工智能带来的便利。其次我们要深度挖掘自己的智慧，善于创新新的事物，做一些人工智能做不了的事情，增加自己的社会竞争力。
关于行业风向标|AIGC爆发式发展，服务器芯片需求广阔和服务器芯片国产化的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
