研判2024！中國人工智能芯片行業產業鏈圖譜、市場規模及前景分析：國內智能算力建設加速推進，國產AI芯片產業加速發展[圖]

內容概要：自2020年OpenAI發布生成式人工智能模型GPT-3以來，人工智能熱潮再度席卷全球，我國以加速計算為核心的算力中心規模不斷擴大，疊加科技興國政策以及基建、數字經濟等利好政策驅動，國內智能算力建設工程建設加速推進，市場人工智能芯片產業應用需求日益增長，持續拉動國內人工智能芯片市場發展。據統計，2023年，我國工智能芯片領域投融資事件數量為77件，行業投融資金額達147.35億元；全國人工智能芯片市場規模已增至1206億元，與2018年相比，年復合增長了79.9%。

關鍵詞：智能算力；人工智能芯片市場規模；AI芯片產業鏈；人工智能芯片投融資

一、行業概況

人工智能芯片即AI芯片，也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。根據其設計和應用特性，市面上主流的人工智能芯片分為GPU、FPGA以及ASIC（包括NPU、ASSP）三類。其中，GPU作為通用型人工智能芯片，其技術發展已經相當成熟；而FPGA和ASIC（包括NPU、ASSP）則是根據人工智能的特定需求進行半定制或全定制設計的芯片。

就通用性和靈活性而言，GPU無疑是最出色的，能夠適應多種不同的計算任務；FPGA的通用性和靈活性稍遜于GPU，但也能適應一定范圍內的變化。相比之下，ASIC（包括NPU、ASSP）的通用性和靈活性較低，因為它們是為特定任務或應用場景定制的。不過ASIC在生產成本和功耗方面具有顯著優勢，這使得它們在需要大量部署且任務相對固定的場景中非常受歡迎?？傊?，隨著人工智能的快速發展，人工智能芯片應用場景不斷拓展，產業規模加速發展。

2007年以前，人工智能研究和應用經歷了數次起伏，一直沒有發展成為成熟的產業；同時受限于當時算法、數據等因素，這一階段人工智能對于芯片并沒有特別強烈的需求，通用的CPU芯片即可提供足夠的計算能力。隨后在2008年由于高清視頻、游戲等行業的發展，GPU產品取得快速的突破，GPU的并行計算特性恰好適應人工智能算法大數據并行計算的要求（與CPU相比GPU在深度學習算法的運算效率上可以提高9倍到72倍），GPU進行人工智能的計算開始逐步嘗試使用。進入2010年后隨著云計算的推廣，通過云計算借助大量CPU和GPU進行混合運算。隨著人工智能業界對于計算能力的要求不斷提升，在2015年后業界開始研發針對人工智能的專用芯片，通過更好的硬件和芯片架構，在計算效率上進一步帶來10倍的提升。

人工智能芯片產業鏈上游是為人工智能芯片制造提供所需的設備、算法和原材料的供應商，如EDA、硅片、光刻膠、電子特氣、光刻機、單晶爐、蝕刻機、離子注入機等。產業鏈中游指人工智能芯片制造，是AI芯片產業鏈的核心環節，主要包括芯片設計、制造和封裝測試等步驟。在這一環節中，需要考慮到芯片的性能、功耗、成本等多個因素，以滿足下游應用場景的需求。產業鏈下游是人工智能芯片產業鏈的最終環節，主要包括智能家居、智能駕駛、機器人、數據中心等領域。隨著下游市場對人工智能芯片的應用需求增長，持續推動著人工智能芯片產業發展。

相關報告：智研咨詢發布的《中國人工智能芯片行業市場調查研究及發展前景規劃報告》

二、產業現狀

近年來，國務院、國家發改委、工信部等多部門都陸續印發了支持、規范人工智能芯片行業的發展政策，涉及人工智能芯片發展技術路線、芯片行業建設規范、芯片行業安全運行規范等方面內容。在中央政策指導下，各地政府也相繼發布支持人工智能芯片發展政策及規劃，國內人工智能芯片產業發展政策體系日益完善，為我國人工智能芯片產業發展提供給強有力支持，持續助力國產智能芯片產業發展。例如，2023年10月，深圳市南山區人民政府辦公室發布的《南山區加快人工智能全域全時創新應用實施方案》提出，針對場景創新中南山算法企業不足、算力資源有限、高端人才緊缺的問題，積極引入具有通用大模型能力和專用AI芯片技術的企業；2024年6月，廣東省人民政府辦公廳發布的《廣東省關于人工智能賦能千行百業的若干措施》提出，培育芯片創新發展生態，探索存算一體、類腦計算、芯粒、指令集等芯片研發與應用，推動面向云端和終端的芯片應用，推廣高性能云端智能服務器。

算力是實現人工智能產業化的核心力量。與一般數據模型運算處理需求不同的是，人工智能訓練模型參數量達、迭代速度快，且模型算法要求的芯片算力準確度高。以GPT-1模型為例，自該模型2018年首次發布以來，其模型已由最初的12層、約1.2億個參數，增長至2023年的120層、約1.8萬億級參數。這意味著，隨著人工智能向多場 景化、規?；?、融合化等高應用階段發展，AI模型需要的智能算力規模是呈指數型增長的。數據顯示，目前，由人工智能生成的數據占全球數據總規模比例還不到百分之一。但全球智能算力缺口問題已經開始持續凸顯。未來，隨著人工智能產業持續發展，人工智能應用日益擴張，全球人工智能生成數據規模將不斷擴大。據Gartner預測，至2025年，全球人工智能生成數據規模占比或將達到10%。在此驅動下，全球智能“算力荒”問題日益加深，算力饑餓將成為限制AI技術創新的主要問題，同時，也將為人工智能芯片產業發展提供更多可能。

近幾年來，在生成式人工智能潮流，以及國家數字化建設戰略目標推動下，我國人工智能技術應用愈加廣泛，全國智能算力應用需求規模爆發式增長、擴張。為保障市場應用需求、推動國家數字經濟高質量發展，國內智能算力建設加速推進。數據顯示，截至2023年底，我國智能算力規模達到414.1EFLOPS，同比增長59.33%；全國智能算力占算力總規模比重超過30%。

自2020年OpenAI發布生成式人工智能模型GPT-3以來，人工智能熱潮再度席卷全球，我國以加速計算為核心的算力中心規模不斷擴大，疊加科技興國政策以及基建、數字經濟等利好政策驅動，國內智能算力建設工程建設加速推進，市場人工智能芯片產業應用需求日益增長，持續拉動國內人工智能芯片市場發展。據統計，2023年，我國工智能芯片領域投融資事件數量為77件，行業投融資金額達147.35億元；全國人工智能芯片市場規模已增至1206億元，與2018年相比，年復合增長了79.9%。

三、發展趨勢

1、FPGA芯片應用將日益廣泛

FPGA 是短期內AI 芯片市場上的重要增長點，FPGA 的最大優勢在于可編程帶來的配置靈活性，在當前技術與運用都在快速更迭的時期，FPGA 具有明顯的實用性。企業通過FPGA 可以有效降低研發調試成本，提高市場響應能力，推出差異化產品。在專業芯片發展得足夠完善之前，FPGA 是最好的過渡產品，正因為如此，科技巨頭紛紛布局云計算+FPGA 的平臺。隨著FPGA 的開發者生態逐漸豐富，適用的編程語言增加，FPGA 運用會更加廣泛。因此短期內，FPGA 作為兼顧效率和靈活性的硬件選擇仍將是熱點所在。

2、神經擬態芯片技術和可重構計算芯片成為廠商研制重點

從芯片發展的大趨勢來看，目前人工智能芯片產業尚處于初級發展階段，無論是科研還是產業應用都有巨大的創新空間。從確定算法、領域的人工智能加速芯片向具備更高靈活性、適應性的智能芯片發展是科研發展的必然方向。神經擬態芯片技術和可重構計算芯片技術允許硬件架構和功能隨軟件變化而變化，實現以高能效比支持多種智能任務，在實現AI功能時具有獨到的優勢，具備廣闊的前景，未來或將成為人工智能芯片企業技術研發重要方向，持續推動人工智能芯片產業發展。根據市場預測，2025年我國人工智能芯片產業規模有望增至2600億元。

以上數據及信息可參考智研咨詢（www.njjkdl.com）發布的《中國人工智能芯片行業市場調查研究及發展前景規劃報告》。智研咨詢是中國領先產業咨詢機構，提供深度產業研究報告、商業計劃書、可行性研究報告及定制服務等一站式產業咨詢服務。您可以關注【智研咨詢】公眾號，每天及時掌握更多行業動態。