我国人工智能硬件产业现状分析.docx

我国人工智能硬件产业现状分析 随着人工智能新兴产业得到高速发展，传统计算架构已无法满足海量数据和复杂模型对大规模并行计算能力的需求，对人工智能硬件设备性能提出了更高要求。人工智能芯片和超级计算机是保障人工智能产业持续高速发展的核心硬件基础设施，以人工智能为载体的算力更是人工智能发展水平的重要衡量指标之一，对人工智能的应用影响深远。 1、?人工智能芯片 （1）?人工智能芯片的概念内涵 目前对于人工智能芯片尚无统一的定义，广义上认为专门用于人工智能大量计算任务的芯片都可称为人工智能芯片，狭义上认为针对人工智能算法特殊设计的芯片称为人工智能芯片。人工智能芯片的发展一方面依赖于数字模型和算法的发展，一方面依赖于半导体集成电路设计、制造、封装等技术进步和新材料的发展使用。从技术架构来说，人工智能芯片可分为图形处理单元（GPU）、半定制化的现场可编程门阵列（FPGA）、全定制化的专用芯片（ASIC），以及神经拟态芯片即类脑芯片（表1）。 表1 芯片技术架构对比 2015年前后，深度学习在产业界爆发，GPU也随之崛起。其具有超过CPU数十倍的计算能力，已成为通用计算机和超级计算机的主要处理器。当前已逐渐衍生出了通用计算GPU（GPGPU），即利用图形处理器进行非图形渲染的高性能计算。超级计算机、大数据处理、人工智能等对算力要求非常高的应用场景中，算力大都采用CPU+GPU或搭配专用加速芯片的构建方式。 FPGA芯片是在PAL（可编程逻辑阵列）、GAL（通用阵列逻辑）、CPLD（复杂可编程逻辑器件）等传统逻辑电路和门阵列的基础上发展起来的半定制芯片，具有现场可编程性，既解决了半定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。与GPU、ASIC等类型芯片相比，FPGA芯片底层逻辑运算单元的连线及逻辑布局未固化，其具有灵活、可快速开发、延迟低等优点，适用于底层算法需要持续更新迭代的领域。 ASIC芯片是一种根据特定算法定制的芯片架构，其定制程度相比于GPU和FPGA更高。ASIC算力水平一般高于CPU、GPU、FPGA，但初始阶段需要较大的成本投入。ASIC专用性强，同时也限制了其通用性，算法一旦改变，计算能力会大幅下降，需要重新定制。但对于一些特定的领域，其数据量庞大，算法趋于固定，ASIC芯片成为首选。近年来出现的张量处理器（TPU）、神经网络处理器（NPU）、视觉处理器（VPU）等都是ASIC专用芯片。 类脑芯片通过模拟人脑进行设计。相比于GPU、FPGA、ASIC等基于深度学习并行计算的AI芯片，类脑芯片基于神经形态计算，即脉冲神经网络，可以通过小样本数据训练，支持无监督学习，具有效率更高，功耗更低，延时极低等优点。目前用于实现类脑芯片的硬件器件材料主要有忆阻器、自旋电子器件、光子器件、电化学器件，石墨烯等新型二维材料等。 此外，从功能任务角度，AI芯片可以分为训练芯片和推理芯片。从部署位置来分，可分为云端和边缘端两类AI芯片。云端主要部署训练芯片和推理芯片，承担训练和推理任务，具体指智能数据分析、模型训练任务和部分对传输带宽要求比高的推理任务；边缘主要部署推理芯片，承担推理任务，需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。 （2）?人工智能芯片专利计量分析 对人工智能算法芯片进行计量分析，由incoPat专利数据库检索获得全球发明申请专利，检索时间为申请日在2000年1月1日以后，简单同族处理后，共获得433874条专利数据。 从全球专利总量来源分布来看（图1），我国人工智能芯片总专利申请量达157652项，位居全球第一，美国总专利申请量为126810项，居世界第二。从专利授权数年度申请趋势来看，全球人工智能芯片领域专利申请量在2000-2009年间波动缓慢增长，2009年后专利申请涨幅增加，AI芯片全球专利布局数量呈现快速增长态势。2000-2022年间美国人工智能芯片申请量基本稳定，呈显出缓慢、小幅度的增长趋势。而这期间我国专利数量大幅度增长，2013年专利申请数超过美国，位居世界第一。 图1? 人工智能芯片专利数量全球分布及年度趋势 从专利申请机构分布角度来看（图2），AI芯片专利布局机构主要来源于日本、美国、韩国和中国，同时专利布局优势机构主要以企业为主。其中，三星公司人工智能芯片专利数达6659项位居全球第一，美国研制处理器公司英特尔以4642项专利排在第二。全球机构TOP15中仅有我国两家企业，分别是排在第12位的国家电网和第14位的苏州浪潮智能科技有限公司。日本有7家企业入围TOP15专利申请机构，包括佳能、理光、索尼、富士胶片、东芝、爱普生和夏普。美国有4家公司入围，包括英特尔、IBM、高通以及美光科技。韩国企业三星和LG（排名第6）入围TOP15机构，排名靠前。整体来看，我国在AI芯片专利