见长的Nvidia股价从十几年的稳居30美元迅速飙升至120美元。据悉，世界上目前约有3000多家AI初创公司，大部分都采用了Nvidia提供的硬件平台。

互联网和芯片行业巨头纷纷布局 AI芯片领域

资料来源：公开资料整理

3、FPGA潜力被低估了，未来大有可为

算法正向有利于FPGA发展的方向迭代。模型压缩是从训练环节走向推理环节的必要过程。深鉴科技在将LSTM模型的尺寸压缩20倍后，采用了搭建在FPGA上的硬件框架ESE，获得了高一个数量级的能量效率提升。能量效率分别为CPU的40倍和GPU的11.5倍。

FPGA受益于芯片NRE费用指数级上升带来的规模效应。随着制程工艺不断提高，芯片NRE费用指数级上升，越来越多的ASIC芯片将由于达不到规模经济而被迫放弃，从而转向直接基于FPGA开发设计。

四、中国人工智能芯片行业发展现状 1、我国人工智能芯片行业正处于起步阶段

目前，我国的人工智能芯片行业发展尚处于起步阶段。华为在2017年德国柏林国际消费类电子产品展览会发布华为首款人工智能（ AI）移动计算平台——麒麟 970，是业界首颗带有独立 NPU（神经网络单元）的手机芯片，是华为人工智能的重要里程碑，也是中国芯片设计行业的重要里程碑。

2、我国人工智能芯片行业规模分析

随着大数据的发展，计算能力的提升，人工智能近两年迎来了新一轮的爆发。芯片约占人工智能比重的15%，结合我国人工智能市场规模，推算出2016年我国人工智能芯片市场规模约为20亿元。

数据来源：中商产业研究院

3、我国人工智能芯片行业区域发展分析

据工信部统计，中国北上深三座城市的人工智能相关企业总数达447家，攀升速度迅猛。目前，几乎所有互联网企业的互联网产品，都会或多或少加入算法和深度学习的功能，AI正在成为中国互联网公司的标配。

资料来源：中商产业研究院

五、科技巨头纷纷布局人工智能芯片领域

全球科技巨头都在加紧布局AI芯片，希望走在科技变革时代的前线。

NVIDIA是AI芯片的市场领先者，占据了全球GPU70%的市场份额；Intel接连收购Altera、Nervana、Movidius，全方位布局AI产品；Google发布两代TPU，从ASIC方向进军AI芯片市场；寒武纪科技是中科院计算所孵化的一家独角兽公司。2016年推出了国际首个深度学习专用处理器芯片(NPU)，技术全球领先。

1、NVIDIA:GPU龙头，AI芯片的市场领先者

目前全球GPU行业的市场份额有超过70%被英伟达公司占据。而应用在人工智能领域的可进行通用计算的GPU市场则基本被英伟达公司垄断。

自1999年发布第一款GPU以来，GPU就成为了英伟达最为核心的产品，占到了英伟达总营业收入的八成以上。英伟达的股价表现也是十分惊人，2016年英伟达的股价上涨了228%，过去的5年内累计上涨500%。

目前英伟达GPU芯片主要应用方向为数据中心芯片、自动驾驶芯片和嵌入式芯片。主要包括采用Pascal架构的TeslaP100和TeslaP10芯片、采用Volta架构的DGX-1芯片、自动驾驶的DriverPX2芯片、JetsonTX2芯片等。

GPU芯片构成公司最主要收入来源，2017年上半年，GPU贡献收入34.59亿美元，占公司总收入的83%；TegraProcessor贡献收入6.65亿美元，占比16%，其他部分贡献收入1%。

数据来源：中商产业研究院

2、Intel：全领域布局人工智能产品

2015年，英特尔以167亿美元收购了FPGA制造商Altera。英特尔斥巨资收购Altera不是来为FPGA技术发展做贡献的，而是要让FPGA技术为英特尔的发展做贡献。

2016年8月，Intel宣布收购创业公司NervanaSystems。Nervana准备推出深度学习定制芯片NervanaEngine，相比GPU在训练方面可以提升10倍性能。与TeslaP100类似，该芯片也利用16-bit半精度浮点计算单元和大容量高带宽内存（HBM，计划为32GB，是竞品P100的两倍），摒弃了大量深度学习不需要的通用计算单元。

Intel人工智能布局

料来源：公开资料整理

3、Google：发布两代TPU，从ASIC方向进军AI芯片市场

第一代TPU展现出ASIC在神经网络推断方面的优秀性能。谷歌在2016年的I/O大会上推出了自己的AI芯片——张量处理器TPU（第一代）。

第二代TPU兼具推理+训练。2017年5月I/O大会上，谷歌发布了第二代TPU—CloudTPU，峰值性能达到180TFLOPS/s。第一代TPU只加速推理，但第二代TPU新增了训练的功能。不仅如此，谷歌的用户还能通过专门的网络，在云端利用TPU构建机器学习的超级计算机。

Google公司TPU架构