2022年訓練芯片（用於機器循環學習獲得更佳參數的芯片）中國市場規模45萬片，單價1萬美元/片，市場規模為45億美元2022年推演芯片（模型訓練完成後不需要龐大計算量，需要儘快獲得推理結果的芯片），中國市場規模35萬片，單價2500美元/片，市場規模為8.7億美元訓練芯片：GPU占95%，ASIC和FPGA約占5%。推理芯片：ASIC占5-10%（國內華為比較領先），FPGA占不到1%，剩下都是GPU。國外的推理芯片裡ASIC占比比中國相對高一些。2022年中國AI芯片整體規模增速大概在15%左右，如果受到歐美影響，增速可能會降到10%總體市場規模國內占全球的20%左右，各類芯片所占比重相似，增速也類似大概在15%左右。主要AI芯片的需求在美國和歐洲，GOOGLE,FACEBOOK,微軟等公司都在自研AI芯片。GPU具有生態和先發優勢。技術發展時間較長，相應的代碼社區比較完善，且有相應的開源代碼，算力也是三者中最優秀的。英偉達是絕對龍頭。使用成本最低，泛用性最高，但是一般來說功耗較高。我國的GPU還是比較弱，技術上面還有5-10年。GPU的主要應用領域在雲端推理與訓練。是AI芯片中適用範圍最廣的芯片。2.2.ASIC:ASIC具有單位算力功耗較低的優勢，相應的代碼社區不夠完善，使用成本較高，功耗有不同規格。我國在ASIC上國產替代可能性相對較大，技術相對成熟（不過目前沒有批量商用的情況）。對海康威視，大華股份這樣被美國限制的企業，可以採購國內生產的ASIC芯片進行商用，不過這部分可能僅限定在語音場景（圖像處理要求高一點）。ASCI需要對應用場景定製優化和策略，才能有較低的使用成本。ASIC主要應用領域在安防，數據中心，車載等相關對功率有要求的方面，也應用於觀測和邊緣計算等領域。FPGA為可編程芯片，因此生產和使用成本是三者中最高的，很難大規模商用，且底層語言的社區生態不完善。如果用C編程的話，有bug，且性能大幅下降。FPGA主要應用於研發領域，和一部分需要在一個板子上使用不同功能的應用場景。2021年晶圓廠產能緊張，但是國內產能相對需求而言還算可以。主要是國內高端GPU的技術比較弱，且沒有經歷過長時間的商用，商用進程推進比較緩慢。主要還是依靠國外（我聽他的意思，國產替代應用上有難度，需要時間）。下游配套產能也存在不足的情況。比如去年浪潮信息的服務器產能不足，導致了光有芯片但是沒地方用的情況。總體而言國內電子元器件的產能還是比較低，制約了AI芯片的出貨情況。目前小廠的AI芯片很難大批量商用，主要是商業化的問題，技術層面的問題可以慢慢解決，如果商業化不解決的話，未來可能會死一批企業。美國制裁對我國的AI芯片發展也有很大的風險。=很多GPU芯片都用的英偉達的IO口設計，到時候如果國內被美國制裁，說知識產權問題，可能有這個專利的風險。4. GPU和ASIC的具體應用數據情況：對訓練芯片而言，算力需求無止境，計算量越大越好。雲端服務器大概要用到64T-512T。GPU如之前所說，主要用於雲端的計算和推理。（2）盒子（具體啥盒子沒說）：8-16T算力，5W-10W功耗國外GPU目前還是壟斷性質的。基本上國產GPU的價格都是英偉達的70%。英偉達推出新的GPU基本上是性能翻2.5倍，價格翻1.5倍這樣子。國內的幾個牌子：壁仞，摩爾線程，靈汐，寒武紀（上市）,平頭哥其中寒武紀有硬性的毛利率要求，60%，低了寒武紀不干，高了下游的人不干。其他的沒上市公司毛利率可能會第一點，主要困難在變現。景嘉微主要做渲染和軍工，性能不咋地，只能做桌面顯卡。國外對國內有技術的原理出口限制，很多自研也沒辦法用在WINDOWS上，也沒辦法購買授權。加上軍工本來就不讓買國外的東西，所以可能公司也受到了一定的限制。目前國內很多AI芯片，包括國外，主要應用在互聯網數據分析上。比如百度，阿里，他們都有自研AI芯片，也很少會向別的網絡公司採購AI芯片，基本都是自己研製出來自己用。但是互聯網的AI應用肯定量是很大的。阿里也在研究類腦芯片，處於研究，概念階段。如果做出來會重新構造目前的X86,GPU,CPU體系。但是很難，技術發展預計5-10年（還不一定能研究出來），商用生態初級要5年，成熟要10年，所以最終類腦芯片也要20年才能正式商用，目前先不用看。PS：如若內容對您有所幫助，請記得點讚、在看、轉發，您的鼓勵是對我的肯定，也是我最大的動力源泉！本紀要來自於網絡，若紀要所屬機構認為不便傳播，請添加微信聯繫我刪除紀要！如若造成不便，請多包涵！風險提示：文中涉及的行業和個股觀點僅供參考，不做任何買賣依據，僅做邏輯參考，請注意風險！！
鑽石舞台 發表在 痞客邦 留言(0) 人氣()
留言列表
留言列表