綜述
AI芯片也被稱為AI加速器或計算卡，按技術(shù)架構(gòu)可以分為通用圖形處理器（GPGPU），中央處理器（CPU），專用集成芯片（ASIC）以及現(xiàn)場可編程門陣列（FPGA）等。在人工智能的發(fā)展中，研發(fā)人員發(fā)現(xiàn)并行計算可以進行高效的模型訓(xùn)練，處理大規(guī)模復(fù)雜數(shù)據(jù)。而GPGPU相對其他芯片并行計算性能較高，適合計算密集型應(yīng)用，因此成為了算力芯片的主流。
按功能分類，AI芯片可以分為訓(xùn)練卡和推理卡兩個類型。訓(xùn)練卡也叫大卡，通常擁有更高的計算能力和內(nèi)存帶寬，以支持訓(xùn)練過程中的大量計算和數(shù)據(jù)處理；推理卡也稱小卡，其參數(shù)較低，只需滿足推理需求。一般情況下，訓(xùn)練卡可以作為推理卡使用，但推理卡不能作為訓(xùn)練卡使用。簡單來說，大模型的訓(xùn)練需要大量的訓(xùn)練卡形成顯卡集群，而在應(yīng)用上，則需要推理卡運行AI模型進行計算。
本輪人工智能浪潮由ChatGPT掀起，并以語言大模型和生成式AI應(yīng)用作為切入點。自谷歌在2017年發(fā)表至今，Transformer除了帶來像ChatGPT這樣的C端爆款產(chǎn)品外，其早已在自然語言處理、計算機視覺、自動駕駛等領(lǐng)域里廣泛應(yīng)用。各中外科技企業(yè)持續(xù)加大對相關(guān)的投入，包括谷歌、Meta、微軟、字節(jié)跳動、百度等海內(nèi)外一眾科技巨頭和初創(chuàng)企業(yè)均希望分一杯羹，其他非技術(shù)公司也不斷在人才、技術(shù)和資源方面進行布局。根據(jù)Bloomberg Intelligence的預(yù)測數(shù)據(jù)，到2032年，生成式 AI 在總體信息技術(shù)硬件、軟件、服務(wù)、廣告和游戲等支出中的占比或?qū)哪壳安坏?%的水平擴大至12%。
圖表 1：2020-2032E全球生成式AI收入及預(yù)測（單位：10億美元）
數(shù)據(jù)來源：Bloomberg Intelligence、來覓數(shù)據(jù)整理
2018年，OpenAI推出第一代生成式預(yù)訓(xùn)練語言模型GPT-1，擁有1.17億個參數(shù)，2023年發(fā)布的GPT-4參數(shù)量約為1.8萬億個。5年時間超萬倍參數(shù)量的提升帶來的是大模型對于算力需求的指數(shù)級別增長。OpenAI 測算，自2012年起，全球頭部AI模型訓(xùn)練算力需求每3-4個月翻一番。尤其是在2023年后，AI發(fā)展如火如荼，海內(nèi)外廠商紛紛都加大了生成式AI的投入，“百模大戰(zhàn)”再起，這也使得算力需求將長期陷入緊缺。
圖表 2：2019-2026E中國智能算力規(guī)模及預(yù)測（單位：億元）
數(shù)據(jù)來源：IDC、來覓數(shù)據(jù)整理
在算法攻關(guān)、以及部分模型開源的背景下，國內(nèi)大模型進展迅速，不少國產(chǎn)AI大模型宣稱其單項能力已追趕上GPT-4。就目前而言，國內(nèi)AI能力與海外最大的差距主要在AI芯片上。由于眾所周知的原因，國內(nèi)的科技企業(yè)不但無法購買先進AI芯片，而且即使有了完整方案，自行制造AI芯片也變得十分困難。在這種背景下，國產(chǎn)AI芯片潛在成長空間巨大。
AI芯片是一個贏家通吃的游戲。Nvidia在AI芯片上的壟斷性地位足以使大多數(shù)競爭對手望而生畏。來覓研究院認為，AI芯片的難度主要體現(xiàn)在三個方面，即單卡性能/集群性能、生態(tài)/靈活性、制造難度/性價比。綜合這三個方面，Nvidia綜合實力最為領(lǐng)先，因而其在AI芯片市場取得了超90%的市場份額。
國內(nèi)企業(yè)產(chǎn)業(yè)進展如何？我們統(tǒng)計了國內(nèi)外相關(guān)AI芯片公司的具體參數(shù)，可以看到目前國內(nèi)AI芯片與海外AI芯片單卡性能上仍存在差距；但更大的差距來自訓(xùn)練側(cè)的萬卡互聯(lián)與生態(tài)建設(shè)�？傮w而言，國產(chǎn)AI芯片長期來看任重而道遠。
圖表 3：國內(nèi)外AI芯片廠商、產(chǎn)品及技術(shù)特征情況
數(shù)據(jù)來源：公開資料、來覓數(shù)據(jù)整理
國內(nèi)AI芯片主要集中于推理側(cè)，這一方面是為了與英偉達展開錯位競爭，另一方面，隨著AI技術(shù)的發(fā)展與普及，行業(yè)對高性能、低功耗的AI芯片的需求正不斷增加。不過，訓(xùn)練側(cè)芯片也有廠商正在布局，在2024年全球AI芯片峰會上，壁仞科技首次公布自主原創(chuàng)的異構(gòu)GPU協(xié)同訓(xùn)練方案HGCT，業(yè)界首次支持3種及以上異構(gòu)GPU混合訓(xùn)練同一個大模型。摩爾線程公布了其基于MTT S4000的萬卡智能集群夸娥（KUAE），發(fā)力訓(xùn)練測。華為、寒武紀(jì)、海光信息等廠商亦有類似動作。
AI芯片創(chuàng)業(yè)極為困難。來覓研究院認為，AI芯片創(chuàng)業(yè)難點一是要解決芯片設(shè)計、制造問題。由于海外制約，相關(guān)設(shè)計工具已被管制。然而制造問題是更現(xiàn)實的難題，Nvidia最新的AI芯片采用4NM制程，目前僅有臺積電具備制造實力，而大陸芯片制造實力則稍顯不足。
二是市場問題，英偉達仍是目前最有性價比的AI芯片方案，國內(nèi)AI公司采購國產(chǎn)AI芯片一方面是由于國產(chǎn)替代的主觀或客觀原因，另一方面也希望能使用更貼合自己需求的產(chǎn)品（如字節(jié)跳動等廠商針對需求自行設(shè)計AI芯片）。大模型一方面加速了AI芯片的發(fā)展，另一方面也讓芯片廠商之間的差距越來越大。國產(chǎn)AI芯片廠商必須考慮自己的產(chǎn)品能滿足客戶的什么特定需求，才能讓客戶甘愿花費高額溢價。
三是盈利能力。由于眾所周知的原因，AI芯片研發(fā)周期長、強度大、成本高，而這些投入往往在短期內(nèi)難以得到回報。因此，能獲得造血能力極為重要。在目前一級市場動態(tài)下，完全指望創(chuàng)投市場輸血可能性微乎其微，AI芯片公司的正現(xiàn)金流同樣值得考驗。
投融動態(tài)
AI芯片市場近年來呈現(xiàn)出強勁的增長勢頭。2024年全球AI芯片市場規(guī)模預(yù)計將達到712.52億美元，同比增長33%，并有望在2025年進一步增長至919.55億美元。在中國市場，2023年AI芯片市場規(guī)模達到1206億元，同比增長41.9%，預(yù)計2024年將增長至1412億元。據(jù)來覓數(shù)據(jù)顯示，AI芯片亦是今年最為活躍的賽道之一，融資輪次仍偏向早期，但部分明星項目已得到市場認可，資本正不斷加碼。感興趣的讀者，可以登錄Rime PEVC平臺獲取AI芯片賽道全量融資案例、被投項目及深度數(shù)據(jù)分析。
數(shù)據(jù)來源：來覓數(shù)據(jù)
展望
隨著大模型革命席卷全球，算力需求達到新高，推動云、邊、側(cè)AI芯片迭代與進化。在數(shù)據(jù)爆炸式增長、工藝逼近物理極限、國際形勢復(fù)雜多變?nèi)潢幵葡�，許多AI芯片企業(yè)低調(diào)務(wù)實地承壓前行，積極備戰(zhàn)生成式AI浪潮帶來的時代機遇。
正如Elon Musk所言：只有原材料是唯一的限制，制造的每一個環(huán)節(jié)都完全可以被重新發(fā)明。AI的巨大潛力必將催生出數(shù)萬億的市場規(guī)模，“卡脖子”只是暫時的，伴隨著先進制程的突破與資本的投入，我們與海外AI的距離是在縮小而不是增大。而國產(chǎn)替代的空間是巨大，相關(guān)企業(yè)也會迎來高速增長機會。
終局思維需要鎖定勝者。未來的世界需要無窮算力，但參考美國市場競爭格局，勝者可能只有寥寥數(shù)個。由于AI芯片贏家通吃的特點，我們認為國產(chǎn)AI芯片公司勝出必須同時具備技術(shù)實力、渠道能力、融資能力幾項能力。這些能力對創(chuàng)業(yè)公司挑戰(zhàn)巨大，但無形之中也構(gòu)建了行業(yè)壁壘。
來源：RimeData來覓數(shù)據(jù) 作者：來覓研究院
