據(jù)TrendForce表示，在全球數(shù)字化、智能化的浪潮下，物聯(lián)網(wǎng)設(shè)備不斷擴(kuò)增，例如工業(yè)機(jī)器人、AGV/AMR、智能型手機(jī)、智能音箱、智能攝影機(jī)等，加上自動(dòng)駕駛、影像辨識(shí)、語(yǔ)音語(yǔ)意辨識(shí)、運(yùn)算等技術(shù)在各領(lǐng)域深化應(yīng)用催化AI芯片與技術(shù)市場(chǎng)迅速成長(zhǎng)，預(yù)期2022年全球AI芯片市場(chǎng)規(guī)模將達(dá)到390億美元，成長(zhǎng)率18.2％。

由于目前AI芯片的應(yīng)用以云端運(yùn)算、安防、機(jī)器人與車(chē)用居多，2023年將進(jìn)入高成長(zhǎng)期，特別是由云端運(yùn)算、車(chē)用兩大領(lǐng)域引領(lǐng)市場(chǎng)快速成長(zhǎng)，到2025年全球AI芯片市場(chǎng)規(guī)模有望達(dá)到740億美元，2022～2025年CAGR將達(dá)到23.8％。

TrendForce表示，基于全球各種消費(fèi)性電子產(chǎn)品和數(shù)字技術(shù)的日益普及，促進(jìn)半導(dǎo)體市場(chǎng)成長(zhǎng)，亦讓AI和物聯(lián)網(wǎng)等最延伸性技術(shù)受到廣泛應(yīng)用，使AI芯片能在更短時(shí)間處理大量數(shù)據(jù)，故AI/ML（Machine Learning）、物聯(lián)網(wǎng)與無(wú)線通訊設(shè)備領(lǐng)域快速成長(zhǎng)同時(shí)，亦刺激對(duì)半導(dǎo)體的需求。

再者，AI芯片在進(jìn)行推理任務(wù)時(shí)，主要透過(guò)終端設(shè)備的傳感器、麥克風(fēng)陣列或鏡頭進(jìn)行數(shù)據(jù)采集，并將收集的數(shù)據(jù)代入訓(xùn)練好的模型推理得出推理結(jié)果，以最大限度減少人為錯(cuò)誤，這也說(shuō)明不同終端場(chǎng)景，對(duì)算力、能耗等性能的需求也有差異，因此需對(duì)特定應(yīng)用場(chǎng)景進(jìn)行特殊設(shè)計(jì)，實(shí)現(xiàn)最優(yōu)解決方案。

2020～2021年新冠疫情帶動(dòng)數(shù)字化浪潮，加上美國(guó)、中國(guó)與歐盟各國(guó)相繼出臺(tái)「數(shù)智能化發(fā)展策略」，催化國(guó)家暨產(chǎn)業(yè)數(shù)字轉(zhuǎn)型，例如美國(guó)大力推進(jìn)「美國(guó)制造」與「數(shù)字經(jīng)濟(jì)」進(jìn)程，前者主要側(cè)重半導(dǎo)體產(chǎn)業(yè)，鎖定IC設(shè)計(jì)、生產(chǎn)制程與核心設(shè)備；后者主要專注在數(shù)字美元，現(xiàn)正處于驗(yàn)證系統(tǒng)開(kāi)發(fā)與法案擬定階段。歐盟則是「歐洲數(shù)字羅盤(pán)（Europe's Digital Compass）」計(jì)劃，其圍繞人才培育、確保安全與永續(xù)、企業(yè)數(shù)字轉(zhuǎn)型、公共服務(wù)數(shù)字化四大類，其中企業(yè)數(shù)字轉(zhuǎn)型為重中之重，且期望至2030年有75％廠商能廣泛使用云端運(yùn)算、大數(shù)據(jù)與AI，至少90％以上中小企業(yè)應(yīng)達(dá)到基本的數(shù)字密集程度。

各國(guó)政策驅(qū)使產(chǎn)業(yè)加快數(shù)字化步伐，也牽動(dòng)數(shù)據(jù)中心成長(zhǎng)，以及機(jī)器視覺(jué)、自動(dòng)駕駛技術(shù)快速發(fā)展，加深倉(cāng)儲(chǔ)物流、供應(yīng)鏈的物流運(yùn)輸、自駕車(chē)等領(lǐng)域應(yīng)用，使全球AI芯片需求高漲，且快速擴(kuò)大其在整體半導(dǎo)體市場(chǎng)的市占率，其市占率從2020年的5.9％擴(kuò)展到2021年的6.4％，市場(chǎng)規(guī)模也從2020年260億美元增長(zhǎng)到2021年330億美元，成長(zhǎng)幅度達(dá)到26.9％。

目前用于深度學(xué)習(xí)（Deep Learning，DL）最廣泛的芯片，當(dāng)屬擅長(zhǎng)并行運(yùn)算的GPU，其隨著深度學(xué)習(xí)對(duì)運(yùn)算需求不斷提升，以及為達(dá)到DNN（Deep Neural Network）的運(yùn)算要求，NVIDIA、寒武紀(jì)、Google、Intel等廠商積極探索GPU在高效能運(yùn)算方面的應(yīng)用與突破，同時(shí)專注于高效能運(yùn)算的芯片研發(fā)與相關(guān)生產(chǎn)計(jì)劃。其中，部分廠商竭力尋求基于FPGA（現(xiàn)場(chǎng)可程序化邏輯匣陣列）架構(gòu)的半客制化芯片，例如Google研發(fā)的張量運(yùn)算處理器TPU、寒武紀(jì)研發(fā)的神經(jīng)網(wǎng)絡(luò)運(yùn)算處理器NPU，以及Intel旗下的Altera Stratix V FPGA。此外，Intel也嘗試推廣面向不同品牌、不同種類硬件的XPU Programming，并以SYCL作為統(tǒng)一的程序設(shè)計(jì)語(yǔ)言且充分利用Intel oneAPI，使原本的開(kāi)發(fā)框架從封閉性轉(zhuǎn)為開(kāi)放性，以期更有效支援開(kāi)發(fā)人員構(gòu)建高性能異構(gòu)應(yīng)用。

AI芯片大致可分為CPU、GPU、FPGA與ASIC（客制化芯片）；其中，GPU是由大量運(yùn)算單元組成的大規(guī)模并行運(yùn)算架構(gòu)，專為同時(shí)處理多重任務(wù)而設(shè)計(jì)，多應(yīng)用于工作站、個(gè)人計(jì)算機(jī)、游戲設(shè)備、智能型手機(jī)等設(shè)備，處理圖形、圖像相關(guān)運(yùn)算工作；再者，該芯片采用統(tǒng)一渲染架構(gòu)，能在算法尚未定型的領(lǐng)域中使用，故通用性程度較高、商業(yè)化較成熟。

FPGA主要是能提供用戶根據(jù)自身的需求進(jìn)行重復(fù)程序設(shè)計(jì)，解決可程序化元件電路數(shù)不足問(wèn)題，且運(yùn)行效率高于GPU、CPU，功耗也相對(duì)較低，但當(dāng)處理的任務(wù)重復(fù)性不強(qiáng)、邏輯較為復(fù)雜時(shí)，該芯片效率就會(huì)低于使用馮紐曼架構(gòu)的處理器。

ASIC是一種根據(jù)特定算法、架構(gòu)的客制化芯片，其客制化程度比GPU、FPGA更高、專用性較強(qiáng)，故運(yùn)算水平一般高于CPU、GPU、FPGA，但初始投入大，且算法一旦改變，運(yùn)算能力將大幅下降，需重新設(shè)計(jì)客制，不過(guò)隨著數(shù)據(jù)量不斷增加和芯片技術(shù)的極限到來(lái)，對(duì)算力的訴求越難以被滿足。

尤其是部分特定領(lǐng)域的數(shù)據(jù)量日益龐大，算法逐漸固定，對(duì)以ASIC架構(gòu)為基礎(chǔ)設(shè)計(jì)而成的DPU、TPU與NPU之需求增加，特別是DPU，因DPU能部分取代CPU、GPU部分功能，解決數(shù)據(jù)量驟增而導(dǎo)致CPU與Memory間數(shù)據(jù)傳輸問(wèn)題，改善并加速網(wǎng)絡(luò)數(shù)據(jù)傳輸運(yùn)算速度。目前廣泛用在大型數(shù)據(jù)中心，因大型數(shù)據(jù)中心的流量處理需占據(jù)整體運(yùn)算近30％，加上數(shù)據(jù)中心在節(jié)點(diǎn)間交換效率和節(jié)點(diǎn)內(nèi)I/O切換效率偏低，故透過(guò)DPU與CPU、GPU協(xié)同運(yùn)行能有效解決松耦合問(wèn)題。

因此隨著物聯(lián)網(wǎng)設(shè)備不斷擴(kuò)增，例如工業(yè)機(jī)器人、AGV/AMR、智能型手機(jī)、智能音箱、智能攝影機(jī)等，加上自動(dòng)駕駛、影像辨識(shí)、語(yǔ)音語(yǔ)意辨識(shí)、運(yùn)算等技術(shù)在各領(lǐng)深化運(yùn)用、升級(jí)，將催化AI芯片與技術(shù)市場(chǎng)迅速成長(zhǎng)。

以2022年整體市場(chǎng)來(lái)看，在智能汽車(chē)、機(jī)器人與數(shù)據(jù)中心三大領(lǐng)域?qū)I芯片的需求將持續(xù)增加，進(jìn)而不斷提升運(yùn)算能力、技術(shù)架構(gòu)以滿足此三大領(lǐng)域需求；其中，智能汽車(chē)方面，自汽車(chē)電子電氣架構(gòu)從分布式走向集中式，MPU、MCU需求逐年增加，加上現(xiàn)在電動(dòng)車(chē)緊密貼合先進(jìn)駕駛輔助系統(tǒng)（ADAS）技術(shù)應(yīng)用，使車(chē)廠利用AI芯片解決復(fù)雜的運(yùn)算條件、整車(chē)運(yùn)行功耗與數(shù)據(jù)傳輸?shù)葐?wèn)題，增強(qiáng)整車(chē)的穩(wěn)定性、安全性。

此外，近年機(jī)器人的技術(shù)擴(kuò)散相當(dāng)快，應(yīng)用場(chǎng)景已從工業(yè)環(huán)境延伸到飯店、餐廳、醫(yī)院、倉(cāng)儲(chǔ)物流、國(guó)防與太空探索等，然為了讓機(jī)器人能運(yùn)行影像處理、人臉辨識(shí)等功能都會(huì)選擇GPU、FPG。其中，F(xiàn)PGA使用率較高，因該芯片具有低功耗、高性能、可重配置能力與自我調(diào)整特征，并能將機(jī)器人作業(yè)系統(tǒng)（Robot Operating System，ROS）整合到FPGA平臺(tái)，進(jìn)而讓機(jī)器人內(nèi)部軟硬件可有效交互，發(fā)揮最佳運(yùn)行效能。

再者，當(dāng)前機(jī)器人正快速朝向3D實(shí)體、工作分解結(jié)構(gòu)（Work Breakdown Structure，WBS）與時(shí)間等多維度處理能力發(fā)展。有鑒于此，現(xiàn)階段的GPU、FPGA架構(gòu)將持續(xù)創(chuàng)新突破，甚至針對(duì)特殊需求進(jìn)行設(shè)計(jì)，這勢(shì)必牽引制造、封測(cè)與設(shè)備，以及材料與軟件的全鏈同步升級(jí)。

綜上所述，智能汽車(chē)、機(jī)器人和物聯(lián)網(wǎng)技術(shù)，與其構(gòu)建的智能交通、智能工廠和智能城市等新藍(lán)海，對(duì)AI芯片市場(chǎng)需求與發(fā)展可期，同時(shí)也帶動(dòng)數(shù)據(jù)中心進(jìn)一步成長(zhǎng)，其在訓(xùn)練、創(chuàng)建新運(yùn)算模型與維持中心服務(wù)器營(yíng)運(yùn)、電力控管皆使用到大量AI芯片，例如Tesla擴(kuò)大其GPU驅(qū)動(dòng)的AI Super，將A100 GPU配置數(shù)量增加到7,360個(gè)，提前為DoJo部署。百度自研二代崑侖芯片以增強(qiáng)量子運(yùn)算效能，且于2022年8月推出超導(dǎo)量子計(jì)算機(jī)，以及全平臺(tái)量子軟硬件整合解決方案，可透過(guò)PC端、手機(jī)端、云端接入各種量子芯片。

在多方需求高漲下，AI芯片勢(shì)必迅速成長(zhǎng)，預(yù)期2026年AI芯片市場(chǎng)規(guī)模有望達(dá)到930億美元，其中CPU與GPU仍占據(jù)AI芯片市場(chǎng)主要份額且穩(wěn)健成長(zhǎng)，而ASIC市場(chǎng)前景廣闊，其優(yōu)勢(shì)與特性能協(xié)助在數(shù)據(jù)處理、消費(fèi)性電子、電信系統(tǒng)、工業(yè)與其他產(chǎn)業(yè)的用戶開(kāi)發(fā)系列產(chǎn)品，縮短產(chǎn)品、服務(wù)或系統(tǒng)的創(chuàng)新周期。

TrendForce研究顯示，CPU、GPU與ASIC芯片在2026年AI市場(chǎng)規(guī)模的比重將達(dá)33％、34％、26％，其中以ASIC芯片市場(chǎng)成長(zhǎng)最快，原因有兩點(diǎn)，其一，消費(fèi)性電子設(shè)備市場(chǎng)需求增加，且多數(shù)用中小型設(shè)備開(kāi)發(fā)商偏向7nm的ASIC。其二，5G、低軌道衛(wèi)星通訊、云端與邊緣運(yùn)算的工作負(fù)載與結(jié)構(gòu)化需求不斷增加，因?yàn)殡娦畔到y(tǒng)是最大的終端使用市場(chǎng)。