性能优良，体积小，功耗低，可靠性高。在大规模生产的情况下，它也具有低成本的特点。近年来，越来越多的公司开始使用sic晶元进行深度学习演算法加速，其中最突出的就是tpu。这是一个人工智慧加速器晶元，谷歌已经设计用于机器学习，以提高人工智慧计算能力，同时大幅降低电力消耗。它的表现非常出色。

此外，国内企业开发的寒武纪系列处理器也受到了广泛的关注。ASIC的全球市场规模从2012年的163亿美元增长到2017年的257亿美元，预计未来五年将保持18.4％的复合年增长率，到2022年将达到597亿美元。目前，市场格局仍相对零散。

FPGA集成了大量的基本门电路和存储器，其灵活性介于CPU、GPU等通用处理器和专用集成电路（ASIC）之间。我国在这方面刚刚起步，与Silence、Intel、Ledith、MGM等四大FPGA巨头相比还有很大的差距。就市场份额而言，Cyrins和Intel合计约占市场份额的90％，其中Silence占50％以上。2017年，FPGA的全球市场为59.6亿美元，预计到2023年将达到98亿美元。

人工智慧的发展还处于起步阶段，人工智慧晶元正朝著「人工智慧加速晶元」的方向发展。人工智慧计算的发展需要经历传统智能计算、基于深度学习的智能计算和基于神经模拟的智能计算三个阶段。至于第三阶段的神经模拟晶元，目前涉及的企业很少，要成为未来的主流还有很长的路要走。

然而，英特尔在2018年国际消费电子展上展示了Loihi，这是一款基于14纳米的新型神经模拟计算晶元，其异质设计包括128个神经形态核心（神经形态核心）和三个低功耗Intel x86核心，拥有13万个神经元和1.3亿个天线。

AI晶元市场空间巨大

并不一定有很多玩家。

根据Gartner的预测，未来五年，全球人工智慧晶元市场将从2018年的42.7亿美元飙升至343亿美元，增长逾7倍。未来AI晶元市场将有很大的增长空间。

然而，对于许多初创企业来说，研发晶元将面临巨大的时间和资金挑战.就时间而言，晶元的研发通常需要两年左右的时间才能开始销售。相比之下，更重要的一点是晶元的成本很高。

在人工智慧应用领域，将根据晶元的部署位置和任务要求，采用不同的处理方式。终端设备晶元一般采用65 nm和28 nm工艺，EDGE晶元和部分移动设备晶元一般采用16 nm或10 nm工艺，云端晶元一般采用7 nm工艺。

晶元制造决定了开发成本。据IBS估计，根据不同的工艺，65纳米晶元的开发成本为2850万美元，而5纳米晶元的开发成本为5.422亿美元。因此，在晶元的研发过程中，误差容限几乎为零。目前，40nm和55nm工艺比较成熟。然而，对于目前先进的7nm工艺，许多企业的技术还不够成熟。

高开发成本，加上逐年的开发周期，ai晶元公司在融资的早期阶段需要大量资金，才能在没有产品销售的时期生存下来。政府补贴和投资者资金往往有利于销售良好的公司。而资本市场则希望缩短投资周期。因此，融资也成为一个门槛。

另外，由于晶元的开发周期通常需要1~3年，软体在正常的时间内会有很快的发展，但演算法也会在此期间快速更新，晶元如何支持这些更新也是困难的。

从长远来看，人工智慧晶元本身的技术发展将面临以下困难。

目前主流的AI晶元采用冯·诺依曼架构。在冯·诺依曼架构中，晶元以1合1输出模式计算，数据从处理单元外部的存储器中提取，然后在处理后写回存储器，以便顺序读取任务。由于计算组件和存储组件之间的速度差异，当计算能力达到一定水平时，访问存储器的速度跟不上计算组件消耗数据的速度，并且附加计算组件不能充分利用，这不仅是AI晶元的实现。瓶颈也是长期困扰计算机体系结构的问题。

另外，为了满足人工智慧发展对计算能力的要求，有必要减小CMOS工艺中的集成尺寸，不断提高晶元的系统性能。目前，7 nm已经开始批量生产，5 nm节点的技术定义已经完成。然而，它也导致了CMOS工艺和器件的瓶颈。首先，由于纳米晶体管的能耗很高，很难实现晶元的密集封装。其次，几个纳米的CMOS器件，它的层厚度只有几个原子层，这样的厚度很容易导致电流泄漏，从而影响工艺尺寸的减小效果。

尽管ai晶元市场有很大的增长空间，但它可能无法容纳足够的公司。行业本身的特点和ai目前的发展阶段都决定了ai晶元公司将会有一段比较长的挫折期，而在这个过程中，被资本所油炸的泡沫也会被压缩。

以上均为网路整理得，如有错误，请联系深铭易购电子元器件商城进行删除，谢谢！