电子发烧友网报道(文/李弯弯)在过去接近10年时间里,AI产业经历了几个重要节点,2012年深度学习的研究突破,给AI产业带来新的起点,2016年Alphago打败李世石,正式引爆市场,一时间涌现出大量AI创业企业,资本也大量投进这个赛道。
在短时间火热之后,凑热闹的人逐渐退出,AI产业继续稳步向前发展,最近几年AI技术快速发展,应用场景不断浮现,AI产业也进入到爆发式增长阶段,巨大的市场潜力逐渐显现出来。据艾媒咨询数据显示,2020年中国AI芯片市场规模达183.8亿元,预计2023年将突破千亿级别。
同时AI芯片也逐渐呈现出多元化趋势,主要体现在几个方面:一是早期AI芯片更多集中在训练上,如今除了AI训练芯片持续增长,AI推理芯片的市场规模也在快速扩大,预计将超过训练芯片;二是AI芯片过去主要部署在云端,如今已经向边缘端/终端方向发展;第三,AI芯片有各种类型,其中多数是GPU,不过很明显,ASIC、FPGA等非GPU芯片市场规模也在逐步提升。
AI推理芯片市场规模逐步扩大
AI芯片可分为训练和推理两个环节,训练环节通常需要通过大量的数据输入,或采取增强学习等非监督学习方法,训练出一个复杂的深度神经网络模型。推理环节指利用训练好的模型,使用新的数据去推理出各种结论,比如,视频监控设备通过后台的深度神经网络模型,判断一张抓拍到的人脸是否属于黑名单。
也因此通常也会有AI训练芯片和AI推理芯片,另外还会根据是部署在云端数据中心、边缘端、还是终端,更细化的分为云端AI训练、云端AI推理、边缘/终端AI推理芯片。
因为AI训练需要大量的数据,基本被部署在云端,过去几年地方政府加快建设公有云、私有云、数据中心,也因此AI训练芯片市场大增,在2018年的时候中国云端AI训练芯片市场份额达到51.3%,中国AI芯片市场规模也以云端训练芯片为主。
不过随着大规模地方性数据中心建设陆续完成,云端训练芯片增长速度逐步放缓,而随着各领域市场需求的释放,云端推理芯片、终端推理芯片市场增长速度呈现上升趋势,根据IDC研究发现,2020年中国数据中心用于推理的芯片的市场份额已经超过50%,预计到2025年,用于推理的工作负载的芯片将达到60.8%。
边缘AI芯片市场规模将超过云端芯片
同时AI芯片正在从云端向边缘端发展,IDC&浪潮日前发布的《2021-2022中国人工智能计算力发展评估报告》显示,在新技术的驱动下,5G 等连接技术降低了数据的传输和处理速度,为了分担数据中心的计算压力并且也能提高实时响应速度,人工智能在边缘侧的处理将成为企业的一个关键增长领域。
人工智能在边缘以及端侧将有广泛的应用场景,从自动驾驶到工业制造,再到消费者智能家居和可穿戴设备。据市场咨询公司ABI Research的数据显示,预计到2025年,边缘AI芯片市场的收入将达到122亿美元,云AI芯片市场的收入将达到119亿美元,边缘AI芯片市场将超过云AI芯片组市场。
非GPU芯片占比增加,将超过20%
目前AI芯片有3种主流技术路线,分别是GPU、ASIC以及FPGA。其中GPU芯片被认为更适合用于承担训练负载,有分析人士指出,目前GPU已经发展到较为成熟的阶段。根据IDC数据,2021年上半年AI芯片中,GPU依然是实现数据中心加速的首选,占有90%以上市场份额。
英伟达是GPU领域的绝对龙头,占据了绝大部分市场份额,近几年国内也有多家GPU厂商逐渐成长起来,将其用于AI训练和推理,包括天数智芯、摩尔线程、沐曦集成、壁仞科技、登临科技等。
虽然目前GPU仍然占据主要的市场份额,不过ASIC、FPGA等其他非GPU芯片在各个领域越来越多的被使用,整体市场份额接近10%,预计到2025年其占比将超过20%,主要原因:一是越来越多的AI初创企业成长起来,它们很多采用ASIC芯片进行训练和推理;二是GPU较多的被用于云端训练,而随着云端、边缘推理芯片市场规模逐渐扩大,FPGA和ASIC芯片的价值更容易得到体现。
小结
整体而言,经过多年的发展,AI芯片市场规模正在快速增长,同时AI芯片也逐渐走向更加多元化,从功能上来看,逐渐从云端AI训练拓展到云端和边缘端推理,从芯片类型来看,GPU芯片仍然占据重要位置,而FPGA和ASIC等芯片的价值也得到更多体现。
我们也明显看到,不少AI芯片企业开始全面推出产品,或者包括云端训练和推理,或者同时进行云端和边缘端芯片产品布局,比如寒武纪推出同时支持训练和推理的芯片,燧原在推出云端训练芯片之后,也推出了云端推理芯片,鲲云科技基于CAISA芯片的产品可应用于云端和边缘端推理。
在短时间火热之后,凑热闹的人逐渐退出,AI产业继续稳步向前发展,最近几年AI技术快速发展,应用场景不断浮现,AI产业也进入到爆发式增长阶段,巨大的市场潜力逐渐显现出来。据艾媒咨询数据显示,2020年中国AI芯片市场规模达183.8亿元,预计2023年将突破千亿级别。
同时AI芯片也逐渐呈现出多元化趋势,主要体现在几个方面:一是早期AI芯片更多集中在训练上,如今除了AI训练芯片持续增长,AI推理芯片的市场规模也在快速扩大,预计将超过训练芯片;二是AI芯片过去主要部署在云端,如今已经向边缘端/终端方向发展;第三,AI芯片有各种类型,其中多数是GPU,不过很明显,ASIC、FPGA等非GPU芯片市场规模也在逐步提升。
AI推理芯片市场规模逐步扩大
AI芯片可分为训练和推理两个环节,训练环节通常需要通过大量的数据输入,或采取增强学习等非监督学习方法,训练出一个复杂的深度神经网络模型。推理环节指利用训练好的模型,使用新的数据去推理出各种结论,比如,视频监控设备通过后台的深度神经网络模型,判断一张抓拍到的人脸是否属于黑名单。
也因此通常也会有AI训练芯片和AI推理芯片,另外还会根据是部署在云端数据中心、边缘端、还是终端,更细化的分为云端AI训练、云端AI推理、边缘/终端AI推理芯片。
因为AI训练需要大量的数据,基本被部署在云端,过去几年地方政府加快建设公有云、私有云、数据中心,也因此AI训练芯片市场大增,在2018年的时候中国云端AI训练芯片市场份额达到51.3%,中国AI芯片市场规模也以云端训练芯片为主。
不过随着大规模地方性数据中心建设陆续完成,云端训练芯片增长速度逐步放缓,而随着各领域市场需求的释放,云端推理芯片、终端推理芯片市场增长速度呈现上升趋势,根据IDC研究发现,2020年中国数据中心用于推理的芯片的市场份额已经超过50%,预计到2025年,用于推理的工作负载的芯片将达到60.8%。
边缘AI芯片市场规模将超过云端芯片
同时AI芯片正在从云端向边缘端发展,IDC&浪潮日前发布的《2021-2022中国人工智能计算力发展评估报告》显示,在新技术的驱动下,5G 等连接技术降低了数据的传输和处理速度,为了分担数据中心的计算压力并且也能提高实时响应速度,人工智能在边缘侧的处理将成为企业的一个关键增长领域。
人工智能在边缘以及端侧将有广泛的应用场景,从自动驾驶到工业制造,再到消费者智能家居和可穿戴设备。据市场咨询公司ABI Research的数据显示,预计到2025年,边缘AI芯片市场的收入将达到122亿美元,云AI芯片市场的收入将达到119亿美元,边缘AI芯片市场将超过云AI芯片组市场。
非GPU芯片占比增加,将超过20%
目前AI芯片有3种主流技术路线,分别是GPU、ASIC以及FPGA。其中GPU芯片被认为更适合用于承担训练负载,有分析人士指出,目前GPU已经发展到较为成熟的阶段。根据IDC数据,2021年上半年AI芯片中,GPU依然是实现数据中心加速的首选,占有90%以上市场份额。
英伟达是GPU领域的绝对龙头,占据了绝大部分市场份额,近几年国内也有多家GPU厂商逐渐成长起来,将其用于AI训练和推理,包括天数智芯、摩尔线程、沐曦集成、壁仞科技、登临科技等。
虽然目前GPU仍然占据主要的市场份额,不过ASIC、FPGA等其他非GPU芯片在各个领域越来越多的被使用,整体市场份额接近10%,预计到2025年其占比将超过20%,主要原因:一是越来越多的AI初创企业成长起来,它们很多采用ASIC芯片进行训练和推理;二是GPU较多的被用于云端训练,而随着云端、边缘推理芯片市场规模逐渐扩大,FPGA和ASIC芯片的价值更容易得到体现。
小结
整体而言,经过多年的发展,AI芯片市场规模正在快速增长,同时AI芯片也逐渐走向更加多元化,从功能上来看,逐渐从云端AI训练拓展到云端和边缘端推理,从芯片类型来看,GPU芯片仍然占据重要位置,而FPGA和ASIC等芯片的价值也得到更多体现。
我们也明显看到,不少AI芯片企业开始全面推出产品,或者包括云端训练和推理,或者同时进行云端和边缘端芯片产品布局,比如寒武纪推出同时支持训练和推理的芯片,燧原在推出云端训练芯片之后,也推出了云端推理芯片,鲲云科技基于CAISA芯片的产品可应用于云端和边缘端推理。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
asic
+关注
关注
34文章
1156浏览量
119261 -
gpu
+关注
关注
27文章
4417浏览量
126672 -
AI
+关注
关注
87文章
26443浏览量
264038
发布评论请先 登录
相关推荐
开发者手机 AI - 目标识别 demo
。
NNRt host 实现了NNRt HDI接口功能,通过对接底层AI芯片接口为上层应用提供NPU硬件推理的能力。
功能实现
JS从相机数据流获取一张图片,调用Native的接口
发表于 04-11 16:14
FPGA在深度学习应用中或将取代GPU
,也正积极的为其开发专用的 AI 硬件,用于自己的云产品和边缘计算产品环境中。
神经形态芯片 方面也有着一些发展,这是一种专门为神经网络设计的计算机架构。英特尔在神经形态计算领域处于领
发表于 03-21 15:19
Groq LPU崛起,AI芯片主战场从训练转向推理
人工智能推理的重要性日益凸显,高效运行端侧大模型及AI软件背后的核心技术正是推理。不久的未来,全球芯片制造商的主要市场将全面转向人工智能
LT8228从V1到V2是BUCK模式,从V2到V1是BOOST模式,请问这个模式是固定的吗?
看LT8228的示例,从V1到V2是BUCK模式,从V2到V1是BOOST模式,请问,这个模式是固定的吗?
假如我输入V1是48V,输出V2给电池充电(48V电池),充电电压56V,
发表于 01-05 07:10
ASIC和GPU,谁才是AI计算的最优解?
电子发烧友网报道(文/周凯扬)随着AI计算开始有着风头盖过通用计算开始,不少芯片厂商都将其视为下一轮技术革新。CPU、GPU、FPGA和ASIC纷纷投入到这轮
英码科技精彩亮相火爆的IOTE 2023,多面赋能AIoT产业发展!
算力硬件为基础,搭载自研的0代码移植工具链,在不触碰客户模型文件的前提下,实现算法从GPU到XPU的一键移植,最快1天实现算法适配,快、易、省赋能长尾AI算法在
发表于 09-25 10:03
NVIDIA Grace Hopper超级芯片横扫MLPerf推理基准测试
从云端到网络边缘,NVIDIA GH200、H100和L4 GPU以及Jetson Orin模组在运行生产级 AI 时均展现出卓越性能。 NVIDIA GH200 Grac
发表于 09-13 09:45
•165次阅读
NVIDIA Grace Hopper 超级芯片横扫 MLPerf 推理基准测试
从云端到网络边缘,NVIDIA GH200、H100 和 L4 GPU 以及 Jetson Orin 模组在运行生产级 AI 时均展现出卓越性能。 NVIDIA GH200 Grace
Ai 部署的临界考虑电子指南
虽然GPU解决方案对训练,AI部署需要更多。
预计到2020年代中期,人工智能行业将增长到200亿美元,其中大部分增长是人工智能推理。英特尔
发表于 08-04 07:25
如何从PIC接收UART数据并将数据发布到HTML?
我想玩弄从 PIC 接收 UART 数据并将数据发布到 HTML。是否有一个好的示例或文章有人会好心地指出我会收到 9600 波特数据并将其保存为字符串?
发表于 06-01 06:23
评论