行業資訊：
AI 半導體 10倍數增長可期
目前人工智能芯片仍多是以 GPU, 張量處理器, 或 FPGA+CPU 為主, 但未來 ASIC 將在邊緣運算及設備端遍地開花，及逐步滲透雲端市場,預估全球 AI 雲端半導體市場於 2018-2025 年 CAGR 應有37%，邊緣運算及設備端半導體市場於 2018-2025 年 CAGR 應有 249%, 遠超過全球半導體市場在同時間 CAGR 的 5%, 佔整體份額從 2018 年的 1% 到 2025年的 10%，超過 10 倍數增長可期。
誰能引領國內人工智能芯片產業突圍
有今年中國科創板融資平臺的加持，國內的半導體公司將陸續推出人工智能 ASIC 搶先機。而華為海思因為有強大的財力來開發 10 納米及以下產品，負擔 EDA 軟件，驗證，光掩膜成本的躥高，加上強大的設計團隊及對系統的認知，預計將引領國內 AI 芯片行業突圍；而比特大陸因為深諳 IP，芯片，模塊，到生態系的競爭，不排除其反而率先推出有競爭力的雲端人工智能的解決方案模塊；寒武紀目前有較佳的設計團隊及較充裕的估值融資能力來陸續推出邊緣運算端及雲端推理的人工智能芯片。
1、 芯片產業鏈整理
圖1：全球半導體產業變遷
芯片是半導體行業當中的重要一環，半導體產品包括集成電路（芯片）、分立器件、光電器件和傳感器等。而集成電路（芯片）佔據半導體產品80%以上市場份額，所以有些人也用半導體泛指芯片。
根據產業鏈劃分，芯片從設計到出廠的核心環節主要包括 6 個部分：
（1）設計軟件，芯片設計軟件是芯片公司設計芯片結構的關鍵工具，目前芯片的結構設計主要依靠 EDA（電子設計自動化）軟件來完成；
（2）指令集體系，從技術來看，CPU 只是高度集合了上百萬個小開關，沒有高效的指令集體系，芯片沒法運行操作系統和軟件；
（3）芯片設計，主要連接電子產品、服務的接口；
（4）製造設備，即生產芯片的設備；
（5）圓晶代工，圓晶代工廠是芯片從圖紙到產品的生產車間，它們決定了芯片採用的納米工藝等性能指標；
（6）封裝測試，是芯片進入銷售前的最後一個環節，主要目的是保證產品的品質，對技術需求相對較低。
總體來看，在指令集、設計等產業環節中絕大多數技術壁壘比較高的環節，中國芯片產業地位非常薄弱，與歐美芯片產業企業存在較大差距，而在圓晶代工、封裝測試等技術要求相對不高的環節，中國憑藉其勞動力優勢，則有望率先崛起，成為有希望趕超世界平均水平的領域。
圖2：芯片產業鏈梳理
芯片製造和設計兩大環節涉及的設備非常多，而且技術壁壘相當高！我國芯片產業自從1997年"909"工程啟動以後，已經走過21年的發展歷程。作為國家工業的明珠，芯片產業對於一國綜合實力有著至關重要的作用。我國芯片產業在國家的重視和大力倡導下，實現了飛快的進步。
圖3：芯片核心製造主要設備全景圖
芯片設計位於半導體產業的最上游，是半導體產業最核心的基礎，擁有極高的技術壁壘，需要大量的人力、物力投入，需要較長時間的技術積累和經驗沉澱。目前，全球芯片設計仍處於高度壟斷格局，美國佔據著最大市場份額。
2017年，美國芯片設計業營收額佔到全球芯片設計業的53%（約535.3億美元），居全球第一位；中國（大陸）位居第二，佔到21%（約212.1億美元）；中國臺灣地區佔到16%（約161.6億美元），歐洲地區佔到2%（約20.2億美元），日本佔到1%（約10.1億美元），其他地區佔到7%左右。
圖4：全球上游芯片設計市場佔比
芯片產品的下游應用非常廣泛，主要市場在智能終端、電腦、消費電子、工業、汽車、軍事、醫療等領域。根據IC Insights的測算，2017年全球芯片行業下游市場大致分為通訊（含手機）、計算機、消費電子、汽車、工業/醫療、政府/軍事等領域，其中最主要的市場是通訊和PC/平板領域，二者佔比達到61%，其次是工業、消費電子和汽車領域。
圖5:2017年全球芯片產業鏈下游應用佔比
為了加快中國芯片行業的發展，國家產業基金對於整個產業鏈的投資也加以重視，在整個產業鏈中，集成電路製造投資佔比最大，高達65%，芯片設計佔比17%，封裝測試佔比10%，設備材料佔比約8%。
圖6：國家產業基金投資產業鏈各環節佔比
2、 全球及我國芯片行業市場發展趨勢
2011-2018年全球芯片市場規模增速呈波動變化趨勢，2018年達到近年來最高3970億美元，較2017年增長15.57%。由於近兩年市場缺貨，帶來了漲價狂潮，未來供需趨於平衡，預計將會在2020年退潮，世界芯片市場有望進入趨穩的發展節奏。
圖7：全球芯片行業市場規模及增速
目前，全球芯片主要以美日歐企業為主，高端市場幾乎被這三大主力地區壟斷。在高端芯片領域，由於國內廠商尚未形成規模效應與集群效應，所以其生產仍以"代工"模式為主。
從區域分佈來看，亞太地區地區依然佔據了全球芯片市場的半壁江山，2017年銷售額佔比60.4%；美洲為全球半導體第二大市場，2017年的市場份額為21.5％；歐洲地區和日本市場份額相差不遠，分別為9.3%、8.9％。中國芯片市場是全球最大、增長最快的市場，但是對外依存度過高。
圖8：芯片市場全球各地區佔比
2019年初芯片銷售表現強勁，主要是受到內存產品如DRAM與NAND閃存的帶動：大多數區域市場的銷售額年成長率都出現二位數字，其中又以中國與美國市場表現最佳；而未來幾個月全球市場應該會持續呈現成長趨勢。
前瞻分析預測，2019-2023年，全球芯片行業市場規模將保持3%左右的增速。2019年，全球市場規模約為3945億美元；到2023年，全球芯片行業市場規模將超過6000億美元。
圖9：全球芯片市場規模預測
我國芯片產業自從1997年"909"工程啟動以後，已經走過21年的發展歷程。作為國家工業的明珠，芯片產業對於一國綜合實力有著至關重要的作用。我國芯片產業在國家的重視和大力倡導下，實現了飛快的進步。根據根據中國半導體協會數據，2017年我國集成電路市場實現銷售額5411.3億元，同比增長24.81%，實現歷史新高；2018年1-9月，累計銷售額達到4461.5億元，同比增長22.4%。
圖10：中國芯片市場銷售額及增速
目前，我國集成電路產業形成了芯片設計、晶圓製造、封裝測試三業並舉，各自相對獨立發展的格局。自2008年國家科技重大專項宣佈實施起，產業結構在不斷優化。中國半導體協會數據顯示，2018年1-9月，製造業實現銷售額1147.3億元，同比增長27.6%；設計業實現銷售額1791.4億元，同比增長22%；封裝測試業實現1522.8億元，同比增長19.10%。其中，芯片設計業發展較快，其銷售額佔比從2004年的14.95%提高到2017年的38.32%。
圖11：2018前三期中國芯片行業三大環節市場規模
儘管中國集成電路市場已成為全球增長引擎，但我國集成電路產業的發展與自身的市場需求並不匹配，國內集成電路產能全球佔比僅為7%，而市場需求卻接近全球的1/3，正因如此，我國集成電路大量依靠進口，對高端芯片的依賴逐年擴大。
根據海關統計，2018年1-9月中國進口集成電路3200.6億塊，同比增長14.7%；進口金額2351.6億美元，同比增長27.8%。出口集成電路1636.9億塊，同比增長8.9%；出口金額613.1億美元，同比增長28.4%。貿易赤字已達到1738.5億美元，對外依賴度十分嚴重，自主可控迫在眉睫。
圖12：中國芯片進口相關數據指標
表1：國產芯片市場佔有率
好在國家一直沒有放棄追趕的腳步。一方面，政策上，國家大力扶持半導體產業，為我國半導體企業的發展營造了良好的政策環境；另一方面，國家成立了國家集成電路產業投資基金，為我國芯片產業發展提供強有力的資金支持。
未來，我國將繼續加快實施已部署的國家科技重大專項，重點攻克高端通用芯片、高檔數控機床、集成電路裝備等方面的關鍵核心技術，形成若干戰略性技術和戰略性產品，培育新興產業。
3、 深度學習人工智能芯片前景巨大
深度學習是一種需要訓練的多層次大型神經網絡結構（請參考圖表），其每層節點相當於一個可以解決不同問題的機器學習。利用這種深層非線性的網絡結構，深度學習可以從少數樣本展現強大的學習數據集本質特徵的能力。簡單來說，深度學習神經網絡對數據的處理方式和學習方式與人類大腦的神經元更加相似和準確。谷歌的阿法狗也是先學會了如何下圍棋，然後不斷地與自己下棋，訓練自己的深度學習神經網絡, 更厲害的阿法零 (AlphaZero) 透過更精準的節點參數, 不用先進行預先學習就能自我演化訓練學習。深度學習模型需要通過大量的數據訓練才能獲得理想的效果, 訓練數據的稀缺使得深度學習人工智能在過去沒能成為人工智能應用領域的主流算法。但隨著技術的成熟，加上各種行動、固定通訊設備、無人駕駛交通工具, 可穿戴科技, 各式行動、固定監控感測系統能互相連接與溝通的億物聯網，驟然爆發的大數據滿足了深度學習算法對於訓練數據量的要求。
在深度學習半導體領域裡，最重要的是數據和運算。誰的晶體管數量多，芯片面積大, 誰就會運算快和佔據優勢。因此，在處理器的選擇上，可以用於通用基礎計算且運算速率更快的 GPU 迅速成為人工智能計算的主流芯片, 根據美國應用材料的公開資料 (請參考圖表), 英偉達的人工智能邏輯芯片配合英特爾的
中央處理器服務器芯片面積達 7,432mm2，是不具人工智能的企業用和大數據服務器的八倍或谷歌專用張量處理器人工智能服務器的三倍多, 存儲器耗用面積(32,512mm2) 是其他服務器的三倍以上。可以說，在過去的幾年，尤其是2015 年以來，人工智能大爆發就是由於英偉達公司的圖形處理器, 得到雲端主流人工智能的應用。但未來因為各個處理器的特性不同, 我們認為英偉達的圖形處理器 GPU 和谷歌的張量處理器仍能主導通用性雲端人工智能深度學習系統的訓練, 可編程芯片 FPGA 的低功耗及低延遲性應有利於主導雲端人工智能深度學習系統的推理，而特殊用途集成電路 (ASIC) 未來將主導邊緣運算及設備端的訓練及推理，但因為成本，運算速度，及耗電優勢，也會逐步侵入某些特殊應用人工智能雲端服務器市場。
表2：各種人工智能芯片對比
資料來源：Frost & Sullivan
未來因人工智能邊緣運算推理端和雲端推理（Inferencing）芯片及設備成
本, 性能，耗電, 效率的考量, 以及各種處理器的特性不同, 我們預期特定用途集成電路(ASIC)或系統集成電路 (SoC, system on chip) 未來將在設備，邊緣運算，及雲端推理市場和設備，邊緣運算，小部分雲端訓練市場遍地開花, 百花齊放,根據產業鏈調查，我們認為中國在處理器/芯片領域的投資有加速的跡象，AI 芯片的創業企業目前已達到 40 家左右。
本文來源：天下財經（北京）證券諮詢有限公司
（凡註明"來源：天下財經（北京）證券諮詢有限公司"字樣文章，版權均屬於天下財經（北京）證券諮詢有限公司，轉載請必須註明來源為：天下財經（北京）證券諮詢有限公司，違反者本公司將追究相關法律責任。）
閱讀更多 天財資訊 的文章
