英伟达英特尔领衔 ABI research预计2024年全球云端AI芯片达100亿美元

提到云端AI芯片，就不得不提英伟达和英特尔的名字，这两家云端AI芯片的领先公司，8月16日，英伟达发布了2020年第二季度财报。财报显示，截止今年7月28日，英伟达总营收25.79亿美元，英伟达GPU拉动业务增长，营收21亿美元，“我们实现了跨平台的连续增长。”英伟达CEO Jensen Huang说：“实时光线追踪是十年来在图形计算领域最重要的创新。”他还表示，能够处理复杂游戏的笔记本电脑，以及能够处理实时聊天的机器人AI模型推动了需求。

人工智能兴起的背后关键因素之一是云计算能力的提升，而这主要是由云端 AI 芯片的增强和升级推动的。云端 AI 芯片是专注于 AI 工作负载的计算芯片，通常部署在云或数据中心应用环境中。

ABI Research 的第一份报告“云端 AI 芯片：市场前景和供应商定位”表示：云端 AI 推理和训练所产生的 AI 芯片市场，预计将从 2019 年的 42 亿美元增长到 2024 年的 100 亿美元。

与终端 AI 芯片相比，云端 AI 芯片通常具有更高的计算能力，更高的功耗，更大的物理占用面积，因此也相对更加昂贵。

图：2017-2024年AI芯片销售年度销售总收入对比预测 来自ABI industry

到目前为止，云端 AI 市场一直由英伟达的 GPU 和英特尔的 CPU 主导，而现在的它们正面临着寒武纪科技、Graphcore、Habana Labs 、高通等公司的挑战。

如今的云端 AI 芯片市场可大致分为三个部分：

1、公共云，由云服务提供商托管，如：AWS、Microsoft Azure、Google、阿里云、百度云和腾讯云等。

2、私有云 + 混合云，主要用于企业数据中心，如：VMware、Rackspace、NetApp、HPE、Dell 等公司的各类产品。

3、电信云，由电信公司为核心网络，IT 和边缘计算工作负载部署的云基础架构，是新兴的市场 。

云端推理 AI 芯片市场呈现出不同的景象，该市场并非由单一玩家主导，这在一定程度上取决于推理任务的性质，以及在垂直方向上各不相同的领域。ABI Research 预计：从 2020 年起，ASIC（专用集成电路）将在该领域实现强劲增长。

谷歌的 TPU 就是这样一个例子，它主要应用于云端 AI 相关的训练和推理任务，被视为 CPU 和 GPU 威廉希尔官方网站 的强大挑战者。正如报告中所述，谷歌在 TPU 上的成功为其他云服务提供商提供了开发 AI 专用芯片的蓝图。据 ABI Research 预测，到 2024 年，15％至 18％的市场将落在云服务供应商之下。

终端 AI 芯片

随着 AI 推理任务向边缘转移，终端 AI 芯片变得更加重要。

终端 AI 芯片，指专注于 AI 工作负载的计算芯片，多应用于 AI 推理任务，通常部署在包括：终端设备、网关、内部部署服务器等终端环境中。在某些情况下，终端 AI 芯片还可以支持 AI 训练，尤其是深度学习模型的训练。

终端，即手机、安防摄像头、汽车、智能家居设备、各种 IoT 设备等执行边缘计算的智能设备。终端的数量庞大，而且需求差异较大。

ABI Research 的第二份报告“终端 AI 芯片：威廉希尔官方网站 展望和使用案例”中：终端 AI 芯片市场，预计到 2024 年会增长至 710 亿美元，2019 年至 2024 年之间的复合年增长率为 31％。

这种强劲的增长主要得益于 AI 推理任务向终端迁移，特别是在智能手机、智能家居、自动驾驶、可穿戴设备和机器人等行业。

目前，终端推断有这样三个利基市场：

机器人，由于机器人依赖于许多类型的神经网络，所以它通常需要异构计算架构。例如用于导航的 SLAM、用于人机界面的会话 AI、用于对象检测的机器视觉等，它们都会在不同程度上使用 CPU、GPU 和 ASIC。英伟达、英特尔和高通在这个领域竞争尤为激烈。

智能工业应用，包括制造业、智能建筑以及石油、天然气部门。在这一方面，FPGA 供应商表现优异，这主要归功于 FPGA 的可编程性，在面对传统设备时，FPGA 具备的较高灵活性和适应性。

“非常终端”，即广域网中传感器和其他小端节点中需要嵌入的超低功耗 AI 芯片。鉴于重点着力于超低功耗，这个市场主要由 FPGA 公司、RISC-V 设计和 ASIC 供应商组成。

利基市场，指企业选定一个很小的产品或服务领域，集中力量进入并成为领先者，从当地市场到全国再到全球，同时建立各种壁垒，逐渐形成持久的竞争优势。

此外，该报告还研究了开源芯片的当前发展。在 RISC-V 下，开源芯片初创公司已经开始开发具有高并行计算能力的 AI 专用芯片。由于对整个行业的参与和贡献，开源 AI 芯片将更符合市场要求和期望，大大降低了产品维护和升级中的错误和开发成本。

本文来自ABI Research，本文作为转载分享。