江南AI 芯片是针对人工智能算法做了特殊加速设计的芯片。算力是人工智能发展的关键因素之一，随着深度 学习算法的普及和应用，人工智能对算力提出了更高的要求，传统的 CPU 架构难以满足人工智能算法 对算力的要求，因此具有海量数据并行计算能力、能加速计算处理的 AI 芯片应运而生。在全球数字化、 智能化的浪潮下，智能手机、自动驾驶江南体育、数据中心、图像识别等应用推动 AI 芯片市场迅速成长。 我们将分析当前 AI 芯片行业的现状，并梳理 AI 芯片的产业链，分析其中的关键环节，并指出可能 从中受益的公司。希望通过这些内容，能够增进大家对 AI 芯片的认识。
AI芯片行业深度：行业现状、政策分析、产业链及相关公司深度梳理来源：《幻影视界》
自 2018 年 GPT-1.0 模型首次发布以来，OpenAI 不断迭代模型，GPT-4.0 模型拥有更大的参数量、更 长的迭代时间和更高的准确性。随着数据不断增长和算法复杂度提高，人工智能对计算力提出了更高的 要求。因此 AI 芯片人工智能的基石，算力是实现人工智能产业化的核心力量，其发展对人工智能技术 的进步和行业应用起着决定性作用。释放算力的价值对国家整体经济发展将发挥推动作用。计算力指数每提高 1 点，数字经济和 GDP 将分 别增长 3.5‰和 1.8‰。可见，国家计算力指数越高，对经济的拉动作用越强。2021-2026 年期间，预 计中国智能算力规模年复合增长率达 52.3%，同期通用算力规模年复合增长率为 18.5%。
在 AI 芯片领域，国外芯片巨头占据了大部分市场份额。全球范围内主要布局人工智能芯片的厂商有 Intel、NVIDIA、Qualcomm、Google 等。美国的巨头企业江南体育，凭借着多年在芯片领域的领先地位，迅速 切入 AI 领域并积极布局，目前已经成为该产业的引领者。
我国 AI 芯片产业起步较晚，技术上与世界先进水平也还存在着较大的差距。国内 AI 芯片市场也较为 分散，集中度低。随着数字经济的兴起，人工智能已经深入渗透到各个行业江南体育，特别是在互联网等科技公 司中更为普及。这些公司对于计算机软件技术和存储设备的要求极高，因此对于底层技术的布局和提升 更为重视，尤其是在人工智能芯片领域。
从竞争格局来看，在不同的应用场景之下，已经形成了不同的 AI 芯片竞争格局。在云和数据中心 AI 芯片市场，“训练”和“推理”两个环节都是英伟达 GPU 一家独大。在设备端和边缘计算“推理”市场，各类 型芯片各自为阵，尚无绝对优势地位的芯片厂商出现：手机市场以高通、华为、苹果原主控芯片厂商为 主，自动驾驶、安防 IPC 领域英伟达暂时领先。近年来，国内也出现了寒武纪、百度、地平线等优质本 土厂商发力布局相关产品。
在全球生成式人工智能浪潮带动下，国产大模型也不断取得技术进展，部分企业在能力上已经可以与海 外主流模型实现对标。国产大模型技术的迭代和访问调用量的增加，对应了训练端更大规模算力硬件集 群的采购需求，以及推理端的逐步扩容。受到贸易摩擦影响，海外核心云端 AI 芯片进入大陆市场受限， 国产替代迫切性高。尽管当下国产云端 AI 芯片在硬件性能、系统生态方面与全球领先水平均存在一定 差距，但国产化窗口期已至，行业有望于年内迎来重要商业化落地转折点。
相比云端 AI 芯片需要兼具训练和推理性能，边缘 AI 芯片则更多承担推理任务，其主要存在形式是作为 AI SoC 嵌入终端设备，因此性能上更加追求在算力、功耗和成本等多方面的综合表现。目前，边缘 AI 芯片正越来越多地应用在非消费类设备和场合，比如智能安防、ADAS/自动驾驶、智能家居、可穿戴智 能设备，以及商业和工业场合的 AI 应用(智能交通、智慧城市、工厂机器视觉、机器人和 AGV 等)。边 缘 AI 芯片也将迎来蓬勃发展。 据德芯半导体援引 Gartner 统计，2022 年中国边缘 AI 芯片市场规模约为 49.9 亿美元，预计到 2025 年， 中国边缘 AI 芯片市场规模将增长到 110.3 亿美元，较 2022 年增长 121%。
AI 芯片产业链上游为硅片、光刻胶、溅射靶材、电子特气等半导体材料和单晶炉、PVD、光刻设备、检 测设备等设备；中游为 AI 芯片产品制造，包括设计、制造、封装、测试等环节；下游为云计算、智慧 医疗、智能穿戴、智能手机、智能机器人、无人驾驶等应用领域。
AI 算力依赖硬件驱动，带动芯片需求增长从而带动半导体材料增长。半导体材料作为芯片的基石，受 益于人工智能的需求拉动，半导体材料市场规模呈现整体向上的态势。 半导体材料包括：硅片、溅射靶材、CMP 抛光液和抛光垫、光刻胶、高纯化学试剂、电子气体、化合 物半导体、封装基板、引线框架、陶瓷封装体、键合金属线等。AI 芯片作为专门用于处理人工智能应用中的大量计算任务的模块，其制造和构建离不开半导体材料作为 基础。
近年来，随着国内半导体材料厂商不断提升半导体产品技术水平和研发能力，中国半导体材料国 产化进程加速。中商产业研究院发布的《2024-2029 年中国半导体材料专题研究及发展前景预测评估报 告》显示，2023 年中国大陆半导体材料市场规模约为 979 亿元。中商产业研究院分析师预测，2024 年中国大陆半导体材料市场规模将达 1011 亿元。
半导体设备包含单晶炉、光刻设备、PVD 设备及检测设备等。单晶炉重点企业包括晶盛机电、华盛天 龙、北方华创、晶科能源、晶澳科技、捷佳伟创等；光刻设备重点企业包括上海微电子、中电科 45 所、 沈阳芯源、芯碁微装、电科数字、旭光电子等。
半导体设备是 AI 芯片的基础和基石，为 AI 芯片的制造提供了必要的工艺和技术支持。中商产业研究院 发布的《2024-2029 年中国半导体设备行业市场供需趋势及发展战略研究预测报告》显示，2023 年中 国半导体设备市场规模约为 2190.24 亿元，占全球市场份额的 35%。中商产业研究院分析师预测， 2024 年中国半导体设备市场规模将达 2300 亿元。
AI 服务器存储容量倍增，带动存储器需求成长。据 TrendForce，AI 服务器需要配置更多 DRAM、 SSD 和 HBM 等大容量存储以应对日益复杂的大模型所带来的海量数据。当前普通服务器 DRAM 普遍 配置约为 500 至 600GB，而 AI 服务器 DRAM 配置可达 1.2 至 1.7TB，是普通服务器的二到三倍。此外， 相较于一般服务器而言，AI 服务器多增加 GPGPU 的使用，因此以 NVIDIA A100 80GB 配置 4 或 8 张 计算，HBM 用量约为 320~640GB。未来在 AI 模型逐渐复杂化的趋势下，将刺激更多的存储器用量， 并同步带动 ServerDRAM、SSD 以及 HBM 的需求成长。
异构集成，即横向和纵向连接多个半导体，可将更多的晶体管装在一个更小的半导体上，准确地说是在 更小的半导体封装内，从而提供比其各部分之和更大的功用。CPU+GPU 是人工智能异构计算的主要组合形式，英伟达的 GraceHopper 超级芯片通过异构集成 CPU、GPU 以及存储器，实现芯片更高带宽的 互连，能够承担更大的数据集、更复杂的模型和新的工作负载。
先进封装成为突破“摩尔定律”局限的技术。先进封装技术充当着半导体器件与系统之间的桥梁，是实现 异构集成的关键技术，因此，这种连接方法变得越来越重要。先进封装技术本身已成为一种系统解决方 案，半导体头部设计、制造商均通过此方法，在摩尔定律放缓的时代，从系统层面继续提升芯片性能。
本文仅供参考，不代表我们的任何投资建议。【幻影视界】整理分享的资料仅推荐阅读，用户获取的资料仅供个人学习，如需使用请参阅报告原文。返回搜狐，查看更多
官方微博
