AI产业及AI芯片全景分析

一、传统AI企业竞争分析

依图竞争分析-核心技术

使命和愿景：拓展人工智能新疆界，从事人工智能创新型研究，致力将先进的人工智能技术与行业应用相结合，建设更加安全、健康、便利的世界。

详解：依图带着国际视野组建代表世界水平的研发团队，用坚实的技术力量推进产业发展，依图科技致力于全面解决机器看、听、理解和规划的根本问题，相信能在计算机视觉、自然语言理解、语音识别、知识推理、机器人等技术领域作出突破性贡献，为人工智能的发展和应用普及提供高性能、高密度和通用的算力，满足云端数据中心，边缘计算和物联网不断增长的智能计算需求。

一、核心技术：芯片+算法+AI平台+隐私保护

1、算法

（1）语音：依图获得全球声纹识别竞赛冠军（EER压缩至0.98%）

（2）视觉：依图连续3年参加美国国家标准技术局（NIST）人脸识别供应商测试（FVRT），获得三次冠军。

2、AI平台

（1）国家策略：2019年8月科技部签发《国家新一代人工智能开发创新平台建设工作指引》，要求建设开源开放的视觉计算平台和社区，推进智能芯片、智能算法和智能产品的开发。

（2）行业痛点：①做AI算法的人往往不懂芯片，从而导致开发周期长；②AI算法、AI芯片、AI产品开发没有充分解耦；③算法、算力和数据发挥价值的动力和源泉是“行业知识”，当前极度稀缺；④AI行业整体成本高，无法“普惠”使用者。

（3）平台策略：和高校/机构合作，输出“即插即用”的软硬件一体化智能模块开发套件，成立开源社区。

3、安全可信

（1）依图获得BSI颁发的ISO/IEC 27701：2019隐私信息管理体系认证（是首个通过认证的国内AI公司），严格对标欧盟通用数据条例（GDPR）及其隐私相关政策。在产品功能设计、研发以运营管理等每个环节上严格执行对用户隐私数据的保护，严守世界各地法规政策。

芯片战略：基本理念是“极智求索+算法即芯片”，推进“智能密度”理念

依图竞争分析-解决方案产品组合

2、语音开放平台产品：产品硬件形态会议超级本。

商汤竞争分析-核心技术（1）

使命与愿景：坚持原创、让AI引领人类进步。面向全球、商汤科技坚持原创，致力于让AI推动经济，社会和人类的发展，建设更美好的未来。

二、商汤研究

1、学术成果：商汤网站上最有特色的部分

（1）论文解读

（2）学术论文

2、学术合作：

（1）联合实验室：公司与香港中文大学、北京大学、浙江大学、上交大、中科院深圳研究所、美国罗格斯大学、澳大利亚悉尼大学等建立了十余个联合实验室，研究方向涵盖深度学习核心算法、三维视觉和增强现实、人工智能超算平台、高性能异构计算应用，大数据分析处理、复杂视觉信息的深度分析与理解、自动驾驶关键技术、医学影像配准方法、人工智能手术导航等。

（2）学术联盟：2018年世界人工智能大会（WAIC）器件，商汤和众多高校、科研机构倡议设定全球高校人工智能学术联盟（GAIAA）。

（3）人才资助：①北京市自然科学基金；②商汤青年科研基金；③商汤奖学金和“泰坦资助”加护；④商汤访问学者计划。

3、研究动态：2019年”技术热度”最高，20年逐步降低，标志性事件是2019年11月，在计算机视觉顶会ICCV（International Conference onComputer Vision）上，商汤创始人香港中文大学汤晓鸥担任主席，商汤以57篇论文（11篇Oral），13项冠军的成绩登顶。

三、产品服务

1、智慧城市：场景包括智能安防、交通、运营商

（1）软件：信息处理平台。

（2）硬件：

①SensePass系列人脸识别一体机，SenseKeeper系列人脸识别闸机。

②SenseNebula-AIS边缘节点、边缘摄像机、AI服务器。

2、智能手机：商汤控股公司慧鲤业务，含S-Moji表情模拟方案、人体骨架检测、人脸3D重建、S-AR制作平台等。

3、泛文化娱乐：S-AR数字人和特效引擎。

4、智慧文旅：SenseMARS机场、博物馆、展览馆、商超解决方案，进行城市介绍、路线推荐、AR互动等。

5、智能汽车：智能驾驶（含L4级无人驾驶解决方案）、智能车舱。

6、智慧健康：SenseCare诊疗平台

7、教育：AI基础教育、AI职业教育。

8、企业业务：

二、芯片制造可供应全景

一、芯片供需规律：半导体的供需周期约是2 3年，半导体公司需求高峰时期会大量投资，投资产出两年后则又产生供过于求的情况。

p2017年：产业处于“供不应求”阶段

p2019年：产业处于“供过于求”市场下滑阶段

p2021年：产业处于“供不应求”的高峰阶段（“华为事件”和“新冠疫情”加剧供不应求）

p2023年：预测供需紧张可能会持续到2023初，之后行业会转移到去冗余阶段

二、半导体全产业链

1、半导体全产业链

半导体产业上下游包括，设计软件 -> 设备 -> 材料-> IC设计 -> 代工 -> 封装等，产业链长，具有资本和技术壁垒双高的特点

1、Fabless-Foundry模式

pFabless为无晶圆模式，完成的是芯片设计。

pFoundry完成生产，流程包括①数据处理、②制版、③流片（Tape Out）、④晶元生产测试，约90~180天（工艺复杂周期长）。

2、规模较小的芯片公司将自己设计的功能单元（IP）授权给其他公司，获取1~3%的版税。

3、EDA公司通过向IC设计公司进行软件授权获取盈利

4、芯片成本=晶片成本+【（掩膜+封装+测试）/成品率】

晶片成本=晶圆成本/（每片晶圆晶片数*成本率）

说明：部分品类芯片产量到1*107，1*108（亿）才能将制造成本降到最低。

2、制程和工艺能力是核心竞争力之一

面对制程提升的困难，“More” or “More than”Moore

p挑战：延续摩尔定律面临的挑战是①物理原理极限、②技术手段极限、③先进工艺接近成本极限。

p措施：采用异质集成电路（Heterogeneously IntegratedCircuits）绕道摩尔定律，用工艺弥补制程差距，通过“做宽”弥补“做尖”。

p异质集成：Chiplet + HiTOC + 跨材料集成

（1）异质集成不限于封装领域，延伸到芯片甚至材料原位生长的范畴，将不同工艺节点和化合物半导体高性能器件或芯片、硅基低成本高集成度器件或芯片整合，通过异质键合或外延生长等方式集成而实现的集成电路或系统。

（2）14nm+14nm+3D封装 7nm，其中3D封装实现器件更小更轻、功耗良好、成为Hybridbonding工艺。

（3）工程问题：关注点的是封装（如2.5D异构堆叠和合封）、散热（多层堆叠是瓶颈，依赖新型散热材料和架构）、供电、高速的实现。

三、AI芯片产业总览和竞争策略

算力需求变化趋势（1）：算力需求增速太快，通用CPU无法满足算力增长需求

一、“算力”需求牵引AI芯片方向

1、算力市场需求变化和通用CPU面临的挑战：

（1）算力需求呈指数级增长，速度为3.5个月翻一倍，2012年到2018年AlphaGOZero算力需求增长超过了30万倍，近两年更是增长迅速。

（2）“算力” 需求特点：AI运算包括以“深度学习”为代表的各种神经网络算法，要求系统能够高效处理大量非结构化数据（文本、视频、图像、语音）需要硬件有高效的线性代数处理能力，“计算”特点归纳为

pParallelism：能够大量并行处理，任务简单但是并行运算量大pRegularity：图案是非常整齐的

pLocality：不需要过多访问内存，不需要对片上存储、低延时的高要求

pPrecision：可以用更低精度等效替代

（3）通用CPU无法满足算力增长需求：

p发展速度趋缓，摩尔定率走向尽头，2008年起芯片性价比指标（Performance/dollar）从平均每年增长48%降低到平均每年增长10%以下。p传统通用CPU芯片大量晶体管用于构建逻辑控制和存储单元，架构设计不符合新的“算力”市场要求。而算力芯片，如GPU，就是通过高并行结构，用更多的ALU（ArithmeticLogic unit）处理数据，提升运算速度，满足海量并行计算需求。