一、AI芯片的概念和性能比较

1.广义概念

AI芯片是专门处理人工智能应用中大量计算任务的模块，是诞生于人工智能应用快速发展时代的处理计算任务硬件，广义来讲，凡是面向人工智能应用的芯片均被称为AI芯片。包含基础层、技术层、应用层三个层面：

（1）基础层：AI芯片可以看成人工智能应用中完成大量计算所需的硬件

（2）技术层：人工智能应用常用的算法技术等，用来解决人工智能应用中的核心计算问题（如语音识别、语义分析、视觉处理、知识图谱、推理计算等）

（3）应用层：通过场景应用实践，利用人工智能学科的技术解决实际问题（如智能硬件、智能机器人、智能汽车、智慧城市、智慧金融等）

2.狭义概念

狭义的AI芯片指的是针对人工智能算法做了特殊加速的芯片。由于深度学习算法在人工智能领域的应用不断加强和提升，AI芯片一般会认为是对大量数据进行训练和推理设计的芯片。

3.芯片的三种商业模式

Fabless模式：专注芯片设计，代表企业华为海思。

Foundry模式：专注芯片制作，即代工厂，代表企业台积电。台积电主要的客户包括：苹果、英伟达、高通、海思、博通、AMD、联发科、美满电子、索尼、德州仪器。

4.AI芯片领域国内主要公司

浪潮信息（1998）：全球领先的AI基础设施供应商，AI服务器市占率稳居榜首。

华为海思（2004）：前身为华为集成电路设计中心，1991年启动集成电路设计及研发业务。

依图科技（2012）：以人工智能芯片技术和算法技术为核心。

嘉楠科技（2013）：ASIC区块链计算设备与RISC-V 架构边缘 AI 芯片。

云天励飞（2014）：作为业内领先的人工智能企业，打造了一系列面向数字城市和人居生活的产品和解决方案。

地平线（2015）：致力于成为边缘人工智能芯片的全球领导者。

寒武纪（2016）：致力于打造人工智能领域的核心处理器芯片。

平头哥（2108）：平头哥半导体有限公司是阿里巴巴全资的半导体芯片业务主体。

5.芯片性能比较

衡量AI芯片性能主要指标是芯片制程，这一点国内外存在显著差距。国际上先进制程多为5-10nm，台积电最新制程水平可达3nm为国际最优。美国2022年禁止14nm以下芯片制造设备，荷兰2023年禁止7nm以下芯片制造设备对华供应。

国内方面，天津飞腾先进制程为16nm、天津海光为14nm，而当前中芯国际14nm、华为鲲鹏7nm面临制造方面的限制，产能不稳定。

以算力功耗密度为比较的参数，第一梯队是阿里，第二梯队是百度、寒武纪、遂愿，第三梯队是依图。以英伟达T4为标尺，百度、寒武纪、遂愿的云端推理芯片达到了英伟达T4性能水平。据了解，英伟达A100 GPU在BERT训练和推理上的性能分别较前代V100提升了6倍和7倍，但英伟达T4推理能力只有V100的60%。

市场调查机构TrendForce此前公布的报告指出，如果以英伟达A100显卡的处理能力计算，运行ChatGPT将需要使用到3万块英伟达GPU。GPT-4将会达到100万亿参数，较ChatGPT所基于的GPT-3.5有着600倍的提升，对高性能算力芯片的需求将进一步提升。

二、代表性AI芯片及相关上市公司

仅列举可支撑AI计算的高性能算力芯片。

1.CPU

CPU又叫中央处理器，是计算机的大脑，主要执行分析，判断和运算功能。全球CPU行业被Inter和AMD两家垄断，国有芯片在PC中市占率约为1%，在服务器中约占2%。

（1）龙芯中科——龙芯2K1000

双核64位系统处理器，板载2G DDR3内存，主频1GHz。LoongArch龙架构，完全国内自主芯片，与鸿蒙适配。2023年1月上线了龙芯 2K1000LA 嵌入式开发平台——龙芯派二代（LoongArch），峰值运算速度达 8GFlops。使用龙芯2K1000配合松科智能国产神经网络加速棒，可以实现在嵌入式边缘计算领域的AI算力支撑。

（2）海光信息、中科曙光——海光CPU

海光CPU（3000/5000/7000系列）：基于x86架构，应用于云计算、物联网、信息服务等。海光3000系列产品最多集成8个处理器核心，最大支持2个内存通道和32个PCIe接口，主要应用于工作站和边缘计算服务器，面向入门级计算领域；5000系列最多集成16个处理器核心，最大支持4个内存通道和64个PCIe接口，主要应用于中低端服务器，并发处理能力和单核心处理器性能较为均衡；7000系列最多可集成32个核，最大支持8个内存通道和128个PCIe 接口，主要应用于高端服务器，主要面向数据中心、云计算等复杂应用领域。

（3）华为海思——鲲鹏系列

鲲鹏920：ARM-based处理器，采用7nm制造工艺，基于ARM架构（华为被制裁前已经获得了ARMv8指令集架构永久性授权），由华为公司自主设计完成。主频可达2.6GHz，单芯片可支持64核，业界首个内置直出100GE网络能力的通用处理器。深圳华强为供应商；长电科技、华天科技、通富微电等为其芯片封测公司。

（4）中国长城（参股天津飞腾）——飞腾腾云S2500

S2500处理器芯片集成64个自主研发的ARMv8指令集兼容处理器内核FTC663，采用片上并行系统（PSoC）体系结构。通过集成高效处理器核心、基于数据亲和的大规模一致性存储架构、层次式二维Mesh互连网络、多端口高速直连通路，优化存储访问延时，提供业界领先的计算性能、访存带宽和IO扩展能力。

2.GPU

GPU是图形处理器，也是显卡的计算核心，主要用来解决图形渲染问题，允许大量数据的并行计算，故而可广泛应用于AI训练。全球GPU市场由NVIDIA，AMD，Inter三家垄断，NVIDIA的GPU产品A100、H100在AI芯片市场一家独大。英伟达A100在bert等先进对话式AI模型上可将推理吞吐量提升到高达CPU的249倍。从2022年开始，美国已经限制英伟达向中国大陆销售A100/H100显卡，但英伟达推出了A800，成为中国特供版A100平替。

（1）海光信息、中科曙光——海光DPU

海光DPU（兼容类CUDA环境，8000系列）：基于GPGPU的产品，应用于大数据处理、人工智能、商业计算等。海光虽被制裁，但已获得了AMD第一代 Ryzen和EPYC的Zen架构技术，预计今年下半年开始销售基于Zen的芯片，性能达到10倍。

（2）龙芯中科——龙芯7A2000

龙芯7A2000（搭载自主GPU）：7A2000桥片首次集成龙芯自研统一渲染架构的GPU模块，GPU核心频率达到400-500MHz，基于OpenGL2.1和OpenGL ES2.0规范实现，集成DDR4显存控制器，显存频率达到2000Mhz-2400Mhz，最大支持16GB。

（3）景嘉微——JM9

景嘉微是唯一实现大规模量产的国产GPU厂商，已成功研发JM5400、JM7200、JM9等系列图形处理芯片，并成功实现产业化。JM9系列两款图形处理芯片可满足地理信息系统、媒体处理、CAD 辅助设计、游戏、虚拟化等高性能显示需求和人工智能计算需求，可广泛应用于台式机、笔记本、一体机、服务器、工控机、自助终端等设备。2022年12月JM9系列图形处理芯片已开展测试推广工作，但尚未涉及AI训练领域。

3.ASIC——寒武纪

ASIC，叫作专用集成电路，强调的是专用性，根据客户需求，把CPU，GPU，存储器，蓝牙，WIFI等多个集成电路组合到一块芯片上，使得整机电路优化。ASIC最重要的应用场景，就是智能手机，比如华为海思的麒麟芯片。寒武纪基于ASIC在AI训练领域进行研发，目前尚未公开发行的产品为思元590。

思元270（2019）：采用台积电16nm制程工艺，架构代号从上一代的MLUv01升级到了MLUv02，理论峰值性能提升4倍，同时兼容INT4和INT16运算，理论峰值分别达到256 TOPS和64 TOPS。

思元290（2021）：是寒武纪首颗训练芯片，和英伟达A100的上一代V100是同一级别训练产品。采用台积电7nm制程工艺，集成460亿个晶体管，支持MLUv02扩展架构，算力高达1024 TOPS（INT4）。

4.FPGA——复旦微电

FPGA芯片也叫可编辑芯片，具有可编程，并行运算的特点，可广泛应用于5G通信、AI智能、数据中心、汽车等领域，可应用于数据中心中为人工智能提供算力。全球 FPGA 市场由四大巨头 Xilinx，Intel，Lattice，Microsemi 垄断，同时在硬件设计和高端的 EDA 软件设计上都形成了极强的技术封锁，四大厂商的市场占有率达到了 96%。

复旦微电为国内FPGA龙头，2016年推出65nm千万门级的产品，2018年推出28nm亿门级芯片，并在28nm制程不断丰富FPGA产品谱系，已形成多种容量和多种封装形式的产品系列；并FPGA技术基础上推出了多款嵌入式可编程器件PSoC，可广泛用于高速通信、信号处理、图像处理、工业控制等应用领域。

5.NPU——华为海思（昇腾系列）

NPU（Neural-network Processing Unit）是神经网络处理器，在电路层模拟人类神经元和突触，并用深度学习指令集直接处理大规模电子神经元和突触数据。

昇腾910：华为昇腾有两款产品，分别为310、910。910是目前最强的AI处理器，基于自研华为达芬奇架构3D Cube技术，7nm+制程，实现业界最佳AI性能与能效，架构灵活伸缩，支持云边端全栈全场景应用。算力方面，昇腾910完全达到设计规格，半精度（FP16）算力达到320 TFLOPS，整数精度（INT8）算力达到640 TOPS，功耗310W。相关企业有拓维信息、常山北明、广电运通等。