时间：2023-02-06 14:24:49 | 浏览：731
伴随全球数字化进程的加快，人工智能成为引领未来世界发展的关键技术。近年来，各国政府、科研教育机构、科技企业及专家学者纷纷加入到推动人工智能产业发展的过程中，人工智能技术与产业融合程度不断加深。
本期的智能内参，我们推荐尚普咨询的报告《2022年全球人工智能产业研究报告》，揭秘人工智能的发展前沿。
来源 尚普咨询
原标题：
《2022年全球人工智能产业研究报告》
作者：孙硕 宿硕 刘宇 张祎 周文青
近年来，人工智能技术得到快速发展，其对经济社会发展以及生产生活方式变革将产生重大影响。全球范围内美国、欧盟、英国、日本、中国等国家和地区均大力支持人工智能产业发展，相关新兴应用不断落地。根据Deloitte报告预测，全球人工智能产业规模从2017年的6,900亿美元增长至2025年的64,000亿美元，2017-2025年复合增长率32.10%，呈现较快增长走势。
2017-2025年全球人工智能产业规模
投融资方面，全球人工智能投资市场近年来快速发展，整体融资规模从2015年的63亿美元增长至2021年的668亿美元。2021年全球医疗AI融资规模较高达到122亿美元，金融科技AI融资规模为39亿美元，零售AI融资规模为37亿美元。
2015-2021年全球AI融资规模和融资数量
2015-2021年全球医疗AI融资规模和融资数量
2015-2021年全球金融AI融资规模和融资数量
2015-2021年全球零售AI融资规模和融资数量
尚普研究院根据CB Insights数据统计，全球现有人工智能企业超过11,000家，累计融资总额超过2,500亿美元。其中，美国拥有AI相关企业达到4,171家，累计融资金额达到1,601.9亿美元，在公司数量和融资规模上均位居世界首位；中国拥有1,275家AI公司，融资总金额为470.7亿美元，位居世界第二位。英国、印度、加拿大等国家也各自拥有百余家AI公司，AI企业数量排名前10位的国家占全球总数的78.3%，累计融资金额则达到全球总额的95%，AI企业和融资活动集中在美、中、英等国家。
全球主要国家AI企业数量与累计融资规模
尚普研究院将处于全球人工智能产业链中的典型上市公司进行整理，名单中以具备综合实力的科技巨头为主，国外如Google、Amazon、Microsoft等，国内如百度、阿里巴巴、腾讯等。此外，国内的商汤、科大讯飞等具有强技术属性的AI公司受关注度较高。
全球人工智能产业链主要上市企业名单
AI芯片(AI Chip)：专门用于处理人工智能相关的计算任务，其架构针对人工智能算法和应用进行专门优化，具有高效处理大量结构化和非结构化数据的特征，可高效支持视觉、语音、自然语言处理等智能处理任务。当前AI芯片类型主要涉及GPU、FPGA、TPU、IPU、DPU、NPU等类别。从应用场景来看，AI芯片广泛应用于云端、边缘端、终端等各类场景，其中云端AI芯片具备高性能特征，终端AI芯片具有低功耗和高能效特性，而边缘端AI芯片性能介于云端和终端之间。
目前，评价AI芯片性能的指标主要包括：TOPS、TOPS/W、时延、成本、功耗、可扩展性、精度、适用性、吞吐量、热管理等。其中，TOPS/W是用于度量在1W功耗的情况下,芯片能进行多少万亿次操作的关键指标。近年来，MIT、Nvidia等研发人员开发专门的芯片软件评价工具对于AI芯片的性能做出了系统、全面评价，如Accelergy（评估芯片架构级能耗）、Timeloop（评估芯片运算执行情况）等。MLPerf是由来自学术界、研究实验室和相关行业的AI领导者组成的联盟，旨在“构建公平和有用的基准测试”，可用于衡量深度学习软件框架、AI芯片和云平台性能。
CPU作为通用处理器，包含控制单元（指令读取及指令译码）、存储单元（CPU片内缓存和寄存器）及运算单元（ALU约占20%CPU空间）三个主要模块，但受制于成本/功耗/技术难度/算力瓶颈等问题，目前仍未出现适配AI高算力要求的主流CPU产品。GPU是一种由大量核心组成的大规模并行计算架构，拥有较多运算单元（ALU）和较少缓存（cache），是一款专为同时处理多重任务而设计的芯片，具备良 好的矩阵计算能力和并行计算优势，能满足深度学习等AI算法的处理需求，成为主流云端AI芯片。
英伟达A100芯片为多个SM单元(Streaming Multiprocessors，流式多处理器)构成的并发多核处理器，不同SM单元共享L2 Cache存储资源进行数据访存，A100的安培架构中有128个SM核，SM结构是芯片架构升级的核心。Tensor Core是英伟达GPU架构中专为深度学习矩阵运算设置的张量计算单元，是英伟达GPU系列深度学习运算加速的核心。Tensor Core处理的是大型矩阵运算，其执行一种专门的矩阵数学运算，适用于深度学习和某些类型的高性能计算。Tensor Core功能是执行融合乘法和加法的运算，其中两个4*4 FP16矩阵相乘，然后将结果添加到4*4 FP32或FP64矩阵中，最终输出新的4*4 FP32或FP64矩阵。
AIoT通过融合AI和IoT技术实现万物智联，其主要涉及到安防、移动互联网等多样化场景。在智慧安防方面，由于终端摄像头每天产生大量的视频数据，若全部回传到云数据中心将会对网络带宽和数据中心资源造成极大占用。通过在终端加装AI芯片，可实现数据本地化实时处理，即仅将经过结构化处理、关键信息提取后带有关键信息的数据回传云端，大大降低网络传输带宽压力。当前主流解决方案为前端摄像头设备内集成AI芯片，在边缘端采用智能服务器级产品，后端在边缘服务器中集成智能推理芯片。目前国内外企业正在加大对边缘端AI视觉处理芯片的研发和投入，相关芯片产品如英伟达Jetson AGX Xavier、地平线旭日3、华为海思Hi3559A V100等。
随着智能驾驶等级的提高，技术不断迭代促使车用AI芯片性能逐步增强。SAE（国际自动机工程师学会）将自动驾驶划分为六个级别：L0（非自动化）、L1（驾驶员辅助）、L2（部分自动化，如交通拥堵辅助和高级紧急制动+转向）、L3（有条件自动化，如高速道路自动驾驶）、L4（高度自动化，如城市自动驾驶）和L5（完全自动化，如全场景自动驾驶）。从L3开始每一级别均需要强大的算力进行实时分析，处理大量数据，执行复杂的逻辑运算，对计算能力有着极高要求。每一级别自动驾驶汽车所需的芯片计算能力一般认为是：L3约为250TOPS，L4超过500TOPS，L5超过1,000TOPS。随着芯片设计和制造工艺的提高，车用AI芯片正朝着高算力、低功耗的方向发展。
全球主要车用AI芯片概览
预计到2025年，全球车用AI芯片市场规模将突破17亿美元。随着汽车控制方式逐渐由机械式转向电子式，每辆汽车对车用AI芯片需求提升，带动车用AI芯片长期发展。根据Yole预测，2025年全球车用AI芯片产量将达到67.19亿颗，市场规模将达到17.76亿美元，年复合增速分别达到99.28%和59.27%。此外，车用AI芯片逐渐往高能效方向发展，如英特尔2022年推出的EyeQ Ultra自动驾驶汽车芯片，基于经过验证的Mobileye EyeQ架构而打造，其含有8个PMA、16个VMP、24个MPC、2个CNN Accelerator视觉处理单元（VPU），通过优化算力和效能以达到176TOPS，可满足L4自动驾驶场景，该产品将于2023年底供货，预计在2025年全面实现车规级量产。
2021-2025年全球车用AI芯片产量
2021-2025年全球车用AI芯片市场规模
AI芯片在图像识别、语音识别和快速建立用户画像等方面具有重要作用。
