参考中国报告网发布《2017-2022年中国人工智能行业运营现状及盈利战略分析报告》
提起人工智能芯片，很多人认为人工智能芯片是一条好的赛道，但是胜负已经明了，英伟达就是最终的赢家。特别是随着 2016 年以来人工智能的浪潮，英伟达股价从不到 20 美元一路上涨到 160 多美元，更是助长了这种情绪的蔓延。
我们的观点很简单：目前，英伟达的 GPU 在训练场景中占据着绝对领导地位。而人工智能整体仍然处于早期阶段，未来人工智能应用的主战场是在推理环节，远没有爆发。未来胜负尚未可知，各家技术路线都有机会胜出。
从应用场景来看，人工智能芯片主要应用在训练(training)和推理(inference)两个环节。训练环节的作用是指利用海量数据，选择合适的训练方法，训练出一个人工智能模型。训练环节最关心的指标是速度快。国内外的人工智能巨头公司都建立了庞大的GPU 集群，以最快速度处理海量数据训练、验证模型的有效性。
而在线推理环节也就是人工智能模型的实际应用环节，是指利用训练出来的模型来在线响应用户的需求。推理环节又分为两个场景，一个是在云端数据中心响应用户需求，一个是在前端智能设备响应用户需求。
在云端数据中心，各家公有云服务厂商都纷纷部署了高性能云计算服务器，应用于视频编解码、深度学习、科学计算等多种场景。随着人工智能技术的发展，未来云端数据中心应用场景还会有极大的丰富。
而在前端智能设备，受模型算法以及计算能力的限制，目前应用还不多。但是基于实时性及隐私安全要求，很多应用都会在前端部署，未来市场空间非常巨大。我们以无人驾驶和智能服务机器人为例说明。
在无人驾驶中，无人驾驶汽车需要实时处理来自激光雷达、摄像头等多路传感器传输的海量数据并作出实时反映。如果通过云端反馈处理，则必然会增加时延和不确定性，导致无人汽车安全性下降。因此，无人驾驶中必须将计算平台部署在前端。
在智能家居中，未来包括智能服务机器人在内的智能家居设备都需要具备实时环境感知能力及语音语义理解能力等，这些也都需要强大的计算平台作为底层支撑。而基于私密性考虑，不可能把智能家居的数据都上传云端处理。因此，智能家居的应用也需要计算平台部署在前端设备中。
与训练环节不同，推理环节更重视性能功耗比。云端数据中心对高并发更加重视，而前端智能设备则对低延时更加重视。
从市场潜力来看，未来市场规模最大的肯定是推理环节。人工智能的发展，首先需要训练出足够好的算法模型。而当人工智能真正落地应用时候，则需要在大量的云端数据中心或者前端智能设备上部署应用。
以人脸识别为例，我们需要在 GPU 集群中经过多次训练才能得到一个足够好的人脸识别算法模型，而当把人脸识别应用于实际应用时候，我们需要将模型部署在成千上万台服务器进行实时人脸识别，甚至在上亿台摄像机中前臵部署部分算法进行预处理。
由此可见，推理环节才是未来最大的潜在市场，也是人工智能芯片决胜的主战场。在推理环节还远没有爆发的时候。未来胜负尚未可知，各家技术路线都有机会胜出。
提起人工智能芯片，很多人认为人工智能芯片是一条好的赛道，但是胜负已经明了，英伟达就是最终的赢家。特别是随着 2016 年以来人工智能的浪潮，英伟达股价从不到 20 美元一路上涨到 160 多美元，更是助长了这种情绪的蔓延。
我们的观点很简单：目前，英伟达的 GPU 在训练场景中占据着绝对领导地位。而人工智能整体仍然处于早期阶段，未来人工智能应用的主战场是在推理环节，远没有爆发。未来胜负尚未可知，各家技术路线都有机会胜出。
从应用场景来看，人工智能芯片主要应用在训练(training)和推理(inference)两个环节。训练环节的作用是指利用海量数据，选择合适的训练方法，训练出一个人工智能模型。训练环节最关心的指标是速度快。国内外的人工智能巨头公司都建立了庞大的GPU 集群，以最快速度处理海量数据训练、验证模型的有效性。
人工智能芯片的应用场景
资料来源：中国报告网整理
而在线推理环节也就是人工智能模型的实际应用环节，是指利用训练出来的模型来在线响应用户的需求。推理环节又分为两个场景，一个是在云端数据中心响应用户需求，一个是在前端智能设备响应用户需求。
在云端数据中心，各家公有云服务厂商都纷纷部署了高性能云计算服务器，应用于视频编解码、深度学习、科学计算等多种场景。随着人工智能技术的发展，未来云端数据中心应用场景还会有极大的丰富。
而在前端智能设备，受模型算法以及计算能力的限制，目前应用还不多。但是基于实时性及隐私安全要求，很多应用都会在前端部署，未来市场空间非常巨大。我们以无人驾驶和智能服务机器人为例说明。
在无人驾驶中，无人驾驶汽车需要实时处理来自激光雷达、摄像头等多路传感器传输的海量数据并作出实时反映。如果通过云端反馈处理，则必然会增加时延和不确定性，导致无人汽车安全性下降。因此，无人驾驶中必须将计算平台部署在前端。
在智能家居中，未来包括智能服务机器人在内的智能家居设备都需要具备实时环境感知能力及语音语义理解能力等，这些也都需要强大的计算平台作为底层支撑。而基于私密性考虑，不可能把智能家居的数据都上传云端处理。因此，智能家居的应用也需要计算平台部署在前端设备中。
无人驾驶汽车示意图
资料来源：中国报告网整理
智能家居示意图
资料来源：中国报告网整理
与训练环节不同，推理环节更重视性能功耗比。云端数据中心对高并发更加重视，而前端智能设备则对低延时更加重视。
从市场潜力来看，未来市场规模最大的肯定是推理环节。人工智能的发展，首先需要训练出足够好的算法模型。而当人工智能真正落地应用时候，则需要在大量的云端数据中心或者前端智能设备上部署应用。
以人脸识别为例，我们需要在 GPU 集群中经过多次训练才能得到一个足够好的人脸识别算法模型，而当把人脸识别应用于实际应用时候，我们需要将模型部署在成千上万台服务器进行实时人脸识别，甚至在上亿台摄像机中前臵部署部分算法进行预处理。
由此可见，推理环节才是未来最大的潜在市场，也是人工智能芯片决胜的主战场。在推理环节还远没有爆发的时候。未来胜负尚未可知，各家技术路线都有机会胜出。
资料来源：中国报告网整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
