AI芯片国际市场尚未成型，ASIC研究突破能提高芯片地位

人工智能的发展在推进，芯片的生产和应用速度也在增快，现在因为深度学习产生的需求，主要是通过芯片的技术层次研究来实现。

人工智能下的芯片新需求

在产业应用没有大规模兴起之时，使用这类已有的通用芯片可以避免专门研发定制芯片(ASIC)的高投入和高风险。但是，由于这类通用芯片设计初衷并非专门针对深度学习，因而存在性能、功耗等方面的瓶颈。随着人工智能应用规模的扩大，这类问题将日益突出。

正如CPU改变了当年庞大的计算机一样，人工智能ASIC芯片也将大幅改变如今AI硬件设备的面貌。如大名鼎鼎的AlphaGo使用了约170个图形处理器(GPU)和1200 个中央处理器(CPU)，这些设备需要占用一个机房，还要配备大功率的空调，以及多名专家进行系统维护。而如果全部使用专用芯片，非常可能只需要一个盒子大小，且功耗也会大幅降低。

在芯片需求还未成规模、深度学习算法暂未稳定需要不断迭代改进的情况下，利用具备可重构特性的FPGA芯片来实现半定制的人工智能芯片是理想选择。随着人工智能算法和应用技术的日益发展，以及人工智能专用芯片ASIC产业环境的逐渐成熟，人工智能下ASIC将成为人工智能计算芯片发展的必然趋势。

数字货币挖矿产业也属于芯片市场

数字货币挖矿产业在全球形成了价值近200亿元的市场。这个新兴产业本质上属于芯片市场。挖矿的实质就是比拼矿机公司研发的芯片算力。

矿机芯片由于软件应用单一，在短时间内快速走过了迭代进化历程——从CPU到GPU、FPGA，再到ASIC(专用集成电路)芯片。作为全球排名第一和第二的矿机公司巨头，比特大陆和嘉楠耘智应用成熟的ASIC芯片技术，在矿机芯片领域垄断了近90%的全球市场。这是全球芯片行业中，鲜有的被中国公司垄断的细分市场。

中国芯片在设计、制造、封测三大产业链环节均落后于世界先进水平，部分领域甚至跟发达国家有10年-20年的差距。这让中国的芯片领域过分依赖进口贸易。全球调研机构IC Insights在2016年公布了全球半导体20强，前20位中没有中国公司上榜。

但这一情形在2017年有所改变。IC Insights2017年公布的全球前十大芯片设计公司(按销售收入)，国内有两家企业进入前十名：华为海思和紫光集团分别以47.15亿美元和20.50亿美元的收入分居第7位和第10位。由于专利积累、软件生态配套不足等原因，中国在已经落后的传统芯片领域想要追赶领先者颇为困难。而在没有太多历史包袱、有新技术突破的芯片领域，中国跟其他国家站在同一起跑线上，有机会占据领先位置。

ASIC是国内芯片的新机遇

近几年，中芯国际、华为海思等中国企业发展迅速，已经在半导体芯片市场开始有了一席之地。但一直以来，受制于高端芯片技术的封锁，一直没有找到一个突破桎梏的契机。 区块链行业的泡沫逐渐回归理性的阶段，ASIC芯片在诸多大牌厂商明星产品面前显得渺小的多，这就需要另寻他地，对于国内的诸多芯片企业来说也是一个不可多得的机遇。

从2014年到2017年，中芯国际的年营业收入从19.7亿美元增长到31.01美元。从负增长到最高30.32%的增长率，中芯国际只用了两年。但在2017年，中芯国际的营收增长率下滑至6.42%，这侧面说明了中芯国际也存在成长力不足的情况。步入2018年，在国家队注资入场后，中芯国际上半年的营业收入达到17.22亿美元，同比增长11.49%。预期中芯国际的下半年营收会比上半年有更强劲的增长，大概率今年营业收入增长率会超过2017年。

中国芯片在设计、制造、封测三大产业链环节均落后于世界先进水平，部分领域甚至跟发达国家有10年-20年的差距。这让中国的芯片领域过分依赖进口贸易。全球调研机构IC Insights在2016年公布了全球半导体20强，前20位中没有中国公司上榜。

由于专利积累、软件生态配套不足等原因，中国在已经落后的传统芯片领域想要追赶领先者颇为困难。而在没有太多历史包袱、有新技术突破的芯片领域，中国跟其他国家站在同一起跑线上，有机会占据领先位置。现阶段，中国弯道超车的希望存在于人工智能(AI)芯片领域。

谷歌和英伟达公司是人工智能处理领域的两大巨头，但英伟达主要专注于GPU。人工智能领域的ASIC专用芯片仍是一片蓝海，尚未出现足以垄断市场的巨头公司。

在AI领域专用芯片，除了谷歌，研发者大多为充满活力的新兴公司，其中活跃着不少中国公司，如寒武纪、地平线等。AI芯片上可以说是美国第一，中国第二。目前人工智能芯片正在重演矿机芯片的演化路径——从CPU/GPU/FPGA到ASIC专用芯片。而国内企业也有机会将成熟的ASIC芯片技术拓展到人工智能领域。

在AI芯片市场，现在的国际市场还未形成市场定局，国内通过在AI芯片的研究能够成为新的市场突破点，提高中国芯片市场在国际市场的话语权。