瀚博半导体：45家国产AI芯片厂商调研分析报告（2022）（24页）.pdf

1、45 家国产 AI 芯片厂商调研分析报告 作者：顾正书，AspenCore 资深产业分析师 AspenCore 声明： 感谢安谋科技、 合见工软与瀚博半导体在本报告的调研和撰写过程中提供专业的技术指导、应用案例分析和行业洞察。 我们将邀请来自这三家公司的技术专家参与 EE 直播间在线讲座：Fabless 技术和应用系列-AI 芯片的设计挑战与应用市场分析。 国内外调研机构、行业专业人士和媒体对 AI 及 AI 芯片的技术发展趋势和应用场景都已经做了全面和深入的分析，本报告就不再赘述了。AspenCore 分析师团队主要从以下几个方面对 AI 芯片产品及国产 AI 芯片厂商进行深入分析（每个部分

2、单独成篇，请点击浏览相应内容）。 1. AI 芯片的设计流程和挑战 2. 全球 AI 芯片 Top 10 3. 国产 AI 芯片 Top 10 4. 15 家国产边缘/端侧 AI 芯片厂商及其代表产品 5. AI 芯片价值链 6. 45 家国产 AI 芯片厂商信息汇总 AI 芯片的设计流程和挑战 芯片是一个产品，同时也是一个服务于商业客户的行业，AI 芯片自然也不例外。一个芯片从无到有通常需要经过定义、设计、制造和流通几个重要环节，除了制造环节会外包给Foundry 和封测厂之外，一个芯片设计公司需要做好芯片定义、设计（包含芯片、系统和软件）、寻找客户（渠道建设）几个环节。简单地说，就是要明确

3、：做什么芯片？怎么做出来？怎么卖出去？无论拥有成熟品牌的大型公司，还是初创公司，同时做好上述三点都是一个很大的挑战。 那么，在 AI 芯片的不同阶段（规划、设计、验证、流片、板卡/系统集成、应用方案）分别面临什么挑战呢？ 1. 规划阶段。最大的挑战是如何明确市场定位，规划出最有竞争力的方向。对于 AI 芯片设计初创公司来说，在早期阶段就引入战略合作伙伴能更好地理解市场需求，确保开发的 AI 芯片符合客户需要。同时，在规划阶段就要软件和硬件协同开发，因为 AI 芯片设计在很大程度上是软件定义硬件。如果硬件对软件和应用需求不友好，单纯从性能指标上看起来可能很好，但却很难实现产品化。 2. 设计及验

4、证阶段。这是整个芯片开发流程中非常核心的部分，也是非常考验工程团队研发能力的阶段。怎么按计划做出符合规划目标的 AI 芯片是最大的挑战。 3. 板卡/系统集成。这是产品化的另外一个关键阶段，再好的芯片如果没有一个稳定可靠的硬件平台，也没有办法交付给客户使用。在保证稳定性及可靠性的前提下，实现最佳的性能和效率比是最主要的追求目标。面向云端 AI 的高性能芯片大都以加速卡的形式集成到服务器中，整体能耗和使用成本也是客户考虑的一个重要指标。 4. 应用方案。这是连接客户与研发团队的桥梁，要确保研发符合客户的使用习惯，让客户能够以最小的代价导入到其系统设计中。 下面以面向视频处理应用的瀚博半导体为例，

5、来看国内 AI 芯片初创公司是如何应对这些挑战的。 从算力高低的角度来看，AI 芯片的应用领域依次为数据中心（云）、边缘网关或服务器（边）、终端设备（端）。瀚博开发的是面向云端 AI 推理的大芯片，主要面临以下三大挑战： 1. 随着摩尔定律的放缓，综合利用各种架构优势的异构运算(heterogeneous computing, DSA 架构)成为推动算力增长的新趋势, 但随之而来的是系统架构和软件的复杂性； 2. 算力越高，通常芯片面积就越大，需要堆积的晶体管数量越多, 这对达成最佳 PPA（性能、功耗和面积）带来了额外的挑战； 3. 芯片越大越复杂，开发周期、研发成本和制造成本都随之增高，如

6、何精准地定位一个有足够大体量的应用市场是 AI 芯片公司在运营层面的挑战。 据瀚博半导体联合创始人兼 CTO 张磊介绍，其创始团队在 GPU 领域拥有非常丰富的经验，但公司并没有首选做 GPU，而是选择通过 DSA 架构来做面向 AI+视频市场的芯片，从而在 PPA 和成本上具有明显市场优势。同时，相比于很多公司临时招募组建的研发团队，瀚博的创始团队有着多年相互配合的默契，以及大芯片研发和量产的管理经验和实战经验。该公司的第一颗芯片开始测试 8 分钟即点亮，这是通过完美执行而应对以上三大挑战的一个最好佐证。 为什么选择 AI 芯片而不是 GPGPU？ PC 时代随着图形操作系统的出现，大量需要