AI行业规模将达到2250亿美元，国产AI芯片业如何抓住机遇？

据财联社消息，瑞银（UBS）在最新发布的一份报告中表示，科技行业刚刚开始大规模增长周期，预计到2027年，随着人工智能在各经济体中的广泛应用，AI模型及应用程序将成为一个2250亿美元的细分市场。2022年的22亿美元，将成为这一数字的零头。

显然，这是一个巨大的飞跃，因为这意味着将近152%的复合年增长率。此外，研究人员还承认，瑞银此前关于AI行业总收入增长的预测可能过于保守，因此此次将AI行业总收入上调了40%，预计AI行业总收入将增长15倍，从2022年的180亿美元增加到2027年的4200亿美元，复合年增长率将达到72%。

这些增长将主要来自两个市场。一是软件市场。报告称：“如果ChatGPT应用程序的推出是人工智能行业的‘iPhone时刻’，那么在我们看来，最近推出的众多应用程序，如微软的Copilots，以及OpenAI在23年第四季度推出的Turbo with vision，意味着人工智能行业的App Store时刻已经到来”。

另一个则是在GPU云和人工智能边缘计算等新兴趋势推动下，正在快速成长的人工智能基础设施市场，这个细分市场的规模预计将从2022年的258亿美元增长到2027年的1950亿美元，推动AI成为全球科技领域未来十年的科技主题，“因为我们在其他科技领域没有看到类似的增长情况”。

而GPU和芯片领域将成为未来数年人工智能强劲支出大潮的最大受益者，2022年到2027年的符合年增长率预计为60%，行业收入将从2022年的158亿美元增长到2027年的1650亿美元。

AI大模型推动智能算力需求大爆发

如同农业时代的水利，工业时代的电力，算力是数字经济时代的关键生产力。随着AI步入“大模型”时代，算力的提升也被加速推动。

这是因为AI非常依赖相关基础设施，包括计算、储存和网络等，并且随着人们对AI性能要求的提升，训练AI所需要用到的数据不断增长，算法的复杂度也在不断提高，因此对于算力也提出了更高的要求。

截至2023年6月底，我国在用数据中心机架总规模超过760万标准机架，算力总规模达到了197EFLOPS,位居全球第二，算力总规模近五年年均增速近30%。

随着AI向多场景化、规模化、融合化等高应用阶段发展，其所对应的数据体量、算法模型参数量以及以加速计算为核心的算力中心的规模将不断增大。

而AI芯片作为面相人工智能领域的芯片，是专门用于处理人工智能应用中大量计算任务的模块。“无芯片不AI”，AI芯片兴起于AI对算力的高需求，以其为载体实现的算力是人工智能发展水平的重要衡量标准，因此，我国AI芯片行业的发展备受关注，不断涌现出新的生产设计商，市场规模也正不断扩大。

科技巨头如何布局AI芯片业？

随着中美两国在人工智能领域的竞争，AI芯片的国产化正成为亟待解决的问题。

在AI大模型的训练中，算法主要看研究团队的智慧和灵感，在这一方面，中美之间并没有很大的差距，而在训练数据方面，大数据资源中国具有一定优势，但与此同时却在算力方面吃了亏，这是因为决定计算能力的关键是芯片。

目前，在AI芯片领域，国外芯片巨头占据了大部分市场份额。在全球范围内，布局AI芯片的厂商主要有英伟达、英特尔、高通以及谷歌等，因此，在AI芯片领域，美国无论是在人才聚集还是在公司合并等方面都具有优势，处于领先地位，并且已经成为行业的引领者。

而国内AI芯片起步较晚，和世界先进水平之间存在着较大差距，与此同时，市场也较为分散，集中度低。由于互联网企业对计算机软件和存储设备的要求极高，因此对于渗透到各行各业中的AI，更加重视底层技术的布局和提升，因此在AI芯片领域早早就展开了布局。

例如，阿里巴巴成立了专注AI芯片市场的平头哥；百度成立了昆仑芯，探索芯片领域；华为则一直在AI芯片领域布局，早在2017年就推出了Ascend芯片，并在之后陆续推出了Ascend AI处理器、Atlas AI计算平台以及昇腾等产品。

而国内AI芯片厂商目前主要以中小公司为主，例如全球AI芯片领域收割独角兽初创公司寒武纪等等。

AI芯片有望加速拥抱国产化

尽管GPU芯片巨头英伟达在全球AI芯片市场上拥有垄断优势，但由于美国“卡脖子”，国产AI芯片的国产化进程仍将加速推进。近年来，美国陆续收紧中国获得国际先进芯片的能力，不仅在芯片进口上做出了限制，在芯片生产工具的获得上也有所限制。

与此同时，我国的人才缺口也较大，人工智能不同技术方向岗位人才供需比均低于0.4，其中AI芯片岗位人才供需比仅为0.32。因此我们正不断增加教育投入和产业发展，并吸引海外人才创业、就业。

近年来，我国已经在限制之下，兴起了一批AI芯片初创公司，正加快落地算力产业链，例如国产CPU+DPU龙头海光信息、ASIC路线先行者寒武纪、景嘉微和璧仞科技等。2023年12月，摩尔线程在北京举行了首个全国产千卡千亿模型训练平台——摩尔线程KUAE智算中心揭幕仪式，宣布国内首个以国产全功能GPU为底座的大规模算力集群正式落地。

在制造之外，国产AI芯片的发展也需要关注生态建设，各公司目前致力于构建自己的生态，学术界则提出以开源作为发展的创新路径。例如，梁晓晓团队推出的开源GPGPU（通用GPU）平台“青花瓷”；清华何虎团队推出RISC-V（一种开放免费的指令集架构）的开源GPGPU实现方案。

相信开源的创新路径为AI芯片国产化提供了新思路，目前已有不少公司加入了开源生态的合作建设中。