当前人工智能爆发新一轮浪潮，海量参数产生大算力需求，OpenAI预估算力需求每3.5个月翻一倍，每年近10倍。AI大模型的算力水平显著供不应求，高壁垒AI芯片显著受益。
随着人工智能技术日趋成熟，数字化基础设施不断完善，人工智能商业化应用将加落地，推动AI芯片市场高速增长。行行查
行业研究数据库资料显示，年全球人工智能芯片市场规模将达到亿美元。未来几年内，中国人工智能芯片市场规模将保持年均40%至50%的增长速度，到年，市场规模将达到亿元。
同时，随着美国持续加大对中国高端芯片的出口限制，高速运算相关的芯片国产化进程必然加快。#人工智能#
AI芯片行业概览
根据芯语数据，AI服务器相较于高性能服务器、基础服务器在芯片组(CPU+GPU)的价格往往更高，AI服务器(训练)芯片组的成本占比高达83%、AI服务器(推理)芯片组占比为50%，远远高于通用服务器芯片组的占比。
AI芯片主要包括图形处理器(GPU)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、神经拟态芯片(NPU)等。
GPU是显卡的核心单元，是单指令、多数据处理器。采用数量众多的计算单元和超长的流水线，在图形领域的加速方面具有技术优势。
FPGA集成了大量的基本门电路及存储器，利用门电路直接运算、速度较快。用户可以自由定义这些门电路和存储器之间的布线，改变执行方案，从而调整到最佳运行效果。相较于GPU灵活度更高、功耗更低。
ASIC为特定目的、面向特定用户需求设计的定制芯片，具备体积小、功耗低、可靠性更高等优点。在大规模量产的情况下，具备成本低的特点。
CPU、GPU、FPGA、TPU、ASIC对比(纵轴代表灵活性、横轴代表性能):
GPU：专用计算的刚需
GPU（GraphicsProcessingUnit，图形处理器）：是英伟达公司在年8月发表NVIDIAGeForce（GeForce）绘图处理芯片时首先提出的概念。
是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上做图像加速和通用计算工作的微处理器。
GPU可作为深度学习的训练平台，优势在于：1、GPU服务器可直接加速计算服务，亦可直接与外界连接通信；2、GPU服务器和云服务器搭配使用，云服务器为主，GPU服务器负责提供计算平台；3、对象存储COS可以为GPU服务器提供大数据量的云存储服务。
其优点是性能高通用性好、缺点是功耗高，拥有硬件技术的核心壁垒，可同时用于GPT模型的训练和推理过程。
GPU行业的产业链主要涉及三个环节：设计、制造、封装。
行业巨头大多集中在海外，位居产业链各个环节核心，对全球GPU行业起着决定性的作用。
从国产替代方案来看，景嘉微、龙芯中科、海光信息、寒武纪、芯原股份、好利科技、壁仞科技、芯动科技等厂商有望受益。
国内GPU市场格局及部分代表厂商：
GPGPU：门槛极高的领域
GPGPU服务器是目前AI加速服务器的最主流选择。
GPU的核心价值体现在图形图像渲染，GPGPU的重点在于算力，虽然都是由GPU的架构演进而来，但所
联系电话：