研判2024！中国人工智能芯片行业产业链图谱、市场规模及前景分析：国内智能算力建设加速推进，国产AI芯片产业加速发展[图]

内容概要：自2020年OpenAI发布生成式人工智能模型GPT-3以来，人工智能热潮再度席卷全球，我国以加速计算为核心的算力中心规模不断扩大，叠加科技兴国政策以及基建、数字经济等利好政策驱动，国内智能算力建设工程建设加速推进，市场人工智能芯片产业应用需求日益增长，持续拉动国内人工智能芯片市场发展。据统计，2023年，我国工智能芯片领域投融资事件数量为77件，行业投融资金额达147.35亿元；全国人工智能芯片市场规模已增至1206亿元，与2018年相比，年复合增长了79.9%。

关键词：智能算力；人工智能芯片市场规模；AI芯片产业链；人工智能芯片投融资

一、行业概况

人工智能芯片即AI芯片，也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由CPU负责）。根据其设计和应用特性，市面上主流的人工智能芯片分为GPU、FPGA以及ASIC（包括NPU、ASSP）三类。其中，GPU作为通用型人工智能芯片，其技术发展已经相当成熟；而FPGA和ASIC（包括NPU、ASSP）则是根据人工智能的特定需求进行半定制或全定制设计的芯片。

就通用性和灵活性而言，GPU无疑是最出色的，能够适应多种不同的计算任务；FPGA的通用性和灵活性稍逊于GPU，但也能适应一定范围内的变化。相比之下，ASIC（包括NPU、ASSP）的通用性和灵活性较低，因为它们是为特定任务或应用场景定制的。不过ASIC在生产成本和功耗方面具有显著优势，这使得它们在需要大量部署且任务相对固定的场景中非常受欢迎。总之，随着人工智能的快速发展，人工智能芯片应用场景不断拓展，产业规模加速发展。

2007年以前，人工智能研究和应用经历了数次起伏，一直没有发展成为成熟的产业；同时受限于当时算法、数据等因素，这一阶段人工智能对于芯片并没有特别强烈的需求，通用的CPU芯片即可提供足够的计算能力。随后在2008年由于高清视频、游戏等行业的发展，GPU产品取得快速的突破，GPU的并行计算特性恰好适应人工智能算法大数据并行计算的要求（与CPU相比GPU在深度学习算法的运算效率上可以提高9倍到72倍），GPU进行人工智能的计算开始逐步尝试使用。进入2010年后随着云计算的推广，通过云计算借助大量CPU和GPU进行混合运算。随着人工智能业界对于计算能力的要求不断提升，在2015年后业界开始研发针对人工智能的专用芯片，通过更好的硬件和芯片架构，在计算效率上进一步带来10倍的提升。

人工智能芯片产业链上游是为人工智能芯片制造提供所需的设备、算法和原材料的供应商，如EDA、硅片、光刻胶、电子特气、光刻机、单晶炉、蚀刻机、离子注入机等。产业链中游指人工智能芯片制造，是AI芯片产业链的核心环节，主要包括芯片设计、制造和封装测试等步骤。在这一环节中，需要考虑到芯片的性能、功耗、成本等多个因素，以满足下游应用场景的需求。产业链下游是人工智能芯片产业链的最终环节，主要包括智能家居、智能驾驶、机器人、数据中心等领域。随着下游市场对人工智能芯片的应用需求增长，持续推动着人工智能芯片产业发展。

相关报告：智研咨询发布的《中国人工智能芯片行业市场调查研究及发展前景规划报告》

二、产业现状

近年来，国务院、国家发改委、工信部等多部门都陆续印发了支持、规范人工智能芯片行业的发展政策，涉及人工智能芯片发展技术路线、芯片行业建设规范、芯片行业安全运行规范等方面内容。在中央政策指导下，各地政府也相继发布支持人工智能芯片发展政策及规划，国内人工智能芯片产业发展政策体系日益完善，为我国人工智能芯片产业发展提供给强有力支持，持续助力国产智能芯片产业发展。例如，2023年10月，深圳市南山区人民政府办公室发布的《南山区加快人工智能全域全时创新应用实施方案》提出，针对场景创新中南山算法企业不足、算力资源有限、高端人才紧缺的问题，积极引入具有通用大模型能力和专用AI芯片技术的企业；2024年6月，广东省人民政府办公厅发布的《广东省关于人工智能赋能千行百业的若干措施》提出，培育芯片创新发展生态，探索存算一体、类脑计算、芯粒、指令集等芯片研发与应用，推动面向云端和终端的芯片应用，推广高性能云端智能服务器。

算力是实现人工智能产业化的核心力量。与一般数据模型运算处理需求不同的是，人工智能训练模型参数量达、迭代速度快，且模型算法要求的芯片算力准确度高。以GPT-1模型为例，自该模型2018年首次发布以来，其模型已由最初的12层、约1.2亿个参数，增长至2023年的120层、约1.8万亿级参数。这意味着，随着人工智能向多场 景化、规模化、融合化等高应用阶段发展，AI模型需要的智能算力规模是呈指数型增长的。数据显示，目前，由人工智能生成的数据占全球数据总规模比例还不到百分之一。但全球智能算力缺口问题已经开始持续凸显。未来，随着人工智能产业持续发展，人工智能应用日益扩张，全球人工智能生成数据规模将不断扩大。据Gartner预测，至2025年，全球人工智能生成数据规模占比或将达到10%。在此驱动下，全球智能“算力荒”问题日益加深，算力饥饿将成为限制AI技术创新的主要问题，同时，也将为人工智能芯片产业发展提供更多可能。

近几年来，在生成式人工智能潮流，以及国家数字化建设战略目标推动下，我国人工智能技术应用愈加广泛，全国智能算力应用需求规模爆发式增长、扩张。为保障市场应用需求、推动国家数字经济高质量发展，国内智能算力建设加速推进。数据显示，截至2023年底，我国智能算力规模达到414.1EFLOPS，同比增长59.33%；全国智能算力占算力总规模比重超过30%。

自2020年OpenAI发布生成式人工智能模型GPT-3以来，人工智能热潮再度席卷全球，我国以加速计算为核心的算力中心规模不断扩大，叠加科技兴国政策以及基建、数字经济等利好政策驱动，国内智能算力建设工程建设加速推进，市场人工智能芯片产业应用需求日益增长，持续拉动国内人工智能芯片市场发展。据统计，2023年，我国工智能芯片领域投融资事件数量为77件，行业投融资金额达147.35亿元；全国人工智能芯片市场规模已增至1206亿元，与2018年相比，年复合增长了79.9%。

三、发展趋势

1、FPGA芯片应用将日益广泛

FPGA 是短期内AI 芯片市场上的重要增长点，FPGA 的最大优势在于可编程带来的配置灵活性，在当前技术与运用都在快速更迭的时期，FPGA 具有明显的实用性。企业通过FPGA 可以有效降低研发调试成本，提高市场响应能力，推出差异化产品。在专业芯片发展得足够完善之前，FPGA 是最好的过渡产品，正因为如此，科技巨头纷纷布局云计算+FPGA 的平台。随着FPGA 的开发者生态逐渐丰富，适用的编程语言增加，FPGA 运用会更加广泛。因此短期内，FPGA 作为兼顾效率和灵活性的硬件选择仍将是热点所在。

2、神经拟态芯片技术和可重构计算芯片成为厂商研制重点

从芯片发展的大趋势来看，目前人工智能芯片产业尚处于初级发展阶段，无论是科研还是产业应用都有巨大的创新空间。从确定算法、领域的人工智能加速芯片向具备更高灵活性、适应性的智能芯片发展是科研发展的必然方向。神经拟态芯片技术和可重构计算芯片技术允许硬件架构和功能随软件变化而变化，实现以高能效比支持多种智能任务，在实现AI功能时具有独到的优势，具备广阔的前景，未来或将成为人工智能芯片企业技术研发重要方向，持续推动人工智能芯片产业发展。根据市场预测，2025年我国人工智能芯片产业规模有望增至2600亿元。

以上数据及信息可参考智研咨询（www.chyxx.com）发布的《中国人工智能芯片行业市场调查研究及发展前景规划报告》。智研咨询是中国领先产业咨询机构，提供深度产业研究报告、商业计划书、可行性研究报告及定制服务等一站式产业咨询服务。您可以关注【智研咨询】公众号，每天及时掌握更多行业动态。