人工智能的發展在推進，芯片的生產和應用速度也在增快，現在因為深度學習產生的需求，主要是通過芯片的技術層次研究來實現。

人工智能下的芯片新需求

在產業應用沒有大規模興起之時，使用這類已有的通用芯片可以避免專門研發定制芯片(ASIC)的高投入和高風險。但是，由于這類通用芯片設計初衷并非專門針對深度學習，因而存在性能、功耗等方面的瓶頸。隨著人工智能應用規模的擴大，這類問題將日益突出。

正如CPU改變了當年龐大的計算機一樣，人工智能ASIC芯片也將大幅改變如今AI硬件設備的面貌。如大名鼎鼎的AlphaGo使用了約170個圖形處理器(GPU)和1200 個中央處理器(CPU)，這些設備需要占用一個機房，還要配備大功率的空調，以及多名專家進行系統維護。而如果全部使用專用芯片，非常可能只需要一個盒子大小，且功耗也會大幅降低。

在芯片需求還未成規模、深度學習算法暫未穩定需要不斷迭代改進的情況下，利用具備可重構特性的FPGA芯片來實現半定制的人工智能芯片是理想選擇。隨著人工智能算法和應用技術的日益發展，以及人工智能專用芯片ASIC產業環境的逐漸成熟，人工智能下ASIC將成為人工智能計算芯片發展的必然趨勢。

數字貨幣挖礦產業也屬于芯片市場

數字貨幣挖礦產業在全球形成了價值近200億元的市場。這個新興產業本質上屬于芯片市場。挖礦的實質就是比拼礦機公司研發的芯片算力。

礦機芯片由于軟件應用單一，在短時間內快速走過了迭代進化歷程——從CPU到GPU、FPGA，再到ASIC(專用集成電路)芯片。作為全球排名第一和第二的礦機公司巨頭，比特大陸和嘉楠耘智應用成熟的ASIC芯片技術，在礦機芯片領域壟斷了近90%的全球市場。這是全球芯片行業中，鮮有的被中國公司壟斷的細分市場。

中國芯片在設計、制造、封測三大產業鏈環節均落后于世界先進水平，部分領域甚至跟發達國家有10年-20年的差距。這讓中國的芯片領域過分依賴進口貿易。全球調研機構IC Insights在2016年公布了全球半導體20強，前20位中沒有中國公司上榜。

但這一情形在2017年有所改變。IC Insights2017年公布的全球前十大芯片設計公司(按銷售收入)，國內有兩家企業進入前十名：華為海思和紫光集團分別以47.15億美元和20.50億美元的收入分居第7位和第10位。由于專利積累、軟件生態配套不足等原因，中國在已經落后的傳統芯片領域想要追趕領先者頗為困難。而在沒有太多歷史包袱、有新技術突破的芯片領域，中國跟其他國家站在同一起跑線上，有機會占據領先位置。

ASIC是國內芯片的新機遇

近幾年，中芯國際、華為海思等中國企業發展迅速，已經在半導體芯片市場開始有了一席之地。但一直以來，受制于高端芯片技術的封鎖，一直沒有找到一個突破桎梏的契機。 區塊鏈行業的泡沫逐漸回歸理性的階段，ASIC芯片在諸多大牌廠商明星產品面前顯得渺小的多，這就需要另尋他地，對于國內的諸多芯片企業來說也是一個不可多得的機遇。

從2014年到2017年，中芯國際的年營業收入從19.7億美元增長到31.01美元。從負增長到最高30.32%的增長率，中芯國際只用了兩年。但在2017年，中芯國際的營收增長率下滑至6.42%，這側面說明了中芯國際也存在成長力不足的情況。步入2018年，在國家隊注資入場后，中芯國際上半年的營業收入達到17.22億美元，同比增長11.49%。預期中芯國際的下半年營收會比上半年有更強勁的增長，大概率今年營業收入增長率會超過2017年。

中國芯片在設計、制造、封測三大產業鏈環節均落后于世界先進水平，部分領域甚至跟發達國家有10年-20年的差距。這讓中國的芯片領域過分依賴進口貿易。全球調研機構IC Insights在2016年公布了全球半導體20強，前20位中沒有中國公司上榜。

由于專利積累、軟件生態配套不足等原因，中國在已經落后的傳統芯片領域想要追趕領先者頗為困難。而在沒有太多歷史包袱、有新技術突破的芯片領域，中國跟其他國家站在同一起跑線上，有機會占據領先位置。現階段，中國彎道超車的希望存在于人工智能(AI)芯片領域。

谷歌和英偉達公司是人工智能處理領域的兩大巨頭，但英偉達主要專注于GPU。人工智能領域的ASIC專用芯片仍是一片藍海，尚未出現足以壟斷市場的巨頭公司。

在AI領域專用芯片，除了谷歌，研發者大多為充滿活力的新興公司，其中活躍著不少中國公司，如寒武紀、地平線等。AI芯片上可以說是美國第一，中國第二。目前人工智能芯片正在重演礦機芯片的演化路徑——從CPU/GPU/FPGA到ASIC專用芯片。而國內企業也有機會將成熟的ASIC芯片技術拓展到人工智能領域。

在AI芯片市場，現在的國際市場還未形成市場定局，國內通過在AI芯片的研究能夠成為新的市場突破點，提高中國芯片市場在國際市場的話語權。