AI的三大關鍵基礎要素是數據、算法和算力。隨著云計算的廣泛應用，特別是深度學習成為當前AI研究和運用的主流方式，AI對于算力的要求不斷快速提升。CPU可以拿來執行AI算法，但因為內部有大量其他邏輯，而這些邏輯對于目前的AI算法來說是完全用不上的，所以，自然造成CPU并不能達到最優的性價比。因此，具有海量并行計算能力、能夠加速AI計算的AI芯片應運而生。

　　01AI芯片的分類 承擔任務（訓練、推理）

　　AI的實現包括兩個環節：訓練、推理。所以根據承擔任務的不同，AI芯片可以分為：用于構建神經網絡模型的訓練芯片，利用神經網絡模型進行推理預測的推理芯片。訓練，是指通過大數據訓練出一個復雜的神經網絡模型，即用大量標記過的數據來“訓練”相應的系統，使之可以適應特定的功能。訓練需要極高的計算性能，需要較高的精度，需要能處理海量的數據，需要有一定的通用性，以便完成各種各樣的學習任務。推理，是指利用訓練好的模型，使用新數據推理出各種結論。即借助現有神經網絡模型進行運算， 利用新的輸入數據來一次性獲得正確結論的過程。也有叫做預測或推斷。區分訓練和推理最簡單的例子就是訓練芯片在不斷做著1+1+1+1+1.....而推理芯片則將加法變成了乘法。訓練芯片，注重絕對的計算能力，而推斷芯片更注重綜合指標， 單位能耗算力、時延、成本等都要考慮。訓練將在很長一段時間里集中在云端，推理的完成目前也主要集中在云端，但隨著越來越多廠商的努力，很多的應用將逐漸轉移到終端。推理相對來說對性能的要求并不高，對精度要求也要更低，在特定的場景下，對通用性要求也低，能完成特定任務即可，但因為推理的結果直接提供給終端用戶，所以更關注用戶體驗方面的優化米樂M6。而隨著終端產生的數據量越來越多，為了能夠更好地處理這些數據，互聯網廠商對于推理芯片的需求量也將會逐年增加，對于推理芯片的性能要求也將會逐年增加。02AI芯片市場的發展

　　當前互聯網公司對于數據的處理大部分需求仍然是算力為主，因此英偉達等企業占據了AI芯片的主流市場，主要原因是它們的芯片擁有強大的并行計算能力（相比CPU）、通用性以及成熟的開發環境。2020年全球AI服務器市場規模為122億美元，預計到2025年全球AI智能服務器市場將達到288億美元，5年CAGR達到18.8%。但是，隨著全球互聯網數據的迅猛增長，導致互聯網企業對算力的需求成指數級上升，對大量的不同數據的不同處理需求成指數級上升。這使得原有的CPU、GPU對應框架逐漸無法跟上企業需求。現有的芯片運行框架無法應對龐大數據量的并行計算、處理要求。應運而生的AI芯片即為半定制化FPGA芯片以及全定制化ASIC芯片。FPGA、ASIC等加速芯片，利用CPU與加速芯片的組合可以滿足高吞吐量互聯的需求，為自然語言處理、計算機視覺、語音交互等人工智能應用場景提供強大的算力支持，已經成為人工智能發展的重要支撐力量相比于傳統CPU服務器，在提供相同算力情況下，搭載AI芯片的服務器在成本、空間占用和能耗分別為傳統方案的1/8、1/15和1/8。從AI芯片的市場份額占比來看，GPU的市場份額在逐漸下降，那么可以確定的是未來FPGA、ASIC這些擁有定制屬性的芯片會成為互聯網公司采用的主流芯片。這一點從近年來國內各大互聯網廠商分分下場參與芯片制造事件也有所體現。無論是百度、阿里這些自行成立芯片公司，還是騰訊、字節等對外投資AI芯片公司都反映出了市場對AI芯片的需求已經處于一個非常急迫的節點。03新未來，新機遇

　　在市場如此追捧AI芯片的浪潮下，國內一眾AI芯片企業當中已經有一部企業從中脫穎而出，逐漸有了領域的領頭羊的姿態米樂m6網址。在此格局下我們更應關注像希姆計算、燧原科技等已形成強有力的市場競爭優勢的企業。這些企業會隨著市場對AI芯片需求的增加而逐漸壯大，企業價值增長會更加迅猛。

　　STAR ENERGY

　　已投項目

　　字節跳動｜奇安信｜中欣晶圓｜一脈陽光｜千尋位置｜銀聯商務｜頎中封測｜達闥科技｜智行者科技｜靈汐科技｜微醫｜云從科技｜摩爾線程｜多點DMALL｜安謀中國｜優必選科技｜邁迪頂峰｜寧波奧拉半導體｜泰州衡川科技｜盛諾基醫藥｜東陽光藥業｜孚能科技｜航天云網｜商湯科技｜編程貓｜叮當快藥｜長鑫存儲｜屹唐半導體｜本源量子｜燧原科技｜玖誼源粒子｜威馬汽車｜中創新航｜景澤生物｜一數科技｜紅山微電子｜微納星空｜云南中宣液態-更多精彩，請戳圖片-