全文字数：1476字，精读时间：3分钟
本文援引于报告《行业研报人工智能行业系列（二）：AI芯片三大应用场景应用现状及趋势》，首发于头豹科技创新网（www.leadleo.com）。
头豹科技创新网内容覆盖全行业、深入垂直领域，行业报告每日更新；政策图录、数据工具助您轻松了解市场动态；智能关键词轻松搜索，直奔行业热点内容。
诚挚欢迎各界精英交流合作，头豹承接行业研究、市场调研、产业规划、企业研究、商业计划、战略规划等业务，您可发送邮件或来电咨询。
客服邮箱：CS@leadleo.com 咨询热线：400-072-5588
短期内，各类AI芯片的市场需求是否将出现变化？
基于市场总体需求分析，随着中国人工智能行业发展与人工智能生态体系的成熟，中国人工智能已进入规模化应用初期阶段。互联网、金融等领域成为先发赛道，市场需求快速增长。人工智能应用领域的繁荣推动中国AI芯片市场需求加速扩容。从短期来看，预训练模型等开发工具的出现将促进工业等领域人工智能技术深化应用，推动人工智能全产业链各细分行业迈入高速发展期。
基于市场产品需求占比分析，CPU、GPU凭借较高的适配性及通用性，短期内仍将作为业界AI芯片应用的主流选择。若ASIC通过技术突破，实现性能的提升与成本的降低，ASIC市场普及率及应用程度预计将快速提升，市场需求预计将进入快速增长阶段，市场占比逐步提升。
在云端应用场景中，形成AI芯片的需求现状的主要因素是什么？
AI芯片云端应用场景指AI开发团队或独立开发者利用云平台数据中心内AI芯片的计算能力完成AI算法模型开发，包括算法模型的训练与推断两大场景。AI开发云平台需具备支持应用于各领域的全种类算法模型的能力，数据中心对AI芯片的选配需对其性能、成本、适配性及通用性进行综合考虑。从短期来看，CPU、GPU两类芯片仍将作为云端应用场景AI芯片的主流选择。
云端训练与推断应用场景对AI芯片需求占比的差异源自于对AI芯片性能需求的不同。AI算法模型在训练过程中需对模型参数进行持续调整，除矩阵计算外，还需涉及求导、积分等数学运算。专注矩阵计算的ASIC难以满足AI算法模型训练需求。ASIC芯片在模型参数已固化、大部分运算均为矩阵计算的云端推断应用场景中应用前景较为广阔，预计市场占比将逐渐提升。从总体来看，ASIC作为新一代AI芯片产品，其算法兼容性较低，短期内实现在云端应用场景中的规模化应用难度较大。
深度见解：终端应用场景细分领域差异化硬件需求催生各种类AI芯片应用市场
AI芯片终端应用场景根据需求的差异可分为以智能手机为代表的智能终端应用场景、以工控、安防设备为代表的嵌入式应用场景及自动驾驶应用场景。智能终端与自动驾驶应用场景均对AI芯片有较高的性能需求，要求内置处理器具备多种类任务处理能力，采用多种AI芯片异构方式。此外，由于自动驾驶对算法模型推断过程的即时性有极高的要求，具备低时延特性的FPGA在自动驾驶应用场景中具备较广阔的应用前景。从总体来看，根据对硬件性能及功能需求的不同，终端应用场景对各种类AI芯片均具有应用需求。相较于云端应用场景，终端应用场景中CPU、ASIC及FPGA三类芯片应用占比相对较高，应用占比呈增长趋势。
