GPU|GPU最新发展报告，AI芯片王者，五大国内名星玩家大显身手 | 智东西内参( 三 ) ai芯片|自动驾驶|it芯片

总体来说， GPU有三大应用场景：游戏、 AI和自动驾驶
1、游戏IDC数据显示， 2020年游戏PC和显示器的出货量同比增长26.8％，达到5500万台。游戏笔记本电脑在2020年增长了创纪录的26.9％。与PC并行，游戏显示器在2020年也达到了新的高度，与2019年相比增长了77％以上，出货量达到了1430万台。
IDC预计2021年游戏显示器的销量将首次超过游戏台式机。即使游戏台式机逐渐受到青睐，游戏笔记本电脑的显示器连接率不断提高也意味着游戏监控器市场的五年复合年增长率预计将超过10％。 IDC预计2025年全球销量达到7290万，复合年增长率为5.8％。
2、AI移动端AI芯片市场不止于智能手机，潜在市场还包括：智能手环/手表、 VR/AR眼镜等市场。
在边缘计算场景， AI芯片主要承担推断任务，通过将终端设备上的传感器（麦克风阵列、摄像头等）收集的数据代入训练好的模型推理得出推断结果。由于边缘侧场景多种多样、各不相同，对于计算硬件的考量也不尽相同，对于算力和能耗等性能需求也有大有小。因此应用于边缘侧的计算芯片需要针对特殊场景进行针对性设计以实现最优的解决方案。

▲不同边缘计算场景对AI芯片性能要求
安防摄像头发展经历了由模拟向数字化、数字化高清到现在的数字化智能方向的发展，最新的智能摄像头除了实现简单的录、存功能外，还可以实现结构化图像数据分析。安防摄像头一天可产生20GB数据，若将全部数据回传到云数据中心将会对网络带宽和数据中心资源造成极大占用。
通过在摄像头终端、网络边缘侧加装AI芯片，实现对摄像头数据的本地化实时处理，经过结构化处理、关键信息提取，仅将带有关键信息的数据回传后方，将会大大降低网络传输带宽压力。当前主流解决方案分为：前端摄像头设备内集成AI芯片和在边缘侧采取智能服务器级产品。前端芯片在设计上需要平衡面积、功耗、成本、可靠性等问题，最好采取低功耗、低成本解决方案（如：DSP、 ASIC）；边缘侧限制更少，可以采取能够进行更大规模数据处理任务的服务器级产品（如：GPU、 ASIC）。

▲AI芯片在智能安防摄像头中的应用
人工智能服务器通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、语音交互等人工智能应用场景提供强大的算力支持，已经成为人工智能发展的重要支撑力量相比于传统CPU服务器，在提供相同算力情况下， GPU服务器在成本、空间占用和能耗分别为传统方案的1/8、1/15和1/8 。
当前在云端场景下被最广泛应用的AI芯片是英伟达的GPU ，主要原因是：强大的并行计算能力（相比CPU）、通用性以及成熟的开发环境。 2020年全球AI服务器市场规模为122亿美元，预计到2025年全球AI智能服务器市场将达到288亿美元， 5年CAGR达到18.8% 。

▲2020-2025年全球AI服务器行业市场规模及增速（单位：亿美元）
在AI开发中，由于深度学习模型开发及部署需要强大算力支持，需要专用的芯片及服务器支持。开发者如选择自购AI服务器成本过高。通过云服务模式，采取按需租用超算中心计算资源可极大降低项目期初资本投入同时也省却了项目开发期间的硬件运维费用，实现资本配置效率的最大化提升。
3、自动驾驶全球自动驾驶迈入商用阶段，未来可期。 IDC最新发布的《全球自动驾驶汽车预测报告（2020-2024）》数据显示， 2024年全球L1-L5级自动驾驶汽车出货量预计将达到约5425万辆， 2020至2024年的年均复合增长率（CAGR）达到18.3%；L1和L2级自动驾驶在2024年的市场份额预计分别为64.4%和34.0% 。尽管目前L3-L5级自动驾驶技术的应用具有开拓性意义， L1-L2级自动驾驶将依然是未来5年内带动全球自动驾驶汽车出货量增长的最大细分市场。