AI芯片市场飞速发展

由于目前AI芯片的应用以云端运算、安防、机器人与车用居多，2023年将进入高成长期，特别是由云端运算、车用两大领域引领市场快速成长，到2025年全球AI芯片市场规模有望达到740亿美元，2022～2025年CAGR将达到23.8％。

TrendForce表示，基于全球各种消费性电子产品和数字技术的日益普及，促进半导体市场成长，亦让AI和物联网等最延伸性技术受到广泛应用，使AI芯片能在更短时间处理大量数据，故AI/ML（Machine Learning）、物联网与无线通讯设备领域快速成长同时，亦刺激对半导体的需求。

再者，AI芯片在进行推理任务时，主要透过终端设备的传感器、麦克风阵列或镜头进行数据采集，并将收集的数据代入训练好的模型推理得出推理结果，以最大限度减少人为错误，这也说明不同终端场景，对算力、能耗等性能的需求也有差异，因此需对特定应用场景进行特殊设计，实现最优解决方案。

2020～2021年新冠疫情带动数字化浪潮，加上美国、中国与欧盟各国相继出台「数智能化发展策略」，催化国家暨产业数字转型，例如美国大力推进「美国制造」与「数字经济」进程，前者主要侧重半导体产业，锁定IC设计、生产制程与核心设备；后者主要专注在数字美元，现正处于验证系统开发与法案拟定阶段。欧盟则是「欧洲数字罗盘（Europe's Digital Compass）」计划，其围绕人才培育、确保安全与永续、企业数字转型、公共服务数字化四大类，其中企业数字转型为重中之重，且期望至2030年有75％厂商能广泛使用云端运算、大数据与AI，至少90％以上中小企业应达到基本的数字密集程度。

各国政策驱使产业加快数字化步伐，也牵动数据中心成长，以及机器视觉、自动驾驶技术快速发展，加深仓储物流、供应链的物流运输、自驾车等领域应用，使全球AI芯片需求高涨，且快速扩大其在整体半导体市场的市占率，其市占率从2020年的5.9％扩展到2021年的6.4％，市场规模也从2020年260亿美元增长到2021年330亿美元，成长幅度达到26.9％。

目前用于深度学习（Deep Learning，DL）最广泛的芯片，当属擅长并行运算的GPU，其随着深度学习对运算需求不断提升，以及为达到DNN（Deep Neural Network）的运算要求，NVIDIA、寒武纪、Google、Intel等厂商积极探索GPU在高效能运算方面的应用与突破，同时专注于高效能运算的芯片研发与相关生产计划。其中，部分厂商竭力寻求基于FPGA（现场可程序化逻辑匣阵列）架构的半客制化芯片，例如Google研发的张量运算处理器TPU、寒武纪研发的神经网络运算处理器NPU，以及Intel旗下的Altera Stratix V FPGA。此外，Intel也尝试推广面向不同品牌、不同种类硬件的XPU Programming，并以SYCL作为统一的程序设计语言且充分利用Intel oneAPI，使原本的开发框架从封闭性转为开放性，以期更有效支援开发人员构建高性能异构应用。

AI芯片大致可分为CPU、GPU、FPGA与ASIC（客制化芯片）；其中，GPU是由大量运算单元组成的大规模并行运算架构，专为同时处理多重任务而设计，多应用于工作站、个人计算机、游戏设备、智能型手机等设备，处理图形、图像相关运算工作；再者，该芯片采用统一渲染架构，能在算法尚未定型的领域中使用，故通用性程度较高、商业化较成熟。

FPGA主要是能提供用户根据自身的需求进行重复程序设计，解决可程序化元件电路数不足问题，且运行效率高于GPU、CPU，功耗也相对较低，但当处理的任务重复性不强、逻辑较为复杂时，该芯片效率就会低于使用冯纽曼架构的处理器。

ASIC是一种根据特定算法、架构的客制化芯片，其客制化程度比GPU、FPGA更高、专用性较强，故运算水平一般高于CPU、GPU、FPGA，但初始投入大，且算法一旦改变，运算能力将大幅下降，需重新设计客制，不过随着数据量不断增加和芯片技术的极限到来，对算力的诉求越难以被满足。

尤其是部分特定领域的数据量日益庞大，算法逐渐固定，对以ASIC架构为基础设计而成的DPU、TPU与NPU之需求增加，特别是DPU，因DPU能部分取代CPU、GPU部分功能，解决数据量骤增而导致CPU与Memory间数据传输问题，改善并加速网络数据传输运算速度。目前广泛用在大型数据中心，因大型数据中心的流量处理需占据整体运算近30％，加上数据中心在节点间交换效率和节点内I/O切换效率偏低，故透过DPU与CPU、GPU协同运行能有效解决松耦合问题。

因此随着物联网设备不断扩增，例如工业机器人、AGV/AMR、智能型手机、智能音箱、智能摄影机等，加上自动驾驶、影像辨识、语音语意辨识、运算等技术在各领深化运用、升级，将催化AI芯片与技术市场迅速成长。

以2022年整体市场来看，在智能汽车、机器人与数据中心三大领域对AI芯片的需求将持续增加，进而不断提升运算能力、技术架构以满足此三大领域需求；其中，智能汽车方面，自汽车电子电气架构从分布式走向集中式，MPU、MCU需求逐年增加，加上现在电动车紧密贴合先进驾驶辅助系统（ADAS）技术应用，使车厂利用AI芯片解决复杂的运算条件、整车运行功耗与数据传输等问题，增强整车的稳定性、安全性。

此外，近年机器人的技术扩散相当快，应用场景已从工业环境延伸到饭店、餐厅、医院、仓储物流、国防与太空探索等，然为了让机器人能运行影像处理、人脸辨识等功能都会选择GPU、FPG。其中，FPGA使用率较高，因该芯片具有低功耗、高性能、可重配置能力与自我调整特征，并能将机器人作业系统（Robot Operating System，ROS）整合到FPGA平台，进而让机器人内部软硬件可有效交互，发挥最佳运行效能。

再者，当前机器人正快速朝向3D实体、工作分解结构（Work Breakdown Structure，WBS）与时间等多维度处理能力发展。有鉴于此，现阶段的GPU、FPGA架构将持续创新突破，甚至针对特殊需求进行设计，这势必牵引制造、封测与设备，以及材料与软件的全链同步升级。

综上所述，智能汽车、机器人和物联网技术，与其构建的智能交通、智能工厂和智能城市等新蓝海，对AI芯片市场需求与发展可期，同时也带动数据中心进一步成长，其在训练、创建新运算模型与维持中心服务器营运、电力控管皆使用到大量AI芯片，例如Tesla扩大其GPU驱动的AI Super，将A100 GPU配置数量增加到7,360个，提前为DoJo部署。百度自研二代崑仑芯片以增强量子运算效能，且于2022年8月推出超导量子计算机，以及全平台量子软硬件整合解决方案，可透过PC端、手机端、云端接入各种量子芯片。

在多方需求高涨下，AI芯片势必迅速成长，预期2026年AI芯片市场规模有望达到930亿美元，其中CPU与GPU仍占据AI芯片市场主要份额且稳健成长，而ASIC市场前景广阔，其优势与特性能协助在数据处理、消费性电子、电信系统、工业与其他产业的用户开发系列产品，缩短产品、服务或系统的创新周期。

TrendForce研究显示，CPU、GPU与ASIC芯片在2026年AI市场规模的比重将达33％、34％、26％，其中以ASIC芯片市场成长最快，原因有两点，其一，消费性电子设备市场需求增加，且多数用中小型设备开发商偏向7nm的ASIC。其二，5G、低轨道卫星通讯、云端与边缘运算的工作负载与结构化需求不断增加，因为电信系统是最大的终端使用市场。