订阅
纠错
加入自媒体

AI芯片角逐刚刚开始,但未来只属于少数玩家

2019-05-05 10:25
来源: 亿欧网

AI芯片市场空间巨大,未必能容纳得下大量玩家

根据Gartner的预测数据,全球人工智能芯片市场规模将在未来五年内呈现飙升, 从2018年的42.7亿美元成长至343亿美元,增长超过7倍,可以说,未来AI芯片市场将有一个很大的增长空间。

不过,对于很多初创企业而言,研发芯片将要面临时间和资金上的巨大挑战。在时间上,芯片研发从立项到上市通常需要两年左右的时间。相较之下,更重要的一点是芯片成本很高。

在人工智能应用领域,依据芯片的部署位置和任务需求,会采用不同的制程。在一般情况下,终端设备的芯片经常会采用65nm和28nm制程;边缘端和部分移动端设备的芯片,制程基本为16nm或10nm;而云端芯片通常是7nm。

芯片制程决定开发成本。根据IBS的估算数据,按照不同制程,65nm芯片开发费用为2850万美元,5nm芯片开发费用则达到了54220万美元。因此,在芯片的研发上,对错误的容忍度几乎是零。目前,较为成熟的是40nm和55nm工艺,而对于当下先进的7nm工艺,很多企业的技术还不够成熟。

高昂的开发费用,加上以年计算的开发周期,AI芯片企业在融资的早期阶段就需要大量资金浥注,这样才能撑过没有产品销售的阶段。而政府的补助和投资者的资金,往往会倾向于那些销售业绩好的公司。且资本市场希望能有一个较短的投资周期。因此,融资也成为一道门槛。

此外,由于芯片开发周期通常需要1-3年的时间,在正常的时间里软件会有一个非常快速的发展,但算法在这个期间内也将会快速更新,芯片如何支持这些更新也是难点。

而从长远来看,AI芯片本身的技术发展还要面临如下的困境。

目前主流的AI芯片采用的是冯诺依曼架构。在冯·诺伊曼体系结构中,芯片在计算上是采取1进1出的方式,数据从处理单元外的存储器提取,处理完之后再写回存储器,如此依序读取完成任务。由于运算部件和存储部件存在速度差异,当运算能力达到一定程度,访问存储器的速度无法跟上运算部件消耗数据的速度,再增加运算部件也无法得到充分利用,这不仅是AI芯片在实现中的瓶颈,也是长期困扰计算机体系结构的难题。

另外,要满足人工智能发展所需的运算能力,就需要在CMOS工艺上缩小集成尺寸,不断提高芯片的系统性能。如今,7nm已经开始量产,5 nm节点的技术定义已经完成。但由此也产生了CMOS 工艺和器件方面的瓶颈。首先,由于纳米级晶体管所消耗的能量非常高,这使得芯片密集封装的实现难度很大。其次,一个几纳米的CMOS器件,其层厚度只有几个原子层,这样的厚度极易导致电流泄漏,而工艺尺寸缩小所带来的效果也会因此受到影响。

尽管AI芯片市场的增长空间很大,但未必能够容得下足够多的企业。行业本身的特性以及当下AI所处的发展阶段,都决定了AI芯片企业会有一个相对较长的挫折期,而在此过程中,被资本炒出的泡沫也会随之压缩。

<上一页  1  2  
声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

人工智能 猎头职位 更多
扫码关注公众号
OFweek人工智能网
获取更多精彩内容
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号