憧憬边缘应用AI芯片的2024-2034

到2034年，预计全球边缘设备人工智能（AI）芯片市场将增长至220亿美元，最大的三个垂直行业是消费电子、工业和汽车。

IDTechEx认为，边缘AI芯片/芯片组包括负责处理机器学习工作负载的特定神经网络架构，涵盖GPU、CPU、ASIC、DSP和FPGA，封装包括片上系统、多芯片模块和2.5D+，应用包括垂直行业（工业、医疗保健、汽车、零售、媒体和广告、消费电子等）的语言、计算机视觉和预测。

什么是边缘AI？

边缘计算和云计算环境之间的区别较大，因为各自都有自己的需求和功能。边缘计算环境是在位于网络边缘（靠近用户）的设备上执行计算，通常与创建数据的设备相同。这与处于网络中心的云计算或数据中心计算形成了鲜明对比。

边缘AI是在上述设备的网络边缘部署的AI应用，其好处包括不必在云和边缘设备间发送数据执行计算，设备可以快速做出决策，而无需连接互联网或云。许多边缘设备是用电池运行的，此类边缘AI芯片需要比数据中心的功耗更低，也不需要先进的边缘节点。

采用AI芯片的消费类边缘设备包括：可穿戴设备、音箱、智能手机、相机、智能电视、平板、笔记本、智能家居、车辆等；企业设备包括：传感器、安全摄像头、健康监测设备、个人辅助机器人、监测装置、生产线机器人等。

AI芯片的边缘设备

除了消费类设备，还有一种电信边缘，它位于网络最边缘和数据中心之间，但它与数据中心中的AI相似，不是“真正的”边缘。在云端，由于AI算法的计算密集性，训练通常发生在云中，需要先进的节点功能，用于训练的芯片比推理芯片更昂贵。

AI芯片有哪些功能？

首先是图像分类。机器学习系统最常见的任务是为给定图像内容分类，也可以用作其他计算机视觉工作负载的特征提取，如字幕和风格转移。

二是目标检测和图像分割。对象检测返回给定范围内对象的边界框坐标，为每个输入图像像素分配一个对象类（对象位置和对象形状）。目标检测是机器人和自动驾驶系统的重要组成部分。

AI芯片的功能

三是自然语言处理（NLP）和语音识别。NLP利用文本中不同单词之间的关系理解文本，并寻求理解上下文的细微差别。这项技术能够从文本中提取信息和见解。语音识别具有实时识别和转录音频的能力。

四是提出建议。对于社交媒体和电子商务网站来说，推荐是一种非常有用的工具，通过评估用户和服务项目（如产品和广告）之间的互动，为用户提供个性化的结果。

五是强化学习。相关算法可以用来训练在决策能力上与人类竞争的智能体（如神经网络），这已被用于训练围棋和国际象棋代理（agent）。

AI应用的巨大变革和市场潜力

如今，AI已经在许多不同应用中显示出巨大的变革潜力，从高频交易的欺诈检测到使用生成式AI（如ChatGPT）编写书面文档以及创造性提示的大幅时间节省。

尽管在数据中心使用具有神经网络架构的芯片（处理机器学习工作负载）很普遍，但它处于AI应用重要机会的的边缘。为边缘设备提供更多功能，以及在某些应用中能够将人工时间完全外包给智能系统，对最终用户来说显而易见。

边缘AI处理收入趋势预测

现在，AI已进入世界领先设计师的旗舰智能手机，并将在从汽车到家用智能电器的许多不同设备上推广应用。预计到2034年，消费电子、工业和汽车行业的垂直领域将为处于边缘的AI芯片带来最多的收入。

按行业垂直细分的收入预测

目前，边缘AI在消费市场占据主导地位，据预测，用于企业目的的AI比消费市场增长更快。到2024年底，企业AI芯片将占总收入的20%以上；2034年底将超过25%。几个重要因素是：已在现有芯片组中采用AI架构的智能手机出现饱和，尽管高端化仍在继续，AI收入也在增加；ADAS技术进步和公共交通工具的采用，以及先进芯片技术在本地处理计算密集型工作负载的可能性。

2024年至2027年，AI芯片收入将显著增长，2025年ADAS进入主机厂的生产线，之后是ADAS系统的采用增加。

消费与企业增长预测

按应用划分，包括：语言（NLP、语音识别和音频增强）、预测（强化学习和推荐以及预测分析）和计算机视觉（对象检测和图像分类）。其中计算机视觉将AI芯片用于监控摄像头、机器人和自动驾驶汽车等，都依赖于物体检测。

按应用划分的趋势预测

物联网中的AI

鉴于AI（允许自动化和免提访问）和Wi-Fi连接是实现物联网（IoT）的两个关键技术，智能家居尤其是AI消费电子产品是主要增长途径。

在IoT中，电器可直接相互通信，智能电视、镜子、虚拟现实耳机、传感器、厨房用具、清洁用具和安全系统都可以通过部署AI和Wi-Fi进入互联状态，AI允许通过智能家居设备进行免提访问和语音命令。为此，未来10年，消费电子垂直领域的增长在一定程度上将反映AI带入家庭带来的机会。2034年，IoT行业将是边缘AI芯片收入最多的行业。

智能手机和平板中的AI

智能手机是当今AI技术最接近实际应用的平台，提供了比以往任何时候都更强大、更个性化的用户体验。2020年以来发布的196款智能手机中，91款采用了神经网络架构来实现AI加速。

芯片组制造节点（nm）与智能手机价格（英镑）对比

2020年至今，高通一直占据旗舰手机芯片主导地位，到2023年，只有一款旗舰手机Tecno Mobile Phantom V Fold采用联发科芯片组。高通在低端市场的表现也不错，调查发现，价格最低的小米Redmi 10C也使用了高通SM6225 骁龙680 4G芯片组，但没有神经网络架构。

高通第一款支持AI的SoC是2016年发布的骁龙820。此后，每个骁龙8系列芯片组都有一个AI引擎。

联发科首款AI加速功能SoC是2017年发布的Helio X30。最便宜的AI手机都使用联发科芯片组，包括使用MT6853 Dimensity 800U 7nm SoC的Vivo V21 5G，以及使用Dimensity 8050 6nm SoC的Tecno Mobile Camon 20 Premier。最昂贵的智能手机都是高通SoC，华为Mate X3用的是4nm骁龙8+Gen 1，索尼Xperia PRO是骁龙865 5G。

配备专门处理AI算法硬件的最便宜的平板电脑采用联发科（12nm）芯片组，包括Acer Iconia Tab P10、Amazon Fire HD 10和Amazon Fire HD10 Plus，都是联发科Kompanio 500 SoC。

通常，平板电脑的价格随节点进程而增加。不过，最昂贵的平板电脑都有专有硬件，如微软Surface Pro 9使用微软SQ3 SoC（高通骁龙8cx Gen 3笔记本处理器的变体），苹果iPad Pro使用苹果M2。

对近年来发布的48个平板的调查显示，不支持AI的芯片组是在更宽节点制造的，在12至14nm之间。在调查的平板电脑中，不支持AI的芯片组也最便宜，不过，在零售价格相近的平板电脑上也可以找到支持AI的芯片组，支持AI的芯片组的节点分布在4nm–7nm。

汽车中的AI

汽车行业的AI主要用于ADAS和车内娱乐，包括紧急制动、自适应巡航控制和自动泊车系统，还包括信息娱乐显示屏。AI芯片位于中央微控制器（MCU）中，与传感器和天线等外围设备相连。

车载AI计算可用于多种目的：一是驾驶员监控，监控头部和身体位置，检测睡意，并在事故期间改变座位；二是ADAS，AI负责物体检测、转向和制动的适当校正；车载娱乐，车载虚拟助理的工作方式与智能手机非常相似。

汽车中的AI

在计算效率方面，在用于ADAS的L2级芯片中都有AI推理功能。Renesas R-Car V4H能够以每秒16万亿次运算/瓦（TOPS/W）的速度实现最高的计算效率，但最多只能提供34TOPS。高通、地平线、英伟达和AMD的SoC都提供100多个TOPS，其中高通是130瓦提供700TOPS。

车用高性能芯片的计算效率

边缘AI芯片前景可期

边缘AI芯片是专门用于处理AI应用的大量计算任务的芯片，涵盖消费电子、智能家居、智能驾驶、云计算、智能金融及智能教育等领域。随着AI技术的不断进步与发展，边缘AI芯片行业也迎来了投资热潮。

边缘AI芯片的主要公司

从现在到2034年，在三大垂直行业——消费电子、工业和汽车领域，边缘AI芯片的应用场景将不断拓展，从最初的智能语音识别、图像处理等领域，逐渐拓展到智能驾驶、智能家居、智能安防等领域。

然而，边缘AI芯片也面临着一些挑战。例如，由于高度专业化、定制化的特点，其设计和生产需要耗费大量人力物力，同时也需要不断跟进AI算法的更新和发展。此外，由于边缘AI芯片的应用场景复杂多样，需要具备强大的适应性和可靠性，因此对芯片的设计和生产提出了更高的要求。

未来，随着5G技术的普及和应用，边缘计算将更加广泛地应用于各个领域，为边缘AI芯片提供了更多的应用场景和机遇。