AI晶片市場 飛速成長
圖／路透、美聯社
圖／路透、美聯社
圖／路透、美聯社
2022～2028年全球AI晶片市場規模預估
2021～2026年各類AI晶片市佔率
據TrendForce表示，在全球數位化、智慧化的浪潮下，物聯網設備不斷擴增，例如工業機器人、AGV/AMR、智慧型手機、智慧音箱、智慧攝影機等，加上自動駕駛、影像辨識、語音語意辨識、運算等技術在各領域深化應用催化AI晶片與技術市場迅速成長，預期2022年全球AI晶片市場規模將達到390億美元，成長率18.2％。
由於目前AI晶片的應用以雲端運算、安防、機器人與車用居多，2023年將進入高成長期，特別是由雲端運算、車用兩大領域引領市場快速成長，到2025年全球AI晶片市場規模有望達到740億美元，2022～2025年CAGR將達到23.8％。
TrendForce表示，基於全球各種消費性電子產品和數位技術的日益普及，促進半導體市場成長，亦讓AI和物聯網等最延伸性技術受到廣泛應用，使AI晶片能在更短時間處理大量數據，故AI/ML（Machine Learning）、物聯網與無線通訊設備領域快速成長同時，亦刺激對半導體的需求。
再者，AI晶片在進行推理任務時，主要透過終端設備的感測器、麥克風陣列或鏡頭進行數據採集，並將收集的資料代入訓練好的模型推理得出推理結果，以最大限度減少人爲錯誤，這也說明不同終端場景，對算力、能耗等性能的需求也有差異，因此需對特定應用場景進行特殊設計，實現最優解決方案。
1. AI晶片正迅速擴大市場份額，呈穩健成長趨勢
2020～2021年新冠肺炎疫情帶動數位化浪潮，加上美國、中國與歐盟各國相繼出臺「數智慧化發展策略」，催化國家暨產業數位轉型，例如美國大力推進「美國製造」與「數位經濟」進程，前者主要側重半導體產業，鎖定IC設計、生產製程與核心設備；後者主要專注在數位美元，現正處於驗證系統開發與法案擬定階段。歐盟則是「歐洲數位羅盤（Europe's Digital Compass）」計劃，其圍繞人才培育、確保安全與永續、企業數位轉型、公共服務數位化四大類，其中企業數位轉型爲重中之重，且期望至2030年有75％廠商能廣泛使用雲端運算、大數據與AI，至少90％以上中小企業應達到基本的數位密集程度。
各國政策驅使產業加快數位化步伐，也牽動資料中心成長，以及機器視覺、自動駕駛技術快速發展，加深倉儲物流、供應鏈的物流運輸、自駕車等領域應用，使全球AI晶片需求高漲，且快速擴大其在整體半導體市場的市佔率，其市佔率從2020年的5.9％擴展到2021年的6.4％，市場規模也從2020年260億美元增長到2021年330億美元，成長幅度達到26.9％。
目前用於深度學習（Deep Learning，DL）最廣泛的晶片，當屬擅長並行運算的GPU，其隨着深度學習對運算需求不斷提升，以及爲達到DNN（Deep Neural Network）的運算要求，NVIDIA、寒武紀、Google、Intel等廠商積極探索GPU在高效能運算方面的應用與突破，同時專注於高效能運算的晶片研發與相關生產計劃。其中，部分廠商竭力尋求基於FPGA（現場可程式化邏輯匣陣列）架構的半客製化晶片，例如Google研發的張量運算處理器TPU、寒武紀研發的神經網路運算處理器NPU，以及Intel旗下的Altera Stratix V FPGA。此外，Intel也嘗試推廣面向不同品牌、不同種類硬體的XPU Programming，並以SYCL作爲統一的程式設計語言且充分利用Intel oneAPI，使原本的開發框架從封閉性轉爲開放性，以期更有效支援開發人員構建高性能異構應用。
2. AI引領強算力時代，協同運行啓動多場景應用
AI晶片大致可分爲CPU、GPU、FPGA與ASIC（客製化晶片）；其中，GPU是由大量運算單元組成的大規模並行運算架構，專爲同時處理多重任務而設計，多應用於工作站、個人電腦、遊戲設備、智慧型手機等設備，處理圖形、圖像相關運算工作；再者，該晶片採用統一渲染架構，能在算法尚未定型的領域中使用，故通用性程度較高、商業化較成熟。
FPGA主要是能提供用戶根據自身的需求進行重複程式設計，解決可程式化元件電路數不足問題，且運行效率高於GPU、CPU，功耗也相對較低，但當處理的任務重複性不強、邏輯較爲複雜時，該晶片效率就會低於使用馮紐曼架構的處理器。
ASIC是一種根據特定算法、架構的客製化晶片，其客製化程度比GPU、FPGA更高、專用性較強，故運算水準一般高於CPU、GPU、FPGA，但初始投入大，且算法一旦改變，運算能力將大幅下降，需重新設計客制，不過隨着資料量不斷增加和晶片技術的極限到來，對算力的訴求越難以被滿足。
尤其是部分特定領域的資料量日益龐大，演算法逐漸固定，對以ASIC架構爲基礎設計而成的DPU、TPU與NPU之需求增加，特別是DPU，因DPU能部分取代CPU、GPU部分功能，解決數據量驟增而導致CPU與Memory間資料傳輸問題，改善並加速網路資料傳輸運算速度。目前廣泛用在大型資料中心，因大型資料中心的流量處理需佔據整體運算近30％，加上資料中心在節點間交換效率和節點內I/O切換效率偏低，故透過DPU與CPU、GPU協同運行能有效解決鬆耦合問題。
因此隨着物聯網設備不斷擴增，例如工業機器人、AGV/AMR、智慧型手機、智慧音箱、智慧攝影機等，加上自動駕駛、影像辨識、語音語意辨識、運算等技術在各領深化運用、升級，將催化AI晶片與技術市場迅速成長。
以2022年整體市場來看，在智慧汽車、機器人與資料中心三大領域對AI晶片的需求將持續增加，進而不斷提升運算能力、技術架構以滿足此三大領域需求；其中，智慧汽車方面，自汽車電子電氣架構從分佈式走向集中式，MPU、MCU需求逐年增加，加上現在電動車緊密貼合先進駕駛輔助系統（ADAS）技術應用，使車廠利用AI晶片解決複雜的運算條件、整車運行功耗與數據傳輸等問題，增強整車的穩定性、安全性。
此外，近年機器人的技術擴散相當快，應用場景已從工業環境延伸到飯店、餐廳、醫院、倉儲物流、國防與太空探索等，然爲了讓機器人能運行影像處理、人臉辨識等功能都會選擇GPU、FPG。其中，FPGA使用率較高，因該晶片具有低功耗、高性能、可重配置能力與自我調整特徵，並能將機器人作業系統（Robot Operating System，ROS）整合到FPGA平臺，進而讓機器人內部軟硬體可有效交互，發揮最佳運行效能。
再者，當前機器人正快速朝向3D實體、工作分解結構（Work Breakdown Structure，WBS）與時間等多維度處理能力發展。有鑑於此，現階段的GPU、FPGA架構將持續創新突破，甚至針對特殊需求進行設計，這勢必牽引製造、封測與設備，以及材料與軟體的全鏈同步升級。
綜上所述，智慧汽車、機器人和物聯網技術，與其構建的智慧交通、智慧工廠和智慧城市等新藍海，對AI晶片市場需求與發展可期，同時也帶動資料中心進一步成長，其在訓練、創建新運算模型與維持中心伺服器營運、電力控管皆使用到大量AI晶片，例如Tesla擴大其GPU驅動的AI Super，將A100 GPU配置數量增加到7,360個，提前爲DoJo部署。百度自研二代崑崙晶片以增強量子運算效能，且於2022年8月推出超導量子電腦，以及全平臺量子軟硬體整合解決方案，可透過PC端、手機端、雲端接入各種量子晶片。
在多方需求高漲下，AI晶片勢必迅速成長，預期2026年AI晶片市場規模有望達到930億美元，其中CPU與GPU仍佔據AI晶片市場主要份額且穩健成長，而ASIC市場前景廣闊，其優勢與特性能協助在數據處理、消費性電子、電信系統、工業與其他產業的用戶開發系列產品，縮短產品、服務或系統的創新週期。
TrendForce研究顯示，CPU、GPU與ASIC晶片在2026年AI市場規模的比重將達33％、34％、26％，其中以ASIC晶片市場成長最快，原因有兩點，其一，消費性電子設備市場需求增加，且多數用中小型設備開發商偏向7nm的ASIC。其二，5G、低軌道衛星通訊、雲端與邊緣運算的工作負載與結構化需求不斷增加，因爲電信系統是最大的終端使用市場。（本文作者爲TrendForce集邦科技）