圖/路透、美聯社
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
2022~2028年全球AI晶片市場規模預估

2021~2026年各類AI晶片市占率
2021~2026年各類AI晶片市占率

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,以最大限度減少人為錯誤,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台「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)」計畫,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,其中企業數位轉型為重中之重,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占率,其市占率從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,其隨著深度學習對運算需求不斷提升,以及為達到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畫。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作為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為開放性,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,協同運行啟動多場景應用

AI晶片大致可分為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,專為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、邏輯較為複雜時,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,需重新設計客製,不過隨著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架構為基礎設計而成的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占據整體運算近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。

因此隨著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布式走向集中式,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,然為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平台,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。有鑒於此,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,提前為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,以及全平台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仍占據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,因為電信系統是最大的終端使用市場。(本文作者為TrendForce集邦科技)

#成長 #處理 #數位 #AI晶片 #應用 #技術 #運算 #晶片 #GPU