人居生活场景AI解决方案产业调研报告

《人居生活场景AI解决方案产业调研报告》由会员分享，可在线阅读，更多相关《人居生活场景AI解决方案产业调研报告（22页珍藏版）》请在装配图网上搜索。

1、人居生活场景AI解决方案产业调研报告加快建设跨行业、跨区域的物流信息服务平台，提高物流供需信息对接和使用效率。鼓励大数据、云计算在物流领域的应用，建设智能仓储体系，优化物流运作流程，提升物流仓储的自动化、智能化水平和运转效率，降低物流成本。建设支撑超大规模深度学习的新型计算集群，构建包括语音、图像、视频、地图等数据的海量训练资源库，加强人工智能基础资源和公共服务等创新平台建设。进一步推进计算机视觉、智能语音处理、生物特征识别、自然语言理解、智能决策控制以及新型人机交互等关键技术的研发和产业化，推动人工智能在智能产品、工业制造等领域规模商用，为产业智能化升级夯实基础。一、 人工智能芯片市场的未来

2、发展趋势（一）芯片行业整体受到政策鼓励支持，AI芯片发展受益国内需求和国产化进程芯片是信息化时代、数字化时代的基石。中国作为全球最大的半导体消费市场，芯片自给率不足，严重依赖进口。为发展国产芯片，实现进口替代，近年来政府出台了一系列政策支持国产芯片行业发展。2020年8月，新时期促进集成电路产业和软件产业高质量发展的若干政策提出将从财税、投融资、研究开发、进出口、人才、知识产权、市场应用、国际合作等8个方面对集成电路和软件产业进行扶持，以加快集成电路和软件产业发展。AI芯片的发展将受益于芯片国产化的政策支持和庞大的国内市场需求。（二）AI芯片研发将从技术导向转向场景导向目前AI芯片设计更多的是

3、从技术需求的角度出发，如芯片架构的选择、芯片性能指标提升等。随着AI芯片领域的竞争越来越激烈，各芯片企业除了在技术层面有所突破，还需加大应用场景的布局，以抢占更多的发展机遇。为了适应碎片化的应用市场，未来的芯片设计需要以客户终端需求为导向，从需求量、商业落地模式、市场壁垒等各个方面综合分析落地的可行性，借助场景落地实现AI芯片的规模发展。（三）AI芯片发展从侧重云端向端云一体化发展云端芯片聚焦非实时、长周期数据的大数据分析，能够支持大量运算共同运行，目前云端AI芯片应用已经相对成熟。随着智能音箱、自动驾驶、无人机、安防监控等应用的丰富，云端的部分推理乃至训练算力将迁移至边缘和终端侧，支撑本地业

4、务的实时智能化处理与执行。边缘和终端侧对AI芯片的需求更为多样、更强调低功耗低成本、技术要求相对较低。得益于人工智能等多种因素的推动，边缘计算将逐渐在公共安防、智能家居、智能交通等诸多领域应用。随着边缘计算兴起，端云一体化的算力布局方案渐成主流，不仅可以实现对算法结构的优化，还从本质上赋能各边缘和终端应用，提供更好更完整的解决方案。二、 互联网+益民服务（一）发展便民服务新业态发展体验经济，支持实体零售商综合利用网上商店、移动支付、智能试衣等新技术，打造体验式购物模式。发展社区经济，在餐饮、娱乐、家政等领域培育线上线下结合的社区服务新模式。发展共享经济，规范发展网络约租车，积极推广在线租房等新

5、业态，着力破除准入门槛高、服务规范难、个人征信缺失等瓶颈制约。发展基于互联网的文化、媒体和旅游等服务，培育形式多样的新型业态。积极推广基于移动互联网入口的城市服务，开展网上社保办理、个人社保权益查询、跨地区医保结算等互联网应用，让老百姓足不出户享受便捷高效的服务。（二）推广在线医疗卫生新模式发展基于互联网的医疗卫生服务，支持第三方机构构建医学影像、健康档案、检验报告、电子病历等医疗信息共享服务平台，逐步建立跨医院的医疗数据共享交换标准体系。积极利用移动互联网提供在线预约诊疗、候诊提醒、划价缴费、诊疗报告查询、药品配送等便捷服务。引导医疗机构面向中小城市和农村地区开展基层检查、上级诊断等远程医疗

6、服务。鼓励互联网企业与医疗机构合作建立医疗网络信息平台，加强区域医疗卫生服务资源整合，充分利用互联网、大数据等手段，提高重大疾病和突发公共卫生事件防控能力。积极探索互联网延伸医嘱、电子处方等网络医疗健康服务应用。鼓励有资质的医学检验机构、医疗服务机构联合互联网企业，发展基因检测、疾病预防等健康服务模式。（三）促进智慧健康养老产业发展支持智能健康产品创新和应用，推广全面量化健康生活新方式。鼓励健康服务机构利用云计算、大数据等技术搭建公共信息平台，提供长期跟踪、预测预警的个性化健康管理服务。发展第三方在线健康市场调查、咨询评价、预防管理等应用服务，提升规范化和专业化运营水平。依托现有互联网资源和社

7、会力量，以社区为基础，搭建养老信息服务网络平台，提供护理看护、健康管理、康复照料等居家养老服务。鼓励养老服务机构应用基于移动互联网的便携式体检、紧急呼叫监控等设备，提高养老服务水平。（四）探索新型教育服务供给方式鼓励互联网企业与社会教育机构根据市场需求开发数字教育资源，提供网络化教育服务。鼓励学校利用数字教育资源及教育服务平台，逐步探索网络化教育新模式，扩大优质教育资源覆盖面，促进教育公平。鼓励学校通过与互联网企业合作等方式，对接线上线下教育资源，探索基础教育、职业教育等教育公共服务提供新方式。推动开展学历教育在线课程资源共享，推广大规模在线开放课程等网络学习模式，探索建立网络学习学分认定与学

8、分转换等制度，加快推动高等教育服务模式变革。三、 互联网+普惠金融促进互联网金融健康发展，全面提升互联网金融服务能力和普惠水平，鼓励互联网与银行、证券、保险、基金的融合创新，为大众提供丰富、安全、便捷的金融产品和服务，更好满足不同层次实体经济的投融资需求，培育一批具有行业影响力的互联网金融创新型企业。（一）探索推进互联网金融云服务平台建设探索互联网企业构建互联网金融云服务平台。在保证技术成熟和业务安全的基础上，支持金融企业与云计算技术提供商合作开展金融公共云服务，提供多样化、个性化、精准化的金融产品。支持银行、证券、保险企业稳妥实施系统架构转型，鼓励探索利用云服务平台开展金融核心业务，提供基于

9、金融云服务平台的信用、认证、接口等公共服务。（二）鼓励金融机构利用互联网拓宽服务覆盖面鼓励各金融机构利用云计算、移动互联网、大数据等技术手段，加快金融产品和服务创新，在更广泛地区提供便利的存贷款、支付结算、信用中介平台等金融服务，拓宽普惠金融服务范围，为实体经济发展提供有效支撑。支持金融机构和互联网企业依法合规开展网络借贷、网络证券、网络保险、互联网基金销售等业务。扩大专业互联网保险公司试点，充分发挥保险业在防范互联网金融风险中的作用。推动金融集成电路卡（IC卡）全面应用，提升电子现金的使用率和便捷性。发挥移动金融安全可信公共服务平台（MTPS）的作用，积极推动商业银行开展移动金融创新应用，促

10、进移动金融在电子商务、公共服务等领域的规模应用。支持银行业金融机构借助互联网技术发展消费信贷业务，支持金融租赁公司利用互联网技术开展金融租赁业务。（三）积极拓展互联网金融服务创新的深度和广度鼓励互联网企业依法合规提供创新金融产品和服务，更好满足中小微企业、创新型企业和个人的投融资需求。规范发展网络借贷和互联网消费信贷业务，探索互联网金融服务创新。积极引导风险投资基金、私募股权投资基金和产业投资基金投资于互联网金融企业。利用大数据发展市场化个人征信业务，加快网络征信和信用评价体系建设。加强互联网金融消费权益保护和投资者保护，建立多元化金融消费纠纷解决机制。改进和完善互联网金融监管，提高金融服务安

11、全性，有效防范互联网金融风险及其外溢效应。四、 基本原则（一）坚持开放共享营造开放包容的发展环境，将互联网作为生产生活要素共享的重要平台，最大限度优化资源配置，加快形成以开放、共享为特征的经济社会运行新模式。（二）坚持融合创新鼓励传统产业树立互联网思维，积极与互联网+相结合。推动互联网向经济社会各领域加速渗透，以融合促创新，最大程度汇聚各类市场要素的创新力量，推动融合性新兴产业成为经济发展新动力和新支柱。（三）坚持变革转型充分发挥互联网在促进产业升级以及信息化和工业化深度融合中的平台作用，引导要素资源向实体经济集聚，推动生产方式和发展模式变革。创新网络化公共服务模式，大幅提升公共服务能力。（四

12、）坚持引领跨越巩固提升我国互联网发展优势，加强重点领域前瞻性布局，以互联网融合创新为突破口，培育壮大新兴产业，引领新一轮科技革命和产业变革，实现跨越式发展。（五）坚持安全有序完善互联网融合标准规范和法律法规，增强安全意识，强化安全管理和防护，保障网络安全。建立科学有效的市场监管方式，促进市场有序发展，保护公平竞争，防止形成行业垄断和市场壁垒。五、 人工智能行业面临的机遇与挑战（一）以新基建为代表的扶持政策助力人工智能行业发展在国内大力发展新基建的背景下，数据中心和海量网络的建设承载着数据的指数型增长。如今的智慧城市仍强调基建和信息传输效率，但与过往不同的是，其技术特征演化为万物互联与基于软件定

13、义的城市服务。随着万物互联的需求日趋多样和复杂，集成电路与数据中心将迎来下一轮的需求增长的爆发。各终端不仅需要具备数据处理能力，还需要能与云端产生实时而灵活的互动，并衍生出更多针对算法和基建的投入，从而持续刺激5G、集成电路、人工智能等领域的发展。随着国际间科技实力的竞争逐渐激化，各国政府都先后出台了针对人工智能发展的支持性政策，并将其上升至国家战略层面。在中国，政府正通过多种形式支持人工智能的发展：中国已经形成了科技部、国家发改委、工信部、中国工程院等多个部门参与的人工智能联合推进机制，从2015年开始先后发布多则支持人工智能发展的政策，为人工智能技术发展和落地提供大量的项目发展基金，并且对

14、人工智能人才的引入和企业创新提供支持。这些政策给行业发展提供坚实政策导向的同时，也给资本市场和行业利益相关者发出积极信号。在推动市场应用方面，中国政府在推动人工智能技术与实体产业深度融合的同时，也在智慧城市的转型中与人工智能产业进行密切合作。作为技术应用的重要采购方，中国政府在落地智慧安防同时，也成为了推动人工智能产业发展的主导力量之一。（二）5G等技术创新推动人工智能的技术变革与应用渗透随着算法、芯片技术的日益成熟，人工智能技术具备了大规模投放市场的基础条件。而随着近年来新基建的集中投入，5G等底层技术发展进入全面加速状态。5G技术因其大带宽、低时延、广覆盖的特征，成为新基建其他产业的根基技

15、术。底层技术的突破让人工智能技术在更多终端上的大规模应用成为了可能，这也使得人工智能化的物联网终端可以广泛地在各个行业得到大规模的应用，从而使得人工智能技术在更多的行业场景落地。而因为更多的场景能够使用人工智能进行设备处理和数据传输，更多的边缘终端将持续采集海量数据，进而驱动人工智能技术得到进一步的发展、创新基础设施赋能各产业的数字化转型。同时，智能终端在物联网时代的普及将为人工智能芯片提供重要市场机遇。智能终端在不同应用场景下对算力、功耗、时延的多元化需求，使得人工智能芯片在端侧可以拥有更多元化的应用场景，而智能终端在各场景的广泛运用也离不开人工智能芯片的低成本化并兼具高度可适配性。未来5G

16、和物联网引领的智能终端需求爆发将为人工智能芯片的研发、生产和应用带来更多可能，而人工智能芯片将作为AI的底层基础，真正实现智联万物，让AI无处不在。（三）用户需求提升和技术扩散带来人工智能行业应用场景拓展随着人工智能技术的日渐成熟和扩散，通用化、模块化的算法框架降低了人工智能技术的使用门槛，更多行业和企业能够基于人工智能技术对现有的产业和业务进行边际优化与改善，人工智能技术和传统产业的融合程度日益加深；另一方面，用户新需求的不断涌现激活了各个领域的人工智能企业发展潜能。在金融、交通、教育、公共安全、商业服务、能源、零售、医疗等行业，人工智能技术的应用均在持续挖掘和拓展。美国在人工智能基础层领域

17、，尤其在AI芯片设计研发领域，有显著的产业优势和技术壁垒，美国芯片厂商是国内很多AI技术层、应用层企业最重要的供应商之一。随着全球科技产业链不断受国际局势影响，我国相对薄弱的基础层可能难以支撑产业链中下游的发展，这无疑会对国内该行业的生产供货和研发革新带来风险。长期而言，底层技术的自主可控是国内建立人工智能完整产业生态链和参与全球科技竞争的基础，也是国内各人工智能企业最重要的核心竞争力之一。因此，在新基建的背景下，我国政府对人工智能的政策方针转向系统性全面发展，持续增大针对基础技术领域的投资，进一步完善国内人工智能的产业链、创新链、人才链，同时业内也在积极探索将自主可控列入新基建的产品测评，与

18、质量、安全等因素并重。六、 人工智能行业发展情况和未来发展趋势（一）视觉人工智能在新技术方面的发展情况和未来发展趋势近年来，视觉人工智能的多数研究都集中在深度学习、检测和分类面部/手部/姿势、3D传感技术等方面。随着识别准确度的提升空间趋小，研究重心将逐渐转向技术协同、融合与应用。在视觉人工智能领域内，将终端设备演进为小型数据中心集群，并与云端高效协同将成为研究重点之一。终端设备的铺设和数据量的增长将使面向云端的传输压力倍增，这要求端侧完成部分云侧的图像处理功能。而在终端逐渐提高的算力要求，例如更加准确的实时识别，也需要端云架构的协同整合。在识别技术趋于成熟的今天，端云的深度结合与协同将成为识

19、别技术的重要依托，如何将两侧的架构进行不断耦合优化也将不会局限于计算机视觉技术，而成为人工智能技术层共同探索的方向。目前，业内的部分研究也在突破对识别准确度的单一聚焦，转向更加综合的计算机视觉问题，图像描述、事件推理、场景理解等。未来，视觉人工智能将与其他的智能技术协同融合，评判因素也将由准确性延伸至识别的灵活性、推测的合理性。例如，融合自然语言处理技术来完成图像描述，将图片翻译为一段文字。而事件推理则是通过识别复杂视频中的因果关系，并基于因果关系给出合理推测。未来，安防领域可运用这项技术，建立端到端的时间推理系统，从而帮助提升案件侦查效率，改善治安管理效果。场景理解则通过由自身传感器收集的环

20、境感知数据，获得周边场景的几何/拓扑结构、构成要素与时空变化，并进行语义推理甚至决策出未来时间内的运动走向。该项技术有广大的潜在市场亟待渗透，未来随着数据集的不断拓展和自监督学习，视觉人工智能的交互性和通用性将大大增强，为各种行业所用。技术的协同和融合将进一步积累针对多样化场景的解决方案，而更加广泛、密集的应用又将推动技术的不断迭代。海量数据、多种技术的交互作用有利于最终构成完整的技术赋能平台，持续的整合和创新将不断扩展视觉人工智能的技术边界，转化为下一阶段的产业化能力和平台化能力。（二）视觉人工智能在新产业、新业态方面的发展情况和未来发展趋势视觉人工智能技术不仅能够带来生产效率的提升，也会催

21、生新产业及新商业模式，推动多行业产业链的重构。视觉人工智能技术产业化落地应用程度不断提高，在智能手机、智能汽车、智慧安防、智慧家居、智慧保险、智慧零售、互联网视频等领域均有广泛的应用，并形成了全新的产业链条与商业经营模式。可以预见，随着视觉人工智能技术不断发展，行业应用解决方案的建立和完善，以及政府对视觉人工智能行业的政策扶持，视觉人工智能技术将进一步渗透，助力各应用行业解决行业痛点，提高运营效率，实现行业转型和升级。1、视觉人工智能在智慧城市管理领域的发展情况在智慧城市管理领域，随着数亿个传感器被嵌入进城市里的各种设备，政府可以利用云端技术，提高对交通和街道的公共管理能力。以安防领域的治安管

22、理业务转型为例，在重点场所布控的系统可以进行实时监控，将公安机关的事后侦查转型为主动预警预防。城市作为人工智能落地的综合载体，近年来获得了视觉人工智能技术全方位的渗透，不断挖掘新的需求与应用场景。以物流分拣为例，过去城市主要依靠人工分拣和配送，随着视觉人工智能和物联网的深度融合，物流分配逐渐走向数字化和自动化，这将极大地降低城市管理成本，优化城市管理效果。2、视觉人工智能在智慧社区管理领域的发展情况智慧社区领域则是智慧城市管理的延伸，通过将城市的管理理念引入社区单元，管理者可以通过完善基层信息化平台支持智慧城市的顶层建设。过去的社区主要依靠人力管理社区人流、物流、信息流，整体管理处于相对割裂的

23、状态，在社区扩容和流动人口激增的背景下难以实现实时、主动的管理。在智慧城市的框架下，视觉人工智能与物联网、云计算、大数据深度融合，在物业管理、社区安全、便民服务等多个细分场景进行应用，例如出入人员记录、街道楼栋管理、留守老人关注服务等，提升物业管理和服务水平。3、视觉人工智能在智慧家居领域的发展情况在智慧家居领域，视觉人工智能有助于提升人与智慧家居产品的交互体验，构建以住宅为平台，基于物联网技术，由智能硬件、智能软件系统、云计算平台构成的家居生态圈。视觉人工智能最终能够实现人远程控制设备、设备对人的生物特征识别和适配、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个

24、性化生活服务，使家居生活更加安全、舒适、节能、便捷。4、视觉人工智能在智慧零售领域的发展情况在智慧零售领域，从当前市场环境来看，线上线下融合、消费闭环是零售业的未来发展方向。从零售企业经营看，不断上涨的人工成本是制约企业盈利增长的主要瓶颈，少人化、无人化无疑是削减人力成本的重要方向。例如，商品识别在无人便利店、智能零售柜等场景的应用不仅有效降低了识别误差率，也对线下零售的人员结构进行优化，让员工的工作重心由重复性基础劳动转向会员管理和运营优化，提升运营的效率和效果。另一方面，围绕不同消费群体和消费场景的产品和服务也对未来零售的运营管理提出了更高的要求，而更精细的数据采集与定制化分析为运营管理优

25、化提供了支持。零售企业可以将视觉人工智能、大数据、物联网等技术应用到零售区域划分、客户动线分析、客户属性分析等场景，更全面、准确、迅速地了解顾客需求，增强消费者体验。同时，这些应用有助于供应链改造和供给侧优化，为企业降本增效，更好地实现消费场景线上线下融合，构建智能数字化管理体系。七、 互联网+便捷交通加快互联网与交通运输领域的深度融合，通过基础设施、运输工具、运行信息等互联网化，推进基于互联网平台的便捷化交通运输服务发展，显著提高交通运输资源利用效率和管理精细化水平，全面提升交通运输行业服务品质和科学治理能力。（一）提升交通运输服务品质推动交通运输主管部门和企业将服务性数据资源向社会开放，鼓

26、励互联网平台为社会公众提供实时交通运行状态查询、出行路线规划、网上购票、智能停车等服务，推进基于互联网平台的多种出行方式信息服务对接和一站式服务。加快完善汽车健康档案、维修诊断和服务质量信息服务平台建设。（二）推进交通运输资源在线集成利用物联网、移动互联网等技术，进一步加强对公路、铁路、民航、港口等交通运输网络关键设施运行状态与通行信息的采集。推动跨地域、跨类型交通运输信息互联互通，推广船联网、车联网等智能化技术应用，形成更加完善的交通运输感知体系，提高基础设施、运输工具、运行信息等要素资源的在线化水平，全面支撑故障预警、运行维护以及调度智能化。（三）增强交通运输科学治理能力强化交通运输信息共

27、享，利用大数据平台挖掘分析人口迁徙规律、公众出行需求、枢纽客流规模、车辆船舶行驶特征等，为优化交通运输设施规划与建设、安全运行控制、交通运输管理决策提供支撑。利用互联网加强对交通运输违章违规行为的智能化监管，不断提高交通运输治理能力。八、 加强资源环境动态监测针对能源，矿产资源，水、大气、森林、草原、湿地、海洋等各类生态要素，充分利用多维地理信息系统、智慧地图等技术，结合互联网大数据分析，优化监测站点布局，扩大动态监控范围，构建资源环境承载能力立体监控系统。依托现有互联网、云计算平台，逐步实现各级资源环境动态监测信息互联共享。加强重点用能单位能耗在线监测和大数据分析。（一）大力发展智慧环保利用

28、智能监测设备和移动互联网，完善污染物排放在线监测系统，增加监测污染物种类，扩大监测范围，形成全天候、多层次的智能多源感知体系。建立环境信息数据共享机制，统一数据交换标准，推进区域污染物排放、空气环境质量、水环境质量等信息公开，通过互联网实现面向公众的在线查询和定制推送。加强对企业环保信用数据的采集整理，将企业环保信用记录纳入全国统一的信用信息共享交换平台。完善环境预警和风险监测信息网络，提升重金属、危险废物、危险化学品等重点风险防范水平和应急处理能力。（二）完善废旧资源回收利用体系利用物联网、大数据开展信息采集、数据分析、流向监测，优化逆向物流网点布局。支持利用电子标签、二维码等物联网技术跟踪

29、电子废物流向，鼓励互联网企业参与搭建城市废弃物回收平台，创新再生资源回收模式。加快推进汽车保险信息系统、以旧换再管理系统和报废车管理系统的标准化、规范化和互联互通，加强废旧汽车及零部件的回收利用信息管理，为互联网企业开展业务创新和便民服务提供数据支撑。（三）建立废弃物在线交易系统鼓励互联网企业积极参与各类产业园区废弃物信息平台建设，推动现有骨干再生资源交易市场向线上线下结合转型升级，逐步形成行业性、区域性、全国性的产业废弃物和再生资源在线交易系统，完善线上信用评价和供应链融资体系，开展在线竞价，发布价格交易指数，提高稳定供给能力，增强主要再生资源品种的定价权。九、 人工智能芯片行业人工智能芯片

30、指应用在人工智能算法加速，主要实现大规模并行计算的芯片。而在更广泛的概念下，任何应用在人工智能领域的芯片都可被称为人工智能芯片。（一）人工智能芯片以技术路线分类深度学习架构下的人工智能芯片以技术路线进行划分，主要包括GPU、FPGA、ASIC、ASIP等类别。GPU使用SIMD让多个执行单元同时处理不同的数据，其离散化和分布式的特征，以及用矩阵运算替代布尔运算的设计使之适合处理深度学习所需要的非线性离散数据。与同样基于冯诺依曼架构的CPU不同的是，在传统的冯诺依曼结构中，CPU每执行一条指令都需要存储读取、指令分析、分支跳转才能进行运算，从而限制了处理器的性能；而GPU大部分的晶体管可以组成各

31、类专用电路、多条流水线，运算单元明显增多，适合大规模的并行计算。GPU拥有更多的ALU用于数据处理，这样的结构适合对密集型数据进行并行处理，获得高于CPU几十倍甚至上千倍的运行速度。在云端，通用GPU，被广泛应用于深度神经网络训练和推理。但是，GPU并非专门针对AI算法，在执行算法中能耗相对较高、效率相对较低，有一定的时延问题。FPGA利用门电路直接运算，而用户可以自由定义这些门电路和存储器之间的布线，改变执行方案。其基本原理是集成大量的基本门电路以及存储器，通过大量的可编程逻辑单元实现针对性的算法设计，即实现以硬件定义软件。FPGA通过可编程逻辑综合，在并行计算上能够获得和GPU接近的并行计

32、算性能，相比CPU，有明显的性能提升，同时在功耗上优势明显在深度学习算法仍处于高速迭代的状态下，FPGA因其可重构特性而具有显著优势。FPGA市场化的阻碍主要在于高昂的硬件和开发成本，编程相对复杂，为实现重构而降低了计算资源占比，整体运算能力受到影响。ASIC则为专用定制芯片的统称，在架构、设计、成本等方面存在更大的多样性，其中VPU是为图像处理和视觉处理设计的定制芯片。ASIC的架构相对简单，性能和功耗与通用型产品相比更低。由于不需要包含FPGA用于实现重构的可配置片上路由与连线，相同工艺的ASIC计算芯片可以拥有FPGA5-10倍的运算速度，实现PPA最优化设计。ASIC针对场景的定制化设

33、计使其更适合终端推理场景，而如今它的主要劣势在于初期设计的资金投入和研发周期，且针对性设计限制了芯片的通用性。ASIP是一种新型的定制化指令集的处理器芯片，它为某个或某一类型应用而专门设计，通过权衡速度、功耗、成本、灵活性等多个方面的设计约束，设计者可以定制ASIP以达到最好的平衡点，从而适应嵌入式系统的需要。ASIP集合了FPGA和ASIC各自的优点，不仅可以提供ASIC级别的高性能和低功耗，还能提供处理器级别的指令集灵活性，实现可重新编程，更适用于需求尚未被明确定义、需要芯片具备一定通用性和可编程性的应用场景，从而满足AI算法快速更新迭代的需求，并延长芯片的使用生命周期。相对GPUCPU具

34、备同等的指令集灵活性，执行效率、功耗、能量效率方面相比CPU、GPU有1-2个数量级的优势。相对DSP在视觉人工智能算法上的执行效率上高2-5倍，功耗只有其1/2-1/3。相对ASIC具有后向算法可编程的灵活性，更适合深度学习AI算法的演进和迭代部署。相对FPGA具有高性能、低成本的优势，成本方面有百倍级的成本优势。未来，类脑芯片的神经拟态计算将带来更大的想象空间，其内存、CPU和通信部件将集成为一体，信息处理可以在本地进行。类脑芯片的设计目的也将不局限于加速深度学习算法，而是在芯片结构甚至器件层面上改变设计，开发出全新的类脑计算机体系结构。目前此项技术还尚未得到大规模应用，但很有可能成为行业

35、内长期发展的路径和方向。（二）人工智能芯片行业市场规模与行业构成市场规模方面，AI芯片的需求正在快速扩大，根据艾媒咨询的预测，全球AI芯片市场规模将在未来五年内飙升，预计将从2019年的110亿美元增长至2025年的726亿美元。赛迪顾问则预测中国AI芯片市场规模将从2019年的1241亿元增长至2021年的3057亿元，预计未来几年仍将以超过50%的速度快速增长。根据赛迪数据报告，从行业结构分布来看，在2021年安防行业是AI芯片落地应用的最大市场，市场规模达到511亿元，占比1672%。其余用途比较广泛的场景还包括零售、医疗、教育、制造、金融、物流、交通等领域。根据应用场景，AI芯片可分为

36、云端芯片、边缘端芯片和终端芯片，再根据功能可分为训练芯片和推断芯片。近年来，宏观政策的大力支持和人工智能的普遍应用促进了AI芯片市场的高速扩张。赛迪顾问预测，2021年我国AI芯片市场规模将达到3057亿元，2019至2021年市场规模的年化增长率均超过50%。尤其对于终端推断芯片市场，随着人工智能应用生态的逐步建立，AI应用将被更为广泛地部署在终端设备，其市场规模年化增长率将保持在60%以上。而根据甲子光年的统计，2020年中国云端AI芯片的市场规模可以达到1117亿元，边缘与终端芯片为39亿元。但人工智能在安防、家居、商业等应用领域的大规模落地为边缘与终端芯片带来了更大的市场契机，该市场2018至2023年复合增长率将达到622%。