前景樂觀
當今科技創新迅猛發展,半導體行業有望持續增長。對半導體行業來說,2019年會相對疲軟,但普華永道預計其將在2020年實現復甦並保持繁榮。2018年半導體行業銷售總額為4,810億美元。今後四年,即到2022年底,我們預計銷售額將保持較慢但穩健的增長,複合年均增長率(CAGR)約為4.6%,達到5,750億美元。
半導體行業由七類元件組成,即記憶體、邏輯元件、微型元件、模擬元件、光電元件、感測器和分離元件(OSD)。其中,記憶體產品銷售額仍將是半導體收入的最大份額。然而,三星集團在2017至2018年對其半導體部門的鉅額投入將使記憶體市場產能過剩,從而導致記憶體產品(尤其是3D NAND快閃記憶體產品)在2019年銷量下滑,但該市場有望在2020年開始復甦。
此外,人工智慧(AI)應用的快速增長帶來的晶片需求,將極大促進該行業的整體增長。大部分需求來自汽車和工業市場,這兩個領域增長最快。
由於電動汽車和混合動力汽車的普及率不斷提高,再加上自動駕駛汽車的市場潛力巨大,汽車市場將是增長最快的市場。到2022年,其複合年均增長率將達到11.9%。與此同時,傳統汽車晶片的需求依然強勁。工業市場繼續受到安全和醫療領域對人工智慧晶片及其實力的需求的推動。在此期間,整個工業市場的複合年均增長率預計將達到10.8%。
由於智慧手機的更新換代、5G技術的引入以及新興市場的增長,通訊市場的複合年均增長率將達到2.2%。與此同時,到2022年底,消費類電子產品市場約有50%的收入將來自電視、視訊遊戲機、手持裝置和數字機頂盒。
到2022年,消費類電子產品市場的複合年均增長率將達到6.0%。預計可穿戴裝置的複合年均增長率高達21.0%,但僅佔通訊市場份額的10%左右。
資料處理市場的複合年均增長率為2.1%,主要來自伺服器和儲存裝置銷售。雖然預計銷售額會在2019年同比下降2.8%,但從2020年開始有望回升。儘管我們預計個人電腦市場份額會下降,到2022年的複合年率下降5.2%,但這一降幅將被物聯網(IoT)、機器學習以及伺服器和資料中心領域其他形式人工智慧的增長所抵消。
半導體行業各類元件的市場劃分
在半導體行業生產的七類元件中,記憶體晶片元件的市場份額在2022年前將繼續佔據首位;不過,如前所述,其增長可能在2019年轉為負值,然後在2020年實現回升。在整個預測期內,邏輯和微型元件晶片的銷售額將持續佔據半導體行業總收入的第二大份額(見圖1)。
圖1 各類元件的市場增長
資料來源:普華永道研究 單位:十億美元
• 記憶體。這一領域的很大一部分增長將由持續的技術進步推動,如雲端計算技術和智慧手機等終端裝置上的虛擬現實技術。動態隨機儲存器(DRAM)和NAND快閃記憶體晶片的平均銷售價格大幅提高,也在推動收入增長方面發揮顯著作用。一般而言,快閃記憶體和DRAM的新產能將會抵消預期內的價格下跌,從而更好地實現這類裝置的供需平衡,以支援企業固態驅動器(SSD)、增強和虛擬現實、圖形、人工智慧和其他複雜的實時工作負載功能等新應用。然而,三星在2017至2018年對半導體部門的鉅額資本投入將使記憶體市場產能過剩,尤其是3D NAND快閃記憶體市場。
產能過剩將導致市場供應過剩,進而拉低記憶體元件的市場價格。因此,這類晶片產生的收入將在2019年下降,並對整個半導體市場產生不利影響。
◆邏輯元件。通訊、資料處理和消費類電子產品行業的需求將在很大程度上推動這一市場發展。在預測期內,特殊用途專用積體電路(ASIC)和專用訊號處理器(ASSP)邏輯晶片將佔據絕大部分市場。
◆微型元件。這類晶片是所有電子裝置的關鍵組成部分,市場增長將與這些裝置的銷量成正比。由於標準桌上型電腦、膝上型電腦和平板電腦的出貨量疲軟,微型元件在2019年的增長將停滯不前。2022年之前,微型元件的市場增長來自於汽車行業。汽車製造商正在將大量微型元件整合到智慧汽車的動力傳動系統、下一代底盤和安全系統中,用於在安全和防撞系統中處理複雜的實時感測器功能。此外,物聯網的日益普及也帶來對高效能電子產品的需求,從而催生對高效能處理器的需求。本地處理能力通常由微控制器、混合微控制器或微處理器以及整合微控制器裝置提供,這些裝置可以提供實時嵌入式處理,這是大多數物聯網應用的首要要求。
◆模擬元件。我們預計模擬元件的強勁增長主要受到通訊行業的需求推動,尤其是汽車行業。產生需求增長的用例包括電源管理(延長手機電池壽命)、訊號轉換(用於資料轉換器、混合訊號裝置等)和汽車專用模擬應用(自動駕駛汽車、電動汽車及電子系統)。
◆光電元件、感測器和分離元件(OCD)。這三類元件與積體電路相鄰。目前大量投產的新興技術裝置將推動這些晶片的需求增長。其中包括固態照明、機器視覺、影像識別、智慧電網能源、物聯網和智慧行動式系統中的“融合”多感測器。
由於光電晶片在嵌入式攝像機的互補金氧半導體(CMOS)影像感測器、汽車安全、固態照明應用的視覺自動化和更高效能的LED中使用越來越廣泛,預計其將繼續保持強勁的增長勢頭。總體而言,LED照明解決方案正在迅速改變各種住宅、商業和工業應用的市場。推動其增長的因素包括:採用更節能的照明解決方案、LED價格不斷降低、基礎設施的現代化改造和新發展。就能效、壽命、多功能性、色彩質量和成本而言,LED照明具備很多超越傳統照明技術的優勢。
我們預計感測器市場也將實現快速增長。雖然近年來,由於新型自動化控制和物聯網應用的單位出貨量增加,感測器價格有所下降。隨著功率電晶體和其他裝置需求的穩定增多,分離元件市場有望得到增長。
半導體應用市場的增長
經濟增長預期表明,以汽車和資料處理市場為主導的應用市場將持續擴大(見圖2)。
圖2 各類應用市場的增長
資料來源:普華永道研究 單位:十億美元
• 汽車。我們預計在所有市場中,汽車市場增長最快,複合年均增長率將達到11.9%。主要原因是:電動汽車和混合動力汽車的普及率不斷提高,其半導體需求量大約為傳統汽車的兩倍;此外,自動駕駛汽車有著巨大的市場潛力。隨著汽車變得更加自動化,每輛汽車對半導體的需求量增加,先進駕駛輔助系統(ADAS)、光探測和測距(LiDAR)、資訊娛樂系統以及安全和便利功能由此受到越來越多的關注。據IC Insights統計,每輛全自動駕駛汽車的半導體需求量將是駕駛輔助系統汽車的5倍。然而,傳統汽車仍然是半導體銷量的重要催化劑。2018年,傳統汽車銷量佔汽車市場總收入近95%。
• 通訊。通訊市場對半導體近80%的需求量由手機驅動。雖然目前手機市場高度飽和,但5G的引入、智慧手機持續的高更新率以及新興市場對手機的需求增加,通訊市場的複合年均增長率將保持在2.2%。儘管預計高階手機需求會下降,但普通手機的強勁增長將抵消這種影響。
• 消費類電子產品。得益於智慧電視、4K超高清電視、3D程式設計、視訊點播、對大屏顯示器的偏愛以及曲面OLED的日益普及,電視裝置將促進消費類電子產品應用的半導體收入增長。遊戲技術和機頂盒也將成為收入的強力助推器。因此,該市場的複合年均增長率將達到2.2%。儘管可穿戴裝置市場仍然相對較小,但其在消費類電子產品應用中增長最快,複合年均增長率將達到6.0%。然而,隨著美國Netflix和Amazon Prime等更具吸引力的替代品的流行,數字播放器晶片的收入正在下降,複合年均增長率為2.3%。此外,越來越多的消費者開始轉向手機遊戲,導致遊戲機市場在2018年達到飽和。
• 資料處理。到2022年,資料處理市場(包括個人電腦、超便攜裝置、平板電腦、伺服器和儲存裝置)中的半導體銷售額將達到2.1%的複合年均增長率。由於終端裝置智慧功能需要更多的半導體,來自儲存裝置的市場增長預計非常可觀,複合年均增長率為12.3%。這一增長很大程度上來自新興的固態驅動器技術,該技術克服了傳統資料驅動器的長週轉期、易過熱和高能耗等缺點。智慧手機和其他連線裝置的強勁銷售會加速對儲存卡和儲存裝置的需求。由於該市場也存在優化伺服器效能的壓力,每臺裝置的半導體需求量將會增加。
• 工業。僅次於汽車,工業市場將是所有應用型別中增長最快的市場,預計到2022年其複合年均增長率將達到10.8%。這一增長的最大份額將來自對安全、自動化、固態照明和運輸的需求。我們預計安全應用對半導體的需求增長最快,複合年均增長率將達到17.8%。這得益於持續推動更安全和更智慧城市的建設,尤其是在亞太地區。對機場和火車站的恐怖襲擊事件日益增多,激發了對先進周邊安全和門禁控制系統的投資;此外,對舒適性和便利性的日益重視也正在促進指紋門禁系統、PIN和RFID門禁系統的普及。
半導體行業在各地區的增長
在預測期內,我們預計在所有全球市場中,半導體市場將持續快速增長(見圖3)。
• 亞太地區。該市場將繼續是半導體行業收入的主要貢獻者,到2022年,複合年均增長率可達到4.8%。電子系統生產將繼續以中國為中心。由於中國的製造能力,尤其是消費類電子產品的製造能力出眾,因此對半導體的需求日益增長,併成為全球最大的晶片購買國和進口國。發展和增強該行業實力是中國政府的頭等大事,因為許多新興公司正處於初創階段。
圖3 各地區的半導體行業收入
資料來源:普華永道研究 單位:十億美元
“在人工智慧的背景下,我們需要考慮安全性。一般來說,歐洲企業處於有利地位:一方面包括安全要素,另一方面包括處理環境條件和安全層,就像車輛領域的情況一樣。這兩個方面都可以有成本合理的認證程式。”
——Maurice Geraets,恩智浦(NXP)半導體董事會成員
• 歐洲、中東和非洲。在預測期內,該地區的複合年均增長率將達到3.5%。資料處理一直是歐洲最大的終端用途類別,但我們預計未來兩年內將被汽車行業超越。半導體對於許多行業和應用至關重要。歐洲企業在汽車、出行(鐵路、航空)和工程等多個領域都處在領先地位。為確保在這些行業的領先局面,並促進人工智慧等新應用的發展,歐盟應推廣並保護其半導體行業。這包括研發設計、製造以及歐盟創業生態系統。
• 美洲。在預測期內,該地區的複合年均增長率位居第二,達到4.3%,主要由NAND快閃記憶體晶片市場的預期收益推動。在該地區,美國是許多領先半導體公司的所在地,擁有強大的創業生態系統。風險投資是該行業的有力支援因素。然而,美國政府最近否決了若干來自非美國公司的收購計劃。
學習機器的崛起
半導體行業的需求通常來自顛覆性的新技術推動。在1997年至2007年間,個人電腦的迅速普及推動了對CPU和儲存晶片的需求,而網際網路的廣泛滲透推動了對乙太網裝置、網路處理器和專用積體電路的需求。智慧手機時代始於2007年蘋果手機的推出,這增加了對移動處理器的需求,而雲端計算的採用則推動了伺服器CPU和儲存的增長。
現在,人工智慧很可能成為半導體行業又一個十年增長週期的催化劑。儘管人工智慧許多引人注目的新用例將依賴於通過軟體而非晶片實現的演算法,但對即時計算、連線和感測的需求將會推動未來十年對人工智慧定製半導體的巨大需求。
人工智慧與半導體帶來的機遇
人工智慧是計算機基於對資料集和預定義規則集的複雜分析來模擬智慧人類行為並作出決策或建議的能力。半導體有助於開發和加速人工智慧的機會,從而成為推動該領域創新和人工智慧增長潛力的關鍵因素。
人工智慧的使用通常取決於三種演算法:
• 機器學習(ML):使用演算法分析資料,從中學習,然後對特定情況作出決定或預測。
• 深度學習(DL):一種基於分析和從特定資料集中學習的機器學習,與特定任務的演算法不同。
• 自然語言處理(NLP):一種分析人機互動的方法,側重於給計算機編訂程式處理和分析大量自然語言資料的方式。
人工智慧用例也可按照兩種主要的實施型別進行分類:
• 培訓系統:利用大量的資料集來學習如何開展特定活動,並不斷進化學習演算法本身。
• 推理系統:使用預定義的模型進行實時決策。
人工智慧適用於幾乎所有行業的垂直領域,對雲和邊緣計算所需晶片數量具有超強預測能力,並且對加速新演算法的專業計算需求在不斷增長,因而為半導體廠商創造了前所未有的機遇。
人工智慧驅動的行業增長預測
我們預計到2022年,人工智慧相關的半導體市場收入將從目前的60億美元增至300億美元以上,複合年均增長率接近50.0%。雖然人工智慧驅動的用例會隨著時間的推移逐步滲透到每個行業領域,但人工智慧的使用將取決於技術投資的規模、技術開發的速度以及實現其效益的速度。
為推理系統提供動力的半導體市場可能仍然是分散的,因為每一個廣泛變化的潛在用例,例如面部識別、機器人、工廠自動化、自動駕駛和監控等均需要定製解決方案。相比之下,培訓系統將主要基於傳統CPU、GPU和現場可程式設計門陣列(FPGA)基礎設施及ASIC。
• 汽車。仍是市場潛力最大的一個細分市場。我們預計在2022年,ADAS和自動駕駛輔助用例將會帶來40億至47億美元的收入(見圖4)。這其中包括基於推理的系統,用於汽車和邊緣計算的自動駕駛和安全輔助;以及基於訓練的系統,用於交通規避導航。兩者的相對規模將決定需求增長最快的半導體型別——用於邊緣計算的GPU和ASIC,以及用於雲端計算的GPU和FPGA。
• 金融服務。我們相信,此細分市場將會帶來40億至45億美元的收入,主要來自交易身份認證和智慧投資組合管理的用例。與汽車行業一樣,金融服務可能會根據用例實施推理和培訓系統。基於認證的用例將在很大程度上依賴於邊緣計算的基於推理的人工智慧,主要用於智慧手機上的面部識別和通過移動CPU或專用人工智慧半導體的指紋檢測。基於培訓的人工智慧將主要用於分析海量資料集,以識別智慧投資和投資組合管理的趨勢;這些活動通常駐留於雲端,因為需要基於CPU或GPU基礎設施的大量計算。
• 工業。可能是所有行業中機遇最小的,介於15億至20億美元之間,主要來自制造業優化和主動式故障檢測。這是因為這些應用非常重視能否利用現有基礎架構的培訓系統,因此不太可能需要業內最佳的計算能力和更低的延遲。此外,由於工業部署和客戶更新週期更長,因此該領域從人工智慧獲得的收益可能需要比其他行業更長的時間。
圖4 各行業採用人工智慧驅動的用例
汽車行業中的人工智慧
汽車行業中的人工智慧
汽車行業在電子元件上的開支可謂龐大,在如何利用人工智慧加速創新方面進展迅速。到2022年,全球679億美元的汽車電子元件市場中,人工智慧在資訊娛樂領域的影響將最為明顯,達到85億美元,ADAS為129億美元,安全應用57億美元。
資訊娛樂系統將會用於個人輔助、導航和娛樂。蘋果的Car-Play和谷歌的安卓汽車平臺已在市場上脫穎而出。
ADAS和安全應用將聚焦駕駛員輔助和自動駕駛,主要通過汽車製造商的專有解決方案(如通用汽車巡航自動化解決方案)或廣泛可用的平臺(如英特爾的Mobileye和輝達驅動)。到2022年,這些人工智慧應用的元件將會集中於感測(光電子學和非光學感測器)、計算(ASIC、ASSP、通用邏輯和微元件)及儲存(儲存器)領域,可用市場達到208億美元。模擬和分離元件將是整體解決方案的一部分,但並非人工智慧應用的主導因素。
在這些元件中,人工智慧注入的邏輯元件將設計用於ASSP、ASIC和微元件,而儲存器、光電子和非光學感測器將作為輔助元件來支援整個子系統的設計。到2022年,ADAS、安全和資訊娛樂中人工智慧晶片的市場預計達到40億至47億美元,約佔這些應用領域總市場的19.2%-22.6%。
人工智慧在自動駕駛汽車中的使用將取決於汽車的自動駕駛能力,根據正常操作所需的人工干預量,通常分為五個級別。
0級不涉及自動化。在1級和2級,ADAS提供自動剎車、穩定性控制和巡航控制。3級在某些情況下包括自動駕駛,而在4級和5級,駕駛是完全自動的。
在4級和5級,自動駕駛子系統必須利用其所有元件在通常情況和特殊情況下提供幫助,完全消除對駕駛員甚至方向盤的需求。攝像、雷達和鐳射雷達感測器必須能夠探測並避開物體。資訊娛樂模組充當導航、感測器控制和語音命令的主要資料傳輸源。最後,核心自主平臺發揮人工智慧推理系統的作用,用於實時計算和作出關鍵的安全和導航決策。
對於依賴於學習系統的任務,包括實時路線導航、個性化資訊娛樂推薦和數字語音輔助,車載連線功能會將請求傳送至雲端。人工智慧定製化的雲基礎設施將運用人工智慧演算法優化這些用例,通常由公共雲供應商、或由汽車製造商或服務提供商管理的資料中心掌管。
人工智慧解決方案堆疊
人工智慧解決方案堆疊
新型創新型人工智慧產品或服務將會改變已知世界。虛擬助理能發起擬人電話呼叫並在餐館訂座,人們已經對此醉心不已。但為了更好地理解人工智慧機遇能夠一展拳腳的領域,我們必須更深入地研究人工智慧技術堆疊的底層元件,即構建應用程式的腳手架。
在普華永道看來,人工智慧技術堆疊由五個元素或層組成:硬體、庫、框架和工具、平臺及應用與服務(見圖5)。由於對人工智慧的大部分注意力集中於人工智慧帶來的客戶體驗上,所以從應用程式和服務開始講起是合乎邏輯的。這是解決方案堆疊的最頂層。此處,最可感知的人工智慧功能,在應用級別集合在一起,例如亞馬遜的Alexa虛擬助理和蘋果的人臉識別。其中部分功能也作為服務提供,例如嵌入軟體的推薦引擎。
圖5 人工智慧技術堆疊的元素
堆疊元素 | 描述 |
應用和服務 | 利用人工智慧實現“智慧”的軟體應用,包括視覺處理、聊天機器人客服、智慧助手和演算法交易。 |
人工智慧平臺 | 現成的架構模組和服務,可提供機器學習、資料分析、NLP、代理、資料解決方案等可用於構建人工智慧應用的功能。 |
人工智慧框架、工具和介面 | 利用底層機器學習演算法為特定應用設計、構建和訓練深度學習模型的技術。許多是開源技術,並得到廣泛支援。 |
人工智慧庫 | 低階軟體功能,幫助優化人工智慧框架在特定目標硬體上的部署。 |
人工智慧硬體 | 處理器單元和半導體邏輯電路,其設計和優化旨在加速人工智慧工作負載和計算的執行。 |
但是,沒有深層可重用元件來提供核心功能的應用是什麼?這其實是平臺層的任務。已有若干公司正在生產人工智慧平臺,承諾無需處理複雜的演算法和深層動態神經網路(DNN)便能構建具備人工智慧功能的應用。
這些公司已經建立平臺,旨在提供“隨時能用”的構建模組和軟體服務,即基礎人工智慧功能,如NLP、代理和決策引擎,這有助於加快人工智慧應用程式和服務的開發。示例包括:
• 雨鳥技術(Rainbird Technologies)。雨鳥技術推出以軟體即服務為基礎的人工智慧平臺,旨在提高業務運營的智慧化。它提供一個以規則為基礎的自動化決策引擎,能夠支援執行復雜的任務(如作出預測、建議和業務決策)。它還捕捉平臺作出某些決策的依據,這對審計十分有價值,特別是在受監管的行業。
• 語義機器(Semantic Machines)。這家總部位於加州伯克利,最近被微軟收購的初創企業開發了一個基於機器學習的基礎技術平臺,使使用者能與資訊系統毫不費力地互動。此類稱為“對話式人工智慧”的方法有望對我們在電子商務網站上的交易方式、與社交媒體的互動方式,甚至日常使用生產力軟體和裝置的方式產生深遠的影響。
堆疊的中間部分(人工智慧框架、工具和介面)允許開發者設計、構建和部署實際的模型和演算法。獨立軟體供應商(ISV)正在為開發者提供人工智慧框架、工具和介面,以便使用深層人工智慧演算法為特定用例構建深度學習模型。其中一些框架也是開源的,有利於其得到廣泛採用,並得到人工智慧生態系統中大多數參與者的大力支援。
堆疊的底部兩層由硬體(處理器、邏輯電路和執行人工智慧軟體的其他元件)及人工智慧庫組成,這些基本屬於低階軟體功能,有助於優化底層矽晶片集的人工智慧模型和演算法。我們期待傳統半導體供應商(如英特爾、輝達、高通和賽靈思)提供用於加速此部分堆疊人工智慧用例的優化矽晶片。這些公司還可能提供需要的人工智慧庫,促進其專屬架構的開發和逐級採用,進而幫助在其矽產品上部署人工智慧框架。人工智慧庫示例包括:英特爾 DL SDK/Vision SDK、輝達cuDNN TensorRT和安謀(ARM)NN。
有一點正變得日益清晰:硬體層可以說是這種人工智慧解決方案堆疊中最有趣的部分。關鍵原因有兩個:首先,人們日益認識到人工智慧要求其深層硬體具備獨特的處理能力,這導致了選擇最佳處理架構的新一輪競賽——哪種架構將會勝出,是GPU、數字訊號處理器(DSP)、FPGA還是定製ASIC,仍有待觀察;其次,開發人工智慧硬體的參與者數量日益增加,超過了傳統晶片製造商以往的名單,這可能會威脅到老牌供應商,並顯著改變其市場地位。
圖6 對人工智慧機遇的高度期望反映在一系列產品中
人工智慧晶片的新興戰場
人們對人工智慧領域半導體市場機遇抱有很高期望的一個明確標誌是,每個主要供應商均在提供人工智慧矽。最常見的目標應用是ADAS、無人機、監測和計算機視覺。
這些應用架構在選擇上差異巨大,包括一般用途CPU、DSP、GPU、FPGA和定製的ASIC等(見圖6)。不出所料,大多數供應商對人工智慧矽架構的選擇與其核心能力或優勢領域密切相關。例如,賽靈思的Zynq MPSoC是其FPGA產品的可定製變體,輝達的大多數產品也均基於其核心GP-GPU架構。
另一方面,供應商(如恩智浦和意法半導體)大多提供人工智慧特定加速和擴充套件,以增強其現有產品組合而非人工智慧特定晶片的能力。
另一個差異是,IP許可供應商安謀和益華(Cadence)提供軟CPU和DSPIP核心,前提是未來人工智慧處理器將嵌入至ASIC中,而非由專門用於人工智慧工作負載的獨立執行晶片處理。軟CPU和DSP IP核心的模型使矽供應商獲得人工智慧軟核心的許可,得以開發針對其人工智慧應用的晶片。與此同時,財力雄厚的供應商(如英特爾)正在對各種不同的架構(CPU、FPGA和定製ASIC)進行廣泛投資,旨在滿足不同的處理需求。
我們觀察到的另一個區別是公司是否生產專門為培訓或推理系統設計的晶片。英特爾和輝達面向培訓或推理市場提供的晶片集最為多元。英特爾的Arria 10 FPGA和Myriad X ASIC專為推理工作負載而設計,而其Nervana NNP則最適用於培訓。同樣,輝達生產的Pascal和Volta晶片適用於培訓工作負載,Maxwell則用於推理。
兩家公司均製造晶片,英特爾的Loihi NMP和輝達的Tesla,都是為了在各自的應用中實現良好的運轉而設計的。我們認為並無哪種方法適用於所有情況;根據待分析的資料來源型別、資料重力考慮因素和實時處理需求,每個用例的最佳方案可能各有不同。
定製方案
在這一系列的創新中,一些公司可能會嘗試開發定製晶片來傳遞人工智慧“聖盃”,即效能卓越,功耗和成本低於第一代引入的任何標準架構。這場架構之戰可能會延續到可以預見的未來,我們認為現在宣佈贏家還為時過早。定製晶片的整體效能可能是最佳的,但如果只能處理非常有限的應用程式集和用例,則可能無法實現其經濟價值,因為由此導致的較低產量可能無法證明前期開發所付出的成本是必要的。
數家非傳統晶片製造商已加入這場“軍備競賽”,爭奪人工智慧半導體的優勢地位,併為其特定人工智慧需求而設計的定製晶片試水(見圖7)。我們在頂級公有云供應商(特別是亞馬遜、谷歌和微軟)中看到一種顯而易見的趨勢——所有這些供應商都在探索定製人工智慧晶片作為GPU和FPGA的替代產品,以便在雲端產品的效能和成本方面獲得競爭優勢。亞馬遜最近宣佈為其邊緣計算家用裝置Alexa開發人工智慧晶片;微軟正在為其全息透鏡智慧眼鏡開發人工智慧晶片;2017年,谷歌推出了用於神經網路的張量處理單元(TPU),聲稱在類似的工作負載下,TPU的效能比CPU/GPU晶片高15至30倍,效能功耗比高30至80倍。
包括蘋果、三星和特斯拉在內的幾家公司正在開發自己的人工智慧矽,並根據其產品要求量身定製。蘋果為iPhone XR和iPhone XS智慧手機引入A12仿生晶片。該產品包括用於面部識別和動畫表情符號應用程式的神經引擎,以及計算攝影和畫素處理功能的影像處理器。
鑑於公有云供應商和產品公司紛紛開發自己的定製矽,用於優化自身應用程式和用例,爭奪人工智慧優勢地位競賽中出現的重大轉變必然會威脅到傳統晶片製造商(如英特爾、輝達和賽靈思)的市場地位,並有可能顛覆其傳統商業模型。儘管 有定製活動,我們預期GPU和FPGA將繼續在雲端共存,以加速人工智慧工作負載。近期,鑑於開發新型矽設計需要大量投資和資源,且這種方式要實現盈利需要達到高銷量,大多數應用程式將通過商用矽產品提供服務。
人工智慧初創企業的前景
半導體制造商必須抗衡的另一個趨勢是龐大的初創企業隊伍,這些初創企業正在開發針對人工智慧優化的革命性新型晶片架構並將其商業化。關鍵問題是,這些年輕的公司是否會對現有企業構成威脅,抑或甚至能夠把握機遇超越其他競爭對手並在人工智慧領域勝出?
利用人工智慧前景的熱潮正在引發解決方案堆疊領域的大量創新。近年來,對人工智慧初創企業的風投基金大幅增加,2017年對人工智慧和機器學習公司的投資達到創紀錄的110億美元。不出所料,這種行動有很大一部分發生在堆疊上層的軟體和演算法領域。初創企業在該領域構建專注於特定人工智慧用例的可擴充套件平臺,並尋求開發能夠整合到現有應用程式中的人工智慧軟體,以使其更智慧化。
堆疊底層同樣能引起人們巨大的興趣和興奮之情,越來越多的初創企業在瞄準新型矽架構,將其優化來滿足人工智慧工作負載帶來的獨特處理需求。我們對風投基金的分析顯示,人們對半導體初創企業的興趣有所回升,2017年,半導體初創企業吸引了近7.5億美元的風投資金,是前兩年所獲資金總和的三倍多,也是2015年前所有投入人工智慧晶片初創企業的資金的12倍。
如圖8所示,前19家人工智慧半導體初創企業中有11家位於美國,且大多數均在探索針對各種人工智慧和深度學習工作負載專門定製的處理器架構。其中9家正在構建深度學習處理器,三家正在開發所謂的神經形態處理器,該處理器基於超前的全新架構,試圖模仿人腦的執行方式。
圖7 加入人工智慧競賽的其他參與者
值得注意的是,其中只有少數公司擁有戰略投資者,最活躍的戰略投資者為英特爾和三星。事實上,英特爾已收購Movidius和Nervana,並已開始將這兩家公司的產品整合到自己的人工智慧佈局圖中。值得注意的是,輝達缺席戰略投資者名單,該公司反而在堆疊上層利用風險部門向正在構建平臺和應用程式的公司進行進一步投資。
迄今為止,人工智慧初創企業獲得的風投總額在早期階段的A輪和B輪投資以及後期階段的C輪和D輪交易平均分佈。儘管大多數後期階段的初創企業均位於美國和歐洲,但大部分早期階段的企業位於亞太地區。
中國最大的初創企業包括寒武紀科技公司、地平線機器人公司、熠知電子和深鑑科技公司(DeePhi Technologies),迄今為止它們共籌集3億美元的風險投資,前兩家公司約佔投資總額的三分之二。
據迄今為止的分析,我們相信製造最好的人工智慧矽材料的競賽才剛剛開始,競爭將十分激烈,難以預料未來會對現有企業造成什麼樣的影響。每一家希望在這一競爭激烈的領域大展身手的半導體公司都必須從現在開始著手準備,然而只有時間才能告訴我們誰是最後的贏家。
抓住人工智慧機遇
歷史表明,儘管半導體公司從顛覆性增長週期中獲利頗豐,但無論是將超出晶片本身的新技術貨幣化,還是對這些技術支援的新商業模式進行擴張,它們仍有很多次未能獲得每個週期全部價值的應得份額。
幾乎可以確定的是,人工智慧的崛起會成為未來十年半導體行業最強大的驅動力。正如我們的分析顯示,現有企業和初創企業都在努力開發驅動人工智慧的硬體。但是它們能否充分把握住這個機遇?它們能否跳出從開發和銷售人工智慧晶片中獲得利潤的模式,轉而全身心參與到人工智慧革命中?
我們相信他們可以,但若要做到這一點,他們必須深思熟慮以重新評估其人工智慧戰略和商業模式,精心設計其技術和產品戰略,並深入瞭解如何在整個人工智慧生態系統中發揮其作用。以下是公司在準備應對人工智慧帶來的變化並充分利用這一機遇時需要考慮的若干關鍵因素和建議。
戰略和商業模式。制定公司的人工智慧願景,然後利用這一願景更好地理解需要關注的核心領域,至少在競賽的早期階段應當如此。這主要包括探索新的方法將公司資產和專業領域貨幣化。能否利用資料?能否提供相關服務?該方法還將告訴我們如何更好地發展當前的投資組合,使其變得與人工智慧更相關、更適用,同時與總體戰略保持緊密一致。以下是公司可以選擇聚焦的三個領域:
• 增長細分市場:在利用公司現有市場並提供巨大增長潛力的細分市場中,識別並瞄準新型人工智慧用例,例如ADAS和物聯網。
• 矽之外的貨幣化:探索人工智慧特定智慧財產權許可機遇或提供可貨幣化的人工智慧相關服務的機遇,包括託管人工智慧服務化和匿名人工智慧用例資料,用於改進培訓系統和演算法。
• 產品組合:仔細評估在何處下大賭注來構建新型人工智慧功能,而非進行增量投資來增強當前投資組合中人工智慧的適用性。
技術和產品供應。鑑於晶片的具體用例,為晶片選擇正確的技術和架構至關重要,但公司也必須確保所選擇的技術路徑在人工智慧堆疊的其他地方能夠得到支援。一種行之有效的方法是,定義產品供應,以廣泛地包含人工智慧庫、工具包和堆疊中的其他軟體元素,但是公司必須確定究竟是自己構建所有元素,還是將產品與技術合作夥伴的元素整合。公司可以通過以下幾種方式側重於產品:
• 不斷進化的硬體架構:探索具有定製架構的設計,例如神經形態處理和子系統設計,這些都是為了通過獨特的自學功能來加速深度學習演算法而定製的,例如通過整合邏輯和記憶體功能。
• 人工智慧庫和工具包:儘可能為產品組合中的現有產品開發軟體開發工具包(SDK)和編譯器,以優化和加速人工智慧演算法。
• 全棧產品:與合作伙伴合作,在矽、平臺、工具和人工智慧庫方面提供全棧解決方案,使應用程式的開發和差異化輕鬆易行。
合作伙伴關係和人工智慧生態系統。對上述人工智慧解決方案堆疊的深入研究清晰地表明,人工智慧的成功在很大程度上取決於建立一個完整的合作生態系統,無論是通過技術聯盟,還是作為企業將產品推向市場。為推動長期增長,聰明的參與者應識別並有效利用生態系統來縮短上市時間,制定高效的銷售策略以進軍特定的垂直行業或應用,並評估戰略合作伙伴關係和投資,如合資還是收購。以下是一些可供公司探索的選項:
• 許可:通過授予來自第三方供應商,如安謀、思華(CEVA)和鏗騰(Cadence)的智慧財產權核心的許可,探索既可降低風險又能加快人工智慧專用產品開發的選項。
• 合作伙伴:與整個堆疊中的競賽者建立新的戰略伙伴關係,推動自身人工智慧晶片和解決方案的採用。
• 戰略投資:考慮投資於人工智慧初創企業,增強與核心業務相一致的用例功能。
行業數字化
半導體行業自問世以來一直是數字化的先驅,提供數字化服務並追求新的數字商業模式。例如,在上世紀70年代,英特爾出售晶片測試裝置的收入即超過其出售晶片本身的收入。上世紀80年代,隨著數字設計和模擬工具以及通訊技術的普及,無晶圓廠和鑄造模型湧現出來並顛覆了當時盛行的整合元件製造商(IDM)模式。後來出現了純粹的智慧財產權競爭,高通、安謀等公司紛紛效仿,進一步侵蝕了半導體價值鏈。
如今,其他行業,尤其是汽車行業在數字化方面明顯超過了半導體行業。這不免令人啼笑皆非,因為汽車製造商自身在數字化方面的成功很大程度上來自於半導體行業產品的支援。對半導體公司而言,現在比以往任何時候都更需要考慮如何最好地利用數字化,以及找到最有利於其組織發展的機遇。
在考慮數字化的最佳推進方式時,晶片製造商可以衡量三大戰略(數字化產品和服務、數字商業模式和數字半導體價值鏈)。請注意,所有這些策略都必須得到可靠資料和分析技術的支援。
數字化產品和服務。我們看到半導體公司在實現產品和服務數字化時有三個選擇:資料貨幣化、增強和定製(見圖9)。資料貨幣化允許半導體公司利用自己或他人裝置產生的大量資料;增強後產品和服務通過人工智慧或整合其他產品或服務,來豐富公司的現有技術;定製化通過更高的精度和效率為客戶帶來額外的價值。
圖9 半導體公司的數字戰略
數字商業模式。我們看到半導體公司可以選擇五種創新的數字商業模式(見圖10):
1.剃刀與刀片:企業可以利用該模式,以較低的利潤率提供核心產品(如計算架構),然後開發一種附加產品(如雲平臺服務)。此類產品依賴於該架構,但利潤更高。未來,半導體供應商可以向雲端服務供應商出租裝置,從而實現硬體利用的貨幣化。
2.平臺:公司可以通過促進晶片製造商和客戶之間基於資料或硬體的交換創造價值。這有利於平臺參與者,並允許創辦人影響標準,增加競爭對手的轉換成本。
3.開源:利用這一機遇,半導體公司可以建立一個平臺,允許客戶構建定製化的開源晶片。這有助於與第三方共享軟體原始碼和積體電路設計,從而分攤研發成本並縮短上市時間。
4.XaaS(一切即服務):半導體制造商可以使用該方法,圍繞基礎設施、硬體和軟體開發來創新服務,例如提供計算即服務等。由此,硬體和功能更新可以作為服務計費。
5.市場:發展雙邊市場,使用人數的增多可以產生積極的網路效應,從而增加價值。市場可以包括基於雲的演算法即服務,例如共享人工智慧培訓資料等。客戶可以通過通用介面訪問演算法,開發者則可以上傳新的演算法和模型來豐富市場。
圖10 半導體公司的創新商業模式
數字半導體價值鏈。半導體企業可以通過對端到端的縱向和橫向價值鏈進行數字化來獲得巨大利潤,不僅可以利用新的人工智慧驅動的能力,還可以充分利用它們提供的其他數字機會。圖11顯示公司應該考慮採取的若干措施。
總而言之,半導體公司應考慮通過所有三種數字戰略所能獲得的各種機會(見圖12)。
運營。除了可以用來提高收入的各種數字戰略外,晶片運營商還可以考慮通過應用人工智慧和機器學習改善運營來提高收益的機會。選項包括:
• 中央控制塔:可以讓公司始終實時詳細瞭解所有供應鏈環節和運營(包括供應商和客戶的運營)。公司可以設計用於虛擬控制室操作的儀表板,併為關鍵利益相關者提供視覺化。
• 生態系統感知:使用人工智慧從供應商和客戶生態系統收集資料和見解,識別最相關的訊號,從而指明下一步的機會,併為採取的應對措施提供建議。
• 人工智慧輔助的長期/短期需求預測:收集來自生態系統的需求訊號,如大型企業採取的行動、來自供應鏈的訊號和相關新聞等,並分析其對改善實時生產組合和供應排程的影響。
• 人工智慧輔助的設計和除錯:使用機器學習系統為積體電路設計解決方案提供建議,識別潛在的錯誤設計元素,並實施更高效的產品設計分支。
• 製造工藝優化:將工廠控制中心設在遠端設施或辦公空間旁邊,以提高學習和響應能力,從而通過分析生產裝置的感測器日誌和相關事件來提高裝置效率。此外,還可以使用計算機視覺工具來發現故障群。人工智慧也可以支援釋放在前端和後端的晶圓批次。
半導體公司如果希望受益於進一步的數字化和人工智慧發展機遇,就應通過以下經過深思熟慮的步驟有系統地前進:第一步,探索和學習。公司必須選擇合適的機會,通過試點專案進一步理解和開發新的用例和產品。第二步,建立能力。公司應識別現有和所需要的能力,然後建立缺失的能力。隨後需設計並推出數字轉型計劃,以實現新的能力。第三步,擴大規模,進一步發現數字機會和相關用例。這之後,公司必須確定將這些機會融入到新數字組織的路線圖。企業也必須利用新的功能集和組織來確保新產品開發和引進的順利實施。
圖11 價值鏈中的各種機會
產品和服務的數字化
資料貨幣化——人工智慧輔助的積體電路設計服務
產品定製——按需晶片
資料貨幣化——處理服務
增強型產品——人工智慧輔助的積體電路整合服務
增強型產品——物聯網平臺整合
增強型產品——裝置執行
未來道路
顯然,未來幾年甚至幾十年,半導體公司獲利概率仍然較高。在截止到2022年的預測期內,我們預計在全球所有市場中,半導體市場將持續快速增長,達到5,750億美元。
到2022年,七類元件中的記憶體晶片將繼續佔據最大的市場份額,大部分增長由雲端計算和智慧手機等終端裝置的虛擬現實所推動。
此外,全球經濟的樂觀前景表明,到2022年,以汽車和資料處理市場為主導的應用市場或將繼續增長。帶動這些細分市場的將是人工智慧相關晶片的需求。
能夠最大限度利用這一增長並充分實現其市場潛力的半導體公司很可能會是那些能夠把握人工智慧機遇的公司。隨著新興初創公司和科技界其他領域參與者加入競爭,爭奪市場的競爭只會日益激烈。除了提供晶片之外,半導體公司還必須找到合適的方法,實現新技術的貨幣化以超越實際晶片本身,或者擴充由這些技術支援的新商業模式。採取此類行動的公司將會繁榮發展,反之則會被更敏捷的競爭對手超越。