要點

普及的AI應用案例在AI處理器的推動下持續蓬勃發展。

得益於AI處理器的不斷髮展，AI應用案例已經普及，並將繼續蓬勃發展。以下是前幾大關鍵應用案例：

• 智慧手機：帶有AI處理功能的智慧手機佔據一大部分的AI應用市場。照片品質、人臉或語音識別以及自然語言處理是典型的AI應用案例。

• 資料中心和網路：在雲端計算超大規模資料中心和資料中心伺服器中，AI技術對於資料處理（例如訊號或模式識別）和訓練等任務至關重要，用於自動化、網路安全、運營最佳化等應用案例。

• 個人電腦和平板電腦：人機介面和媒體內容的建立與使用（例如音訊、影片或影像的噪聲去除）是該領域常見的AI應用案例。例如，視訊會議中的背景效果、影像和音訊噪聲抑制。

• 車用：先進駕駛輔助系統（ADAS）和汽車安全透過AI的支援，改變了汽車電子設計。另外車內體驗 (或稱之為智慧駕駛艙)，AI提供了更好的人機介面和資訊娛樂體驗。

• 智慧音響、智慧家居和可穿戴裝置：消費者在日常生活中對數字語音助理和自動化的依賴不斷增長。家庭醫療也在增長。自然語言處理和感測能力都需要AI。

• 工業和物聯網：在雲和邊緣計算以及AI的推動下，不同垂直行業正在進行數字化轉型。一個典型的應用案例是擁有機器視覺功能的監控系統，透過在邊緣安裝混合攝像頭進行人工智慧推論（用於判斷購買行為），並將資料傳送回雲端進行進一步的AI訓練。

 

不同的AI處理器解決方案為各種應用賦能人工智慧

在涉及演演算法、模型、工作負載和成本等多個方面的人工智慧和機器學習場景中，並不存在一種適用於所有情境都通用的AI處理器解決方案。例如，帶有AI加速器的低功耗SoCs將在智慧手機中表現得更為理想，而通用GPU則更適合於高效能運算伺服器。越來越多的雲服務提供商正在開發自己的AI ASICs，以滿足其需求。市場應預期未來是以異質運算解決方案和高度最佳化的AI協同處理器為主要方案。

傳統的高效能MPU、GPU或FPGA正走向不斷演變的異質運算架構。隨著技術的進步，處理器可能會經歷架構變更，或與不同型別的核心和加速器組合在一起，使得將其與原始命名或分類對齊變得更加困難。另外MCU在聯網世界中的嵌入式應用和邊緣裝置中，逐漸發展內建AI加速器。MCU的每秒操作效能有限，但可最佳化至高效率、低功耗和低成本。

AI處理器的競爭格局

在AI處理器的競爭格局中，2021年以智慧手機為主的SoC廠商在市場中佔據較高份額。這是因為AI引擎在智慧手機應用處理器（APs）中被廣泛採用，以在激烈的競爭中實現產品差異化。


針對AI和5G需求進一步最佳化的網路基礎設施的先進處理器

AI 和5G服務不斷髮展，網路的複雜性和規模因此而增加。為了確保網路的可靠性、安全性和效能，專門最佳化的網路基礎設施處理器和協同處理器至關重要。例如，邏輯應用處理器（Logic APs）和現場可程式設計閘陣列（FPGAs）等協同處理器通常用於加速處理和解除安裝主機CPU的任務。

2021年，網路基礎設施處理器的收入達到145億美元，同比增長6%。邏輯應用處理器（Logic APs）的年同比增長近8%，主要是由於交換機埠速度升級的強大需求。

在這個市場中，邏輯應用處理器（Logic APs）、微處理器（MPUs）和現場可程式設計閘陣列（FPGAs）佔據了98%的份額，其中2021年邏輯應用處理器（Logic APs）佔55%，微處理器（MPUs）佔31%，現場可程式設計閘陣列（FPGAs）佔11%。從長遠來看，預計2021年至2026年間，微處理器（MPUs）和邏輯應用處理器（Logic APs）的收入複合年增長率（CAGR）分別為5%和6%；此成長動能來自於不斷升級的頻寬容量標準。相反的，由於主要用於產品試用和定製化，現場可程式設計閘陣列（FPGAs）的預期增長率將保持穩定。

機器學習/深度學習應用特定的應用專用積體電路（ASICs）仍處於早期階段，然而網路裝置原始裝置製造商(OEM)對採用機器學習/深度學習應用特定的應用專用積體電路（ASICs）以提高網路功能表現出越來越大的興趣。雖然一些特定的網路裝置仍在使用顯示卡（GPUs），但Omdia預計顯示卡（GPUs）不會在網路裝置中被廣泛採用。專門為網路功能最佳化的邏輯應用處理器（APs）、現場可程式設計閘陣列（FPGAs）或其他處理器可能會取而代之。此外，能耗問題是一個關鍵問題。

網路基礎架構處理器的競爭格局

我們近期釋出了關於網路基礎架構處理器供應商的競爭格局研究報告。在2022年，Broadcom和Intel的市場份額均為27.5%，意味著它們並列第一。Broadcom的份額因有線網路基礎架構的積極增長而增加。AMD由於收購了Xilinx，而8%的市場份額的增長，這將有助於AMD在無線網路基礎架構領域擴充套件。

來自： Omdia