今年2月，中国人工智能半导体制造商Horizon Robotics从SK China、SK Hynix和大型汽车集团获得了6亿美元的B轮融资，成为该领域首家估值达到30亿美元的公司。该公司首席执行官、百度深度学习学院前院长余凯表示，Horizon的下一个目标是成为智能驾驶和AIoT等领域的“边缘计算英特尔”。
市场情报公司Tractica预测，到2025年，全球深度学习芯片组市场将从2017年的16亿美元飙升至663亿美元。尽管中国许多初创企业专注于人工智能应用，但Horizon Robotics是少数几家致力于硬件基础设施建设的企业之一，而中国目前在硬件基础设施建设方面仍存在不足。
大多数中国半导体初创企业目前都处于净亏损状态，分析师预计未来两年这种情况可能会持续下去。此外，美国还对近12项人工智能和机器学习技术实施了出口管制。然而，在多项政府政策的推动下，中国半导体企业正在迎头赶上，它们在研发方面投入了大量精力和大规模资金。
中国芯片公司主要面向两个应用领域:安全和智能手机。到2020年，中国将拥有超过6亿个安全摄像头。从2018年到2022年，中国安全领域的复合年增长率预计为22.6%，广泛应用于公共安全、城市交通、生态建筑和工业园区。
芯片是视频监控中最昂贵的组件。一个典型的设备需要四种类型的芯片:两种SoC加速器，一种用于深度学习的芯片，一种ISP芯片。目前大部分的AI芯片解决方案都使用GPU，但是Cambricon和DeePhi将提供更多的FPGA或ASIC解决方案，而华为海思已经成为专业SoC领域的巨头。
另一个值得关注的市场是智能手机，人工智能是这个市场新的流行词。例如，华为Mate 10和Glory V10都搭载了华为尖端的神经处理单元(NPU)麒麟970。不管是不是营销噱头，自2017年以来，中国智能手机应用领域的人工智能集成已经显著增加。人脸识别、美图摄像头、VR应用和语音助手等已经成了智能手机的常见功能。Strategy Analytics预计，到2023年，90%的智能手机将配备人工智能助手。
深度学习需要大量的计算资源，而GPU在图像和视频处理方面仍然处于劣势。目前最兼容的深度学习训练芯片是英伟达和AMD生产的GPU。然而，这种芯片非常昂贵而且耗电量巨大。所以下一个最佳选择是FPGA(现场可编程门阵列)，它通常用于深度学习推理，由Xinlinx、Lattice和Intel Altera等公司生产。这些自适应的、半定制的芯片具有较低的耗电量和延迟，但浮点数速度不够快，可能存在复杂的布线问题。
另外一个选择是ASIC(特定于应用程序的集成电路)，这是完全可定制的，但其前期研发也相对昂贵。目前谷歌TPU、华为海思和亚马逊的ASIC等多家科技公司正在研发。与此同时，与商用GPU或FPGA相比，为TensorFlow供电的谷歌第三代TPU在耗费同等电量的情况下能够执行更高级的ML指令。
除了云计算和数据中心环境之外，预计边缘计算市场将占据总市场机会的四分之三以上。中国初创企业缺乏大型半导体公司在CPU、GPU和FPGA设计方面的经验，因此ASIC被视为一个赶超的机会。目前该领域的中国公司有:
北京比特大陆科技有限公司（Bitmain）(B轮+ 4.4亿美元，2018-08)
寒武纪（Cambricon）(B轮+几数亿元，2018 – 06)
地平线机器人（Horizon Robotics）(B轮+6亿美元，2019-02)
深圳市耐能人工智能有限公司（Kneron）(A轮+ 1800万美元，2018-05)
肇观电子（NextVPU）(A轮+2882万美元，2018-10)
苏州乐志软件科技有限公司（Easytech）(A轮+未披露，2019-03)
深鉴科技（DeePhi Tech）(被Xinlinx收购，2018)
华为海思(成立于1991年)
百度
阿里巴巴
海康威视（Hikvision）
随着人工智能的应用迅速扩展到汽车、手机、无人机和机器人领域，中国最近在上海证券交易所(SSE)成立了一个科技创新委员会(STIB)，类似于美国纳斯达克(Nasdaq)。正如上海证券交易所在其官方网站上所解释的那样，“设立科技创新委员会并试点注册制度是资本市场的一项关键改革举措。随着市场开放，为将要出现的大型芯片公司做好准备，满怀希望的中国企业需要在发展自身优势、展示盈利能力的同时，抵御外国竞争。
原文链接：https://syncedreview.com/2019/04/20/a-look-at-chinas-growing-semiconductor-industry/
