據TrendForce表示，在全球數字化、智能化的浪潮下，物聯網設備不斷擴增，例如工業機器人、AGV/AMR、智能型手機、智能音箱、智能攝影機等，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芯片與技術市場迅速成長，預期2022年全球AI芯片市場規模將達到390億美元，成長率18.2％。

　　由于目前AI芯片的應用以云端運算、安防、機器人與車用居多，2023年將進入高成長期，特別是由云端運算、車用兩大領域引領市場快速成長，到2025年全球AI芯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，基于全球各種消費性電子產品和數字技術的日益普及，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芯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芯片在進行推理任務時，主要透過終端設備的傳感器、麥克風陣列或鏡頭進行數據采集，并將收集的數據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芯片正迅速擴大市場份額，呈穩健成長趨勢

　　2020～2021年新冠疫情帶動數字化浪潮，加上美國、中國與歐盟各國相繼出臺「數智能化發展策略」，催化國家暨產業數字轉型，例如美國大力推進「美國制造」與「數字經濟」進程，前者主要側重半導體產業，鎖定IC設計、生產制程與核心設備；后者主要專注在數字美元，現正處于驗證系統開發與法案擬定階段。歐盟則是「歐洲數字羅盤（Europe's Digital Compass）」計劃，其圍繞人才培育、確保安全與永續、企業數字轉型、公共服務數字化四大類，其中企業數字轉型為重中之重，且期望至2030年有75％廠商能廣泛使用云端運算、大數據與AI，至少90％以上中小企業應達到基本的數字密集程度。

　　各國政策驅使產業加快數字化步伐，也牽動數據中心成長，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芯片需求高漲，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％。

　　目前用于深度學習（Deep Learning，DL）最廣泛的芯片，當屬擅長并行運算的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，同時專注于高效能運算的芯片研發與相關生產計劃。其中，部分廠商竭力尋求基于FPGA（現場可程序化邏輯匣陣列）架構的半客制化芯片，例如Google研發的張量運算處理器TPU、寒武紀研發的神經網絡運算處理器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、不同種類硬件的XPU Programming，并以SYCL作為統一的程序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芯片大致可分為CPU、GPU、FPGA與ASIC（客制化芯片）；其中，GPU是由大量運算單元組成的大規模并行運算架構，專為同時處理多重任務而設計，多應用于工作站、個人計算機、游戲設備、智能型手機等設備，處理圖形、圖像相關運算工作；再者，該芯片采用統一渲染架構，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復程序設計，解決可程序化元件電路數不足問題，且運行效率高于GPU、CPU，功耗也相對較低，但當處理的任務重復性不強、邏輯較為復雜時，該芯片效率就會低于使用馮紐曼架構的處理器。

　　ASIC是一種根據特定算法、架構的客制化芯片，其客制化程度比GPU、FPGA更高、專用性較強，故運算水平一般高于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，需重新設計客制，不過隨著數據量不斷增加和芯片技術的極限到來，對算力的訴求越難以被滿足。

　　尤其是部分特定領域的數據量日益龐大，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間數據傳輸問題，改善并加速網絡數據傳輸運算速度。目前廣泛用在大型數據中心，因大型數據中心的流量處理需占據整體運算近30％，加上數據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松耦合問題。

　　因此隨著物聯網設備不斷擴增，例如工業機器人、AGV/AMR、智能型手機、智能音箱、智能攝影機等，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芯片與技術市場迅速成長。

　　以2022年整體市場來看，在智能汽車、機器人與數據中心三大領域對AI芯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，智能汽車方面，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芯片解決復雜的運算條件、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，因該芯片具有低功耗、高性能、可重配置能力與自我調整特征，并能將機器人作業系統（Robot Operating System，ROS）整合到FPGA平臺，進而讓機器人內部軟硬件可有效交互，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。有鑒于此，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，這勢必牽引制造、封測與設備，以及材料與軟件的全鏈同步升級。

　　綜上所述，智能汽車、機器人和物聯網技術，與其構建的智能交通、智能工廠和智能城市等新藍海，對AI芯片市場需求與發展可期，同時也帶動數據中心進一步成長，其在訓練、創建新運算模型與維持中心服務器營運、電力控管皆使用到大量AI芯片，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。百度自研二代崑侖芯片以增強量子運算效能，且于2022年8月推出超導量子計算機，以及全平臺量子軟硬件整合解決方案，可透過PC端、手機端、云端接入各種量子芯片。

　　在多方需求高漲下，AI芯片勢必迅速成長，預期2026年AI芯片市場規模有望達到930億美元，其中CPU與GPU仍占據AI芯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、服務或系統的創新周期。

　　TrendForce研究顯示，CPU、GPU與ASIC芯片在2026年AI市場規模的比重將達33％、34％、26％，其中以ASIC芯片市場成長最快，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、云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。

　更多信息可以來這里獲取==>>電子技術應用-AET<<