免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

AI芯片市場空間巨大，未必能容納得下大量玩家

根據Gartner的預測數據，全球人工智能芯片市場規模將在未來五年內呈現飆升， 從2018年的42．7億美元成長至343億美元，增長超過7倍，可以說，未來AI芯片市場將有一個很大的增長空間。

不過，對于很多初創企業而言，研發芯片將要面臨時間和資金上的巨大挑戰。在時間上，芯片研發從立項到上市通常需要兩年左右的時間。相較之下，更重要的一點是芯片成本很高。

在人工智能應用領域，依據芯片的部署位置和任務需求，會采用不同的制程。在一般情況下，終端設備的芯片經常會采用65nm和28nm制程；邊緣端和部分移動端設備的芯片，制程基本為16nm或10nm；而云端芯片通常是7nm。

芯片制程決定開發成本。根據IBS的估算數據，按照不同制程，65nm芯片開發費用為2850萬美元，5nm芯片開發費用則達到了54220萬美元。因此，在芯片的研發上，對錯誤的容忍度幾乎是零。目前，較為成熟的是40nm和55nm工藝，而對于當下先進的7nm工藝，很多企業的技術還不夠成熟。

高昂的開發費用，加上以年計算的開發周期，AI芯片企業在融資的早期階段就需要大量資金浥注，這樣才能撐過沒有產品銷售的階段。而政府的補助和投資者的資金，往往會傾向于那些銷售業績好的公司。且資本市場希望能有一個較短的投資周期。因此，融資也成為一道門檻。

此外，由于芯片開發周期通常需要1－3年的時間，在正常的時間里軟件會有一個非常快速的發展，但算法在這個期間內也將會快速更新，芯片如何支持這些更新也是難點。

而從長遠來看，AI芯片本身的技術發展還要面臨如下的困境。

目前主流的AI芯片采用的是馮諾依曼架構。在馮·諾伊曼體系結構中，芯片在計算上是采取1進1出的方式，數據從處理單元外的存儲器提取，處理完之后再寫回存儲器，如此依序讀取完成任務。由于運算部件和存儲部件存在速度差異，當運算能力達到一定程度，訪問存儲器的速度無法跟上運算部件消耗數據的速度，再增加運算部件也無法得到充分利用，這不僅是AI芯片在實現中的瓶頸，也是長期困擾計算機體系結構的難題。

另外，要滿足人工智能發展所需的運算能力，就需要在CMOS工藝上縮小集成尺寸，不斷提高芯片的系統性能。如今，7nm已經開始量產，5 nm節點的技術定義已經完成。但由此也產生了CMOS 工藝和器件方面的瓶頸。首先，由于納米級晶體管所消耗的能量非常高，這使得芯片密集封裝的實現難度很大。其次，一個幾納米的CMOS器件，其層厚度只有幾個原子層，這樣的厚度極易導致電流泄漏，而工藝尺寸縮小所帶來的效果也會因此受到影響。

盡管AI芯片市場的增長空間很大，但未必能夠容得下足夠多的企業。行業本身的特性以及當下AI所處的發展階段，都決定了AI芯片企業會有一個相對較長的挫折期，而在此過程中，被資本炒出的泡沫也會隨之壓縮。