产业洞察｜全球人工智能产业链基础层

人工智能产业链基础层包括AI芯片、智能传感器、信息通信网络、等环节。其中，AI芯片是人工智能算力的基石，智能传感器是万物互联的基础，信息通信网络是人工智能体系运行的经脉，而则是获取AI能力的途径它们共同构成了人工智能发展的基础设施。

AI芯片

虽然人工智能的发展离不开芯片，但目前尚没有严格、公认的人工智能芯片（AI芯片）定义。一般而言，面向人工智能应用的芯片都可以称为AI芯片。而且，由于深度学习已经成为当前人工智能的主流算法，AI芯片通常也多指用于深度学习领域的芯片。，AI芯片大致可以分为云训练芯片、云推断芯片、边缘推断芯片三类，如图2-1所示。

图2-1 AI芯片应用场景与厂商

1、云训练芯片

在深度学习的云训练环节，GPU是绝对的中流砥柱。

目前，全球GPU市场呈现英伟达一家独大的局面，其2019年毛利率达到了惊人的61.2%。尽管AMD推出了RadeonInstinct MI系列GPU产品、英特尔也正在加紧研发独立通用GPU产品，但都无法挑战英伟达在GPU市场中的优势地位。

面对英伟达GPU独占云训练芯片市场的局面，众多企业另辟蹊径推出了ASIC（专用集成电路）产品。例如，谷歌于2017年5月发布的TPU 2.0，能高效支持云训练环节和云推断环节的加速。但谷歌并不会单独出售TPU芯片，而是应用在自家的TensorFlo Cloud中为开发者提供服务。英特尔通过收购Nervana和Habana两家公司，推出了Nervana NNP-T和Habana Gaudi芯片，未来将主推Habana产品。华为的腾Max、百度的昆仑810-300、初创公司Cerepas Systems开发的Cerepas Wafer Scale Engine（Cerepas WSE）等产品，也都是云训练芯片的代表。

作为人工智能生态最为关键的一环，云训练环节的竞争核心已经不是单纯的芯片本身，而是其背后的整个生态圈。未来，谁能提供足够友好、易用的工具环境让开发者迅速获取深度学习加速算力，从而降低开发成本和周期，谁就能在该领域取得优势。，这个领域是巨头玩家的战场，普通初创企业很难在这个领域有所作为。

2、云推断芯片

在深度学习的云推断环节，FPGA、ASIC、GPU等芯片解决方案风起云涌。

由于训练出来的模型往往非常复杂，其海量推断仍是计算密集型和存储密集型的，这使其难以被部署到资源有限的边缘设备（如智能手机）上。此时云推断在人工智能应用部署架构上变得非常必要。但在云推断环节，GPU不再是最优的选择，取而代之的，是目前3A（亚马逊AWS、微软Azure、阿里云）纷纷探索的云服务器+FPGA芯片模式，以及各种ASIC解决方案。

科技巨头布局的FPGA解决方案，主要是因为FPGA非常适合部署于提供虚拟化服务的平台之中。FPGA的灵活性可赋予云服务商根据市场需求调整FPGA加速服务供给的能力，以确保对数据中心的巨大投资不会因为市场风向变化而陷入风险之中。，FPGA架构非常适合用于低时延的计算密集型任务处理，即可满足海量用户并发的云推断需求，相比GPU能提供更佳的消费者体验。目前全球的FPGA厂商主要有赛思灵、英特尔、安森美半导体、LATTICE、Achronix等。

ASCI产品解决方案也是近年来云推断环节的热门。谷歌的TPU 2.0、英特尔的Nervana NNP-I和Habana Goya、亚马逊Inferentia、华为腾Max、百度昆仑810-100、阿里巴巴含光900等都是其中的典型代表。，Graphcore、Cerepas、WaveComputing、寒武纪、比特大陆等企业也加入了该领域的竞争行列。

3、边缘推断芯片

在深度学习的边缘推断环节，ASIC产品是目前的主流。

边缘推断芯片的主要应用场景包括智能手机、高级辅助驾驶系统（ADAS）、计算机视觉设备、语音交互设备、虚拟/增强现实设备以及机器人等。

在智能手机领域，将深度加速芯片嵌入手机已经成为业界的新趋势。苹果、高通、华为等厂商均推出了搭载深度引擎的处理器，ARM也推出了针对深度学习优化的DynamIQ技术。

在ADAS领域，ADAS芯片需要处理由激光雷达、毫米波雷达、摄像头等传感器采集的实时海量数据，其主要厂商主要包括2017年被英特尔收购的Mobileye、2016年被高通收购的NXP，以及汽车电子领军企业英飞凌。

在计算视觉设备领域，主要芯片厂商为Movidius（被英特尔收购）、商汤科技、旷视科技、云从科技、依图科技、耐能科技、中星微电子等公司。

在语音交互设备领域，主要芯片厂商为紫光展锐、启英泰伦、云知声、国芯科技、西井科技等公司。

在虚拟/增强现实设备领域，微软为自家Hololens研发了HPU芯片，具备计算机视觉的矩阵运算和CNN运算的加速功能。

在机器人领域，主要芯片企业有地平线机器人等。

值得关注的是，在边缘推断环节，各人工智能技术服务商在深耕各自领域的，正逐渐由人工智能软件提供商演进到“软件+芯片解决方案”提供商，形成了丰富的芯片产品方案。，微软、阿里巴巴等巨头也逐渐将触手延伸到了该领域，试图形成从云到边缘的人工智能全栈解决方案。

除上面所介绍的各类AI芯片外，有些科技巨头已经开始研发诸如神经形态芯片等新型AI芯片，如英特尔研发的Loihi神经拟态芯片和Pohoiki Beach神经拟态系统。但，目前AI芯片还处在“婴儿期”，即各环节、各领域的AI芯片解决方案还处于不断探索和应用的过程中，未来充满了不确定性。

智能传感器

智能传感器是具有信息处理功能的传感器，主要由传感器、微处理器及相关电路组成，其最大的价值就是将传感器的信号检测功能与微处理器的信号处理功能有机地融合在一起，如图2-2所示。

图2-2 智能传感器与传统传感器的架构差异

与普通传感器相比，智能传感器通常具有高精度、高稳定性、高信噪比、强自适应性、高性价比等特点，已广泛应用于、智能制造、智能安防、、智能医疗等领域。例如，在领域，视觉传感器、超声波传感器、触觉传感器等智能传感器使机器人具有了视觉、听觉和触觉，可感知周边环境，完成各种动作，并与人亲密互动。在智能制造领域，智能传感器可利用深度学习模型分析与产品质量有关的各项数据指标，推断出产品的质量。在安防、家居、医疗等与人类生活密切相关的领域，光线传感器、距离传感器、重力传感器、陀螺仪、心律传感器等智能传感器也广泛搭载于各类智能终端中。常见的智能传感器及厂商情况可参见图2-3。

图2-3 常见的智能传感器及厂商

目前，全球智能传感器的主要供货商基本为美、日、欧企业。中国企业在某些市场领域也正成为主要参与者。

在消费电子领域，国际巨头把控相关智能传感器市场的现象比较明显。如惯性传感器领域有博世、意法半导体、高通等；音频传感器领域有楼氏电子、BSE、意法半导体等；CMOS图像传感器领域有索尼、三星等。由于消费电子领域的智能传感器市场发展迅猛，国内企业也纷纷加入市场争夺战。如CMOS图像传感器领域有格科微电子、思比科等企业，二者已成为中低端CMOS图像传感器市场的主力供货商；指纹传感器领域有汇顶科技、神盾科技等企业；音频传感器领域有瑞声科技、歌尔声学等企业；压力传感器领域有敏芯微、华美奥通等企业。但由于起步晚、技术积累弱等原因，中国企业普遍存在规模较孝产品较单一、解决方案供给能力较弱等问题。

在汽车电子领域，全球车用传感器市场90%以上的份额被博世、德尔福、森萨塔、霍尼韦尔等国际巨头瓜分。中国虽有美泰科技、美芯半导体、昆山双桥等企业已经进军车用传感器领域，但与国外同类产品相比普遍存在准确度低、分析能力差、信号精度不高、抗干扰性弱等问题，高端车用传感器严重依赖进口。

在工业电子领域，随着智能制造、工业互联网的加速发展和布局，工业智能传感器市场将迎来发展机遇期。目前，中国工业领域所需的90%的高端传感器依赖进口。

在医疗电子领域，高精度、高可靠性的传感器需求导致该市场基本被霍尼韦尔、罗姆、思比科等国际企业占据。中国在该领域所需的传感器基本需要进口。

近年来，技术风起云涌，其技术实现必需依靠各种传感器以及惯性测量单元。这些传感器和惯性测量单元，绝大多数由国外厂商供货。其中，摄像头的主要厂商为博世、大陆、麦格纳、PointGrey、Pike等；超声波雷达的主要厂商为博世、法雷奥、台湾同致电子、深圳航盛电子、深圳豪恩；毫米波雷达的主要厂商为博世、海拉、麦格纳、加特兰微电子、亚德诺半导体、华域、德尔福、电装；激光雷达的主要厂商为法雷奥、Waymo、Velodyne、博世、Quanergy、大陆集团、亚德诺半导体、速腾聚创、禾赛科技；而惯性测量单元的主要厂商为意法半导体、旭化成微电子、应美盛、罗伯特、博世、mCube、霍尼韦尔、爱普生、耐威科技、深迪半导体、诺耕科技等，如图2-3所示。

，因应用领域跨度大、技术指标差异大，并涉及电子、材料、工艺等多个技术领域，智能传感器产品特别能检验一家企业的硬实力。欧美日企业在智能传感器领域的优势地位说明，基础硬件和设备、加工制造工艺才是制造业的根本与筋骨，提高基础工业实力才是制造强国的关键。

信息通信网络

在人工智能深度学习系统中，物理世界的信息经智能传感器感知后，被传输到云端，经云端推断后，相应结果再反馈至边缘端，形成一个完整的信息感知、传输、处理、反馈回路。在这一过程中，信息通信网络是所有信息传输的载体，起着至关重要的作用。实际上，在当今社会，信息通信网络已经成为保障社会运行的重要基础设施之一。

1、近距离无线通信技术

在办公区、厂区或一定范围内的公共场所内，近距离无线通信网络对构建该区域内的（IoT）系统并保障信息通信安全畅通十分重要。近距离无线通信网络可满足用户在自身附近几十米范围内的通信需求，主要技术标准有蓝牙、红外线、无线局域网（WLAN）、ZigBee、超宽频（UWB）、近场通信（）等。

ZigBee是一种新型的无线通信技术，具有低功耗、低成本、低速率、近距离、短时延、高容量、高安全、免执照频段等特点。ZigBee的端口物理层（PHY层）与数据链路层（MAC层）协议由IEEE 802.15.4工作小组制定，网络层协议由ZigBee技术联盟制定，应用层则由用户按需求进行开发。ZigBee有868MHz、915MHz、2.Hz三个工作频段，其中2.Hz共有16个信道，最高传输速率为250Kbps，是全球通用的工业、科学、医学频段，免申请、免付费，也是中国使用的频段；915MHz和868MHz的信道数分别为10个和1个，传输速率分别为40Kbps和20Kbps在组网性能上，ZigBee设备可构造为星型网络、点对点网络、网状网络，根据地址码的不同可容纳的最大设备个数为216个和264个，具有较大的网络容量。

超宽频（UWB）是一种无线载波通信技术，它不采用正弦载波，而是利用纳秒级的非正弦波窄脉冲传输数据，其所占的频谱范围很宽。UWB具有系统复杂度低、发射信号功率谱密度低、对信道衰落不敏感、截获能力低、定位精度高等优点，特别适用于室内等密集多径场所的高速无线接入，如家庭自动化、资产跟踪、工业控制、环境监测、智能交通、医疗监护等。

近场通信（）是由射频识别（RFID）技术和互连互通技术整合演变而来的，通过在芯片上集成RFID功能，可使移动终端实现、电子票务、门禁、移动身份识别、防伪等应用。可双向连接和识别，工作频率为13.56MHz，传输速率为106kbps、212kbps、424kbps。

目前常用的近距离无线通信技术大都由国外企业或企业联盟研发和主导。例如，蓝牙技术是由爱立信、诺基亚、东芝、IBM和英特尔联合研发的；ZigBee是由Zigbee联盟推出的，联盟成员包括德州仪器、恩智浦、法国尚飞（Somfy）、康卡斯特（Comcast）、ignify、立达信、华为、亚马逊等。

2、低功耗广域网技术

、工业控制、医疗监护等局域网场景一般采用近距离无线通信技术，但对于范围广、距离远的连接则需要远距离通信技术。面向低成本、低功耗、远距离、大连接的低功耗广域网（Lo-Poer Wide-Area Netork，LPWAN）是当今全球领域的一大热点，目前己形成窄带（Narro-band Inter of Things, NB-IoT）、超远距离广域网(Long Range Wide-Area Netork, LoRaWAN）、Sigfox、Weightless等多个技术阵营。

NB-IoT是领域的一个新兴技术，支持低功耗设备在广域网和局域网内的蜂窝数据连接，并可直接部署于GSM网络、UMTS网络或LTE网络，以降低部署成本、实现平滑升级。NB-IoT是由华为提出的窄带技术NB M2M逐步演进而来的，已在2016年6月份的韩国釜山3GPP RAN全会第72次会议上正式获批成为全球标准，并吸引高通、沃达丰、德国电信、中国移动、中国联通、Bell等产业链上下游厂商加入了该阵营。NB-IoT广覆盖、海量连接、低功耗、低成本的特点，使其能广泛应用于、智慧医疗、等场景，具有广阔的发展前途。

LoRa是由美国Semtech公司开发的一种基于扩频技术的低功耗超远距离无线通信技术，主要面向或M2M等应用。LoRa技术又包含了LoRa协议和LoRaWAN协议，其中LoRa是一个PHY层的协议，而LoRaWAN则是MAC层的组网协议。LoRa具有远距离、低功耗、多节点、低成本、抗干扰、低速率、小数据传输等特点，可应用于智能制造、智能农业、智能楼宇、智能物流等领域。目前LoRa技术的开发与应用由成立于2015年2月的国际LoRa联盟主导，联盟成员有Semtech、Comcast、Orange、ARM、Actility、Cisco、IBM等五百余家企业。

目前NB-IoT、LoRa、SigFox等低功耗广域网技术各有相应企业阵营在支持，也各有各的商业模式，如表2-1所示。谁能胜出，不仅要看技术实力，更要看产业与应用生态。

表2-1 NB-IoT、LoRa、Sigfox三大主要技术的产业化能力对比

3、第五代移动通信技术

第五代移动通信（）具有高速率、低时延、大连接等特点，是、、远程医疗等技术推广普及的重要支撑，将与、、人工智能等新一代信息技术共同构筑数字经济社会的关键基础设施。

目前，全球主要国家均将作为优先发展的战略性领域，通过政策引导和资金投入等手段，加快推进发展。2019年4月，韩国三大电信运营商KT、SK及LG Uplus同日开通网络，令韩国率先进入时代。截至2019年底，韩国约5100万人口中已有450万名用户。英国和瑞士于2019年5月、科威特于2019年6月宣布商用。中国三大运营商在2019年10月宣布提前正式商用网络，并在当年年底前部署了国内50个城市，建成14万座基站。美国四大电信运营商在美国多个城市加紧推进毫米波网络的部署。日本和欧洲其他国家则已开始或计划大规模商用网络。

在基带芯片方面，全球主要基带芯片厂商均在2019年发布了支持SA和NSA组网方式的芯片产品。如华为的巴龙5000、高通的X50（仅支持SA）和X55、MTK的Helio M70、紫光展锐的春藤510、三星的ExynosModem5100。除了华为和高通的基带芯片已正式商用外，其他厂商的产品将于2020年商用。，苹果收购的英特尔基带芯片业务技术尚未成熟，苹果将采用高通的基带芯片。

在智能手机方面，截至2019年底，华为、三星、vivo、小米、LG、OPPO等厂商均推出了智能手机产品。其中华为与三星的出货量最大，共占市场70%以上的份额，如图2-4所示。除华为的手机使用巴龙5000外，其他手机厂商均使用高通X50基带芯片。，目前国内手机厂商的产品仅支持Sub-6G，三星的手机则可支持28GHz/39GHz的毫米波通信。

图2-4 2019年全球智能手机出货量的厂商份额

数据来源StrategyAnalytics，2020年2月

在应用方面，远程医疗最先受益。2019年9月，青岛大学附属医院利用网络，远程操控位于贵州安顺医院里的“妙手”医疗机器人系统，实现了远程实验动物微创手术。中国医科大学附属盛京医院通过“+AI+4K”技术，实现了远程超声诊断。

但也应该看到，网络在商用推广中也存在一些问题，如信号覆盖盲区、优秀应用程序缺失等。相比于技术层面的挑战，商业模式层面的挑战才是商用最大的问题迄今还没有行之有效的商业模式。，真正要享受带来的美好生活，恐怕还需要很长的一段期待时间。

是一种网络计算服务，可将巨大的数据计算任务分解成无数个小程序，分配给众多服务器进行处理和分析，再将结果汇总并反馈给用户。从服务模式的角度来看，可以分为软件即服务（SaaS）、平台即服务（PaaS）、基础设施即服务（IaaS）三类；从部署模式的角度来看，可以分为私有云、社区云、公共云、混合云四类。

具有的可迅速部署和获娶动态可伸缩扩展和供给、可快速有序处理海量信息、可靠性高、容错能力强等特点，为人工智能深度学习的发展搭建了强大的存储和运算体系架构，促进了模式的训练优化过程，显著提高了文本、图片、语音、视频等辨识对象的识别率。

，许多科技巨头都将作为其向社会提供人工智能服务、打造新业务增长点的重要抓手。例如，亚马逊早在2006年便推出了云服务（AWS）业务，连同当年诞生的Hadoop，一起成为产业发端的标志。随后，微软于2008年开通了Azure业务，阿里巴巴于2009年创立了阿里云，谷歌与百度均在2015年上线了各自的云业务。目前，AWS已经成为亚马逊增长最快的业务之一，在公司营业收入中的比重越来越大（如图2-5所示）。2019年，AWS更是以12.5%的营收占比，为亚马逊贡献了63.5%的营业利润。

图2-5 2014-2019年AWS在亚马逊营收中的比重变化

据Gartner预测，2019年以IaaS、PaaS、SaaS为代表的全球公共云市场规模达1653.0亿美元，同比增长21.3%，到2022年市场规模将超过2700亿美元，如图2-6所示。2018年，全球领域“3A”（亚马逊AWS、微软Azure、阿里云）继续引领公共云市场，共占过半份额亚马逊保持领先优势，微软Azure和阿里云紧随其后，如图2-7所示。

图2-6 2016-2022年全球公共云市场规模及预测

数据来源Gartner，2019年1月

图2-7 2018年全球公共云市场份额

数据来源Gartner，2019年7月

，全球行业已经进入了以安全性、可靠性、服务能力为核心，注重产品品质和用户体验的高质量发展时代。全球公共云市场保持了快速增长态势，吸引了亚马逊、微软、阿里巴巴、谷歌等众多科技巨头持续投入资源参与到市场蛋糕的争夺中。毕竟，谁掌握了全球公共云市场的主动权，谁就有可能成为未来智能时代的全球人工智能基础设施。