世界のAIチップ投資環境が明らかに、5つのシナリオにチャンスあり

[[241691]]
画像出典: Visual China

AIチップ投資マップ

AI チップの設計は、人工知能産業チェーンの重要な部分です。 2017年5月以来、さまざまなAIチップメーカーが新製品のリリースを競い合っており、1年以上の開発期間を経て、各分野の分担が徐々に明確になってきています。

AIチップの応用シナリオはクラウドに限定されなくなり、スマートフォン、セキュリティカメラ、自動運転車などの端末に展開されるさまざまな製品がますます多様化しています。 AIチップは、パフォーマンスの向上を追求するだけでなく、特殊なシナリオの最適化にも徐々に重点を置いています。

現在、人工知能産業チェーンには、AIアクセラレーションコアを提供するIPライセンサー、さまざまなAIチップ設計会社、ウェハファウンドリ会社が含まれています。

上図に示すように、AIチップは展開場所に応じて、データセンター（クラウド）、携帯電話、セキュリティカメラ、自動車などの端末（エッジ）に展開できます。

実行するタスクに応じて、ニューラル ネットワーク モデルの構築に使用されるトレーニング チップと、ニューラル ネットワーク モデルを使用して推論を行う推論チップに分けられます。トレーニング チップは絶対的な計算能力に重点を置いていますが、推論チップは単位エネルギー消費量の計算能力、レイテンシ、コストなどを考慮した総合的な指標に重点を置きます。

トレーニング チップはコンピューティング能力によって制約され、通常はクラウドにのみ展開されます。さまざまなアプリケーション シナリオに応じて、推論チップは、携帯電話エッジ推論チップ、セキュリティ エッジ推論チップ、自動運転エッジ推論チップに分類されます。便宜上、携帯電話 AI チップ、セキュリティ AI チップ、自動車 AI チップとも呼ばれます。

AI チップはエネルギー消費量あたりの計算能力に対する要件が高いため、通常は 14nm/12nm/10nm などの高度なプロセスを使用して製造されます。 TSMCは現在、NvidiaやXilinxを含む複数のチップメーカーと協力して、7nm AIチップの開発に取り組んでいます。

5つの主要シナリオが352億ドルの市場を形成する

CICCの関連上場AIチップ企業の収益統計とさまざまなシナリオにおけるAI普及率の推定によると、AIチップ市場規模は2017年に39億1,000万米ドルに達した。詳細は次のとおりです。

1. 2017年、世界のデータセンターAIチップ市場規模は23億6,000万米ドルに達し、そのうちクラウドトレーニングチップ市場規模は20億2,000万米ドル、クラウド推論チップ市場規模は3億4,000万米ドルでした。
2. 2017年、世界の携帯電話向けAIチップ市場規模は3億7,000万米ドルでした。
3. 2017年、世界のセキュリティカメラAIチップ市場規模は3億3,000万米ドルでした。
4. 2017年の自動運転AIチップの世界市場規模は8億5,000万米ドルでした。

巨大な市場展望と戦略的重要性により、AI チップは大手企業の強い注目を集めています。 Nvidiaは2017年に、2020年までにクラウドトレーニングチップの世界市場規模は110億米ドルに達し、推論チップ（クラウド+エッジ）の市場規模は150億米ドルに達すると指摘しました。

インテルはまた、先日終了した2018 DCI サミットで、データ サービスがハードウェア市場の成長を牽引するという自社の見解を改めて表明しました。インテルは、データセンターで AI を加速するために使用される FPGA の 2022 年の TAM 予測を 70 億ドルから 80 億ドルに引き上げました。

同時に、CICC は次のようにも指摘しました。

1. 携帯電話の SoC の価格上昇とミッドレンジモデルへの AI の浸透により、業界にさらに広い市場スペースが生まれます。
2. セキュリティチップは、既存機器のインテリジェントなアップグレードの恩恵を受け、チップの需要が拡大しています。
3. 自動運転に関しては、トヨタが提案した計算能力の要件に対して、現在のチップの計算能力とレベル5の自動運転の間にはまだ大きなギャップがあることがわかります。 （インフィニオンテクノロジーズAGは、自動運転の各レベルにおける半導体の価値予測を提供しており、これは当社のTAM推定の参考になります。）

上記の見解と、さまざまなアプリケーション シナリオにおける AI の普及に関する分析を組み合わせて、CICC は次のことを予測しています。

1. クラウド トレーニング チップの市場規模は、2022 年に 172 億米ドルに達し、CAGR は 54% になります。
2. クラウド推論チップの市場規模は、2022年に72億米ドルに達し、CAGRは84%になると予想されます。
3. スマートフォン向けエッジ推論チップの市場規模は、CAGR約59%で2022年に38億米ドルに達すると予想されます。
4. セキュリティカメラ向けエッジ推論チップの市場規模は、CAGR 約 41% で 2022 年に 18 億米ドルに達する見込みです。
5. 自動運転車向けエッジ推論チップの市場規模は、CAGR 約 44% で 2022 年に 52 億米ドルに達すると予想されます。

以下は、5 つのアプリケーション シナリオの詳細な分析です。

クラウドトレーニングチップ：Nvidiaが優勢

トレーニングとは、多数のデータ サンプルをニューラル ネットワーク モデルに代入し、繰り返し実行することで、各ニューロンの「正しい」重みパラメータを取得するプロセスを指します。 CPU は計算ユニットが少なく、並列計算能力が弱いため、トレーニング タスクを直接実行するのに適していません。そのため、トレーニングでは一般に「CPU + アクセラレーション チップ」の異種コンピューティング モードが採用されます。現在、Nvidia の GPU + CUDA コンピューティング プラットフォームは、最も成熟した AI トレーニング ソリューションです。さらに、次のものがあります。

1. サードパーティの異種コンピューティング プラットフォーム OpenCL + AMD GPU または OpenCL + Intel/Xilinx FPGA。
2. 解決策は 2 つあります。クラウド コンピューティング サービス プロバイダーが独自のアクセラレーション チップ (Google の TPU など) を開発することです。

さまざまなソリューションに基づいて、さまざまなチップメーカーがクラウドトレーニング用の AI チップを発売しています。

クラウドトレーニングチップの市場競争の観点から見ると、Nvidia GPUは現在明らかに優位に立っています。Googleのディープラーニングトレーニングタスクの一部でさえ、Nvidia GPUなしでは実行できません。GPUに加えて、クラウドトレーニングの新たな競争相手はGoogleのTPUですが、現時点では一般に直接販売されていません。

Intel は CPU + FPGA ヘテロジニアス コンピューティングを積極的に開発し、Xeon CPU 構造を継続的に最適化しています。Xilinx も FPGA に深く関わっています。GPU の売上が常に好調だった AMD も、ディープラーニングのトレーニング タスクの分野に参入し始めています。

クラウド推論チップ: 100 の考え方

推論とは、既存のニューラル ネットワーク モデルを使用して計算を実行し、新しい入力データを使用して一度に正しい結論を得るプロセスを指します。推論プロセスでは一般的に応答速度に対する要件が高いため、AI チップ (トレーニング済みのニューラル ネットワーク モデルを搭載) を使用して高速化します。

トレーニング チップと比較して、推論チップでは、単位電力消費あたりの計算能力、レイテンシ、コストなど、より包括的な要素を考慮します。初期推論も GPU によって加速されますが、アプリケーション シナリオの特殊性により、特定のニューラル ネットワーク アルゴリズムに基づく最適化によって効率が向上し、FPGA/ASIC のパフォーマンスがより顕著になる可能性があります。

クラウド推論チップに携わるNvidia、Google、Xilinx、Altera（Intel）などの従来のチップ大手に加え、Wave computingやGroqなどの新興企業も競争に加わっている。中国企業では、カンブリアンやビットメインもクラウドチップ事業を積極的に展開している。将来的には、クラウドベースの推論チップは、インテリジェントな音声認識やインテリジェントな検索などのアプリケーション シナリオで普及するでしょう。

携帯電話向け推論チップ：安定した構造

現在、携帯電話用チップ市場には、（1）チップ＋完成デバイスの垂直型ビジネスモデルを採用するApple、Samsung、Huaweiなどのメーカー、（2）Qualcomm、MediaTek、Unisocなどの独立系チップサプライヤー、（3）チップ企業に独立したIPライセンスを提供するARM、Synopsys、Cadenceなどのサプライヤーが含まれています。

垂直型ビジネスモデルを採用するメーカーは、チップを外部に販売せず、自社ブランドの完全なマシンのみを提供します。パフォーマンスは自社のソフトウェアに特別に最適化されており、効率性に頼って勝利を収めます。独立系チップサプライヤーは、比較的強力なパフォーマンス指標を使用して、残りのメーカーから市場シェアを獲得します。

2017年以降、Apple、Huawei HiSilicon、Qualcomm、MediaTekなどの大手チップメーカーがAIアクセラレーション機能に対応した新世代チップを相次いでリリースしており（下図参照）、AIチップはミッドレンジ製品にも徐々に浸透してきている。

携帯電話のスペースが限られているため、独立した AI チップを携帯電話メーカーが採用することは困難です。 AI アクセラレーション チップの設計機能において先行者利益を持つ企業 (Cambrian など) は、通常、IP ライセンスを通じて市場に参入します。

CICC は、これらのメーカーにとって、AI の主な役割はチップの付加価値と製品の単価を高めることであると考えています。 IHSのデータによると、ハードウェア性能の向上とAIコンピューティング構造の継続的な浸透により、AppleのA11チップのコストは27.5ドルに達した。

チップコストの継続的な上昇により、垂直モデルメーカーのデバイス全体の販売価格が上昇し、同じ出荷量を持つ既存のチップメーカーの営業利益が増加すると予想されます。 Qualcomm、MediaTek、Spreadtrum などの独立系チップサプライヤーは、チップ自体の平均販売価格の上昇から恩恵を受けるでしょう。

セキュリティエッジ推論チップ: 主要4社

過去10年間、ビデオ監視業界は主に「高解像度」と「ネットワーキング」の2世代のアップグレードを経験してきました。2016年以来、ビデオ分析の分野でAIが飛躍的に進歩したことにより、ビデオ監視業界は現在、3番目の重要なアップグレードサイクルである「インテリジェンス」の始まりにあります。

フロントエンドカメラには、ビデオデータに対してリアルタイムで構造化処理を実行できる端末推論チップが搭載されており、「クラウド+エッジ」のエッジコンピューティングソリューションが徐々に浸透しています。 CICC は、セキュリティ カメラに使用される推論チップの市場規模が 2017 年の 3 億 3,000 万ドルから 2022 年には 18 億ドルに拡大し、CAGR は 41% になると予測しています。

セキュリティ分野におけるエッジ推論チップの主な用途は、ビデオ ストリームをローカルで構造化データに変換することです。これにより、クラウドストレージのスペースが節約されるだけでなく、システムの作業効率も向上します。そのため、NVIDIA や Movidius (コンピューター ビジョンのスタートアップ) に加えて、従来のビデオ デコード チップ メーカーもスマート セキュリティの開発を積極的に進めています。この業界では、HiSilicon と Ambarella が Nvidia や Movidius と激しい競争を繰り広げています。

CICCは、セキュリティAIチップ市場全体の現在の競争環境は安定していると考えています。既存のメーカーは、下流の顧客との長期的な協力を通じて、インテリジェントセキュリティのアップグレードから引き続き利益を得ることが期待されており、新規参入者の市場スペースは限られています。

セキュリティAIチップの下流顧客は安定しており、その中にはHikvisionやDahua Technologyなどのビデオ監視ソリューションプロバイダーも含まれています。顧客と従来のビデオデコードチップメーカーとの長期的な協力関係は粘り強く、新製品を発売する際、特にセキュリティAIチップで大幅な性能差別化を実現することが難しい場合、新興企業は競争上の優位性が弱くなります。

自動運転エッジ推論チップ：ブルーオーシャン

スマートフォンやセキュリティに加え、自動運転車も人工知能の応用シナリオの一つです。

車載用半導体の旺盛な需要により、すでに供給側の生産能力は逼迫し始めており、自動運転に使われる推論チップの需要も今後5年間で急速に増加すると予想されています。 CICC は、市場規模が 2017 年の 8 億 5,000 万米ドルから 2022 年には 52 億米ドルに拡大し、年平均成長率 (CAGR) は 44% になると予測しています。

車両を真に自律的にするには、認識、モデリング、意思決定という 3 つの段階を経る必要があり、各段階は末端推論チップの計算と切り離すことはできません。環境認識であれ、障害物回避計画であれ、自動運転にはチップの計算能力に対する高い要求が課せられます。しかし、レイテンシと信頼性の制限により、自動運転に関連する計算をクラウドで実行することはできないため、エッジ推論チップのアップグレードが必須となります。

トヨタの統計によると、L5レベルの完全自動運転を実現するには、少なくとも12TOPSの推論コンピューティング能力が必要です。現在の高度なNvidia PX2自動運転プラットフォームに基づくと、完全自動運転のニーズを満たすには、約15台のPX2車載コンピューターが必要です。

近年、さまざまな従来の自動車用半導体サプライヤーが自動運転事業に参入し、独自の自動運転または運転支援プラットフォームを立ち上げていますが、次世代製品については、Mobileyeと新規参入のNvidiaが主導権を握るとCICCは予想しています。

次世代自動運転AIチップのテープアウトと生産期間の見積もり

自動運転チップ市場はまだ初期段階にあります。他の端末アプリケーションシナリオと比較すると、自動運転は計算の複雑さが最も高いだけでなく、自動車グレードの要件によりチップの参入障壁も高く、ハードウェアのアップグレードも比較的遅くなっています。

現在、各メーカーの次世代自動運転プラットフォームは、早ければ2019年にも量産化される予定です。現在市場に出回っているプラ​​ットフォームのうち、ほとんどのチップはL2/3レベルのみをサポートしています。

NXPなどの伝統的な半導体メーカーは長年にわたり自動車エレクトロニクスに深く関わり、一定の顧客基盤を獲得しているものの、市場全体では自動運転事業においてまだ非常に明確な競争環境が形成されていません。顧客も、最適な選択を行うために、チップメーカーの製品を常にテストしています。

顧客の好みから判断すると、従来の大手メーカーは独自のプラットフォームを構築してから必要なチップを購入する傾向がありますが、新しい自動車メーカーは自動運転プラットフォームを直接購入することを好みます。

完全自動運転の実現は非常に複雑で、まだ初期段階にあるため、CICC はスタートアップ企業には業界全体の発展のチャンスがあると考えており、最先端の技術と自動車メーカーと緊密に連携する能力を備えたスタートアップ企業に楽観的です。

志東希氏は、GPUはすでにトレーニングチップで確固たる地位を築いていると考えているが、人工知能シナリオの利用が徐々に深まるにつれて、よりターゲットを絞ったTPUとより柔軟なFPGAが新たな市場を分割するだろう。エッジコンピューティング（推論）の面では、多様なシナリオアプリケーションが、従来のプレーヤー、チップメーカー、新興のスタートアップ企業に十分な競争プラットフォームを提供している。

注：この記事はCICCによるAIチップに関する特別レポートです。市場の観点から既存のチップカテゴリを解釈し、現在の主要な現地AIチップ企業を評価します。