今年2月，中国AI半导体制造商Horizon Robotics从SK中国，SK Hynix和大型汽车集团筹集了6亿美元的B轮融资，这使其成为该领域中首家估值达到惊人的30亿美元的公司。公司首席执行官Kai Yu，百度深度学习研究院前院长表示，Horizon的下一个目标是成为智能驾驶和AIoT等领域的“边缘计算的英特尔”。

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16亿美元激增至663亿美元。尽管许多中国初创公司专注于AI应用，但Horizon Robotics却是为数不多的解决硬件基础设施的公司之一短。

大多数中国半导体初创公司都处于净亏损状态，分析师预计，这种情况可能持续到未来两年。此外，美国对近十二种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，大力推动研发和大规模注资的推动下，中国半导体公司正在迎头赶上。

中国芯片公司主要满足两个主要应用领域：安全和智能手机。到2020年，中国将拥有超过6亿个安防摄像机。从2018年至2022年，中国安防的复合年增长率估计为22.6％，并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。典型的设备集需要四种类型的芯片：两种类型的SoC加速器（一种用于深度学习）和一种ISP芯片。当前大多数的AI芯片解决方案都使用GPU，但是更多的FPGA / ASIC解决方案（例如Cambricon和DeePhi）出现了，而华为Hisilicon已经成为专用SoC的重要参与者。

另一个值得关注的市场是智能手机，其中人工智能是新的流行语。例如，华为Mate 10和Glory V10配备了最先进的华为神经处理单元（NPU）麒麟970。无论是否有营销手段，自2017年以来，人工智能在中国智能手机应用中的集成度都大大提高。语音助手现在是智能手机的常用功能。Strategy Analytics预测，到2023年，将有90％的智能手机配备AI助手。

深度学习需要大量的计算资源，而CPU在图像和视频处理方面自然处于劣势。目前，用于深度学习训练的最兼容芯片是NVIDIA和AMD生产的GPU。然而，这些芯片非常昂贵且耗电。第二个最佳选择是FPGA（现场可编程门阵列），通常用于深度学习推理，并且由Xinlinx，Lattice和Intel Altera等公司制造。这些自适应的，半定制的芯片具有较低的功耗和等待时间，但由于浮点速度不足，可能会出现复杂的布线问题。

新兴的选项是ASIC（专用集成电路），它们是完全可定制的，但是其最初的实现也相对昂贵。谷歌TPU，华为海思和亚马逊的ASIC等多家技术公司正在开发ASIC。同时，与商业GPU或FPGA相比，为TensorFlow供电的Google第三代TPU能够实现每瓦更多的高级ML指令。

Tractica的AI半导体预计市场份额

除云和数据中心环境外，边缘计算市场预计将占总市场机会的四分之三以上。中国的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被视为追赶的机会。目前在该领域的中国公司包括：

·         比特大陆（B +系列，4.4亿美元，2018-08年）

·         Cambricon（B系列约数亿，2018-06）

·         Horizon Robotics（B系列6亿美元，2019-02年）

·         Kneron（A + 1800万美元，2018-05）

·         NextVPU（A系列2,882万美元，2018-10）

·         Easytech（A系列未公开，2019-03）

·         DeePhi Tech（2018年被Xinlinx收购）

·         华为海思（成立于1991年）

·         百度

·         阿里巴巴

·         海康威视

随着AI的应用迅速扩展到汽车，电话，无人机和机器人，中国最近在上海证券交易所（SSE）成立了科技创新委员会（STIB），类似于美国的纳斯达克。正如上交所在其官方网站上解释的那样，“建立科技创新委员会和试行注册制度是资本市场的一项重要改革举措。” 随着市场的开放和为下一个大型芯片公司的出现做好准备，中国的希望者将需要承受外国竞争，同时发展自己的优势并展示盈利能力。