为什么边缘 AI 是显而易见的

德勤预测，到 2020 年，将售出超过 7.5 亿个边缘 AI 芯片——在设备上而非远程数据中心执行或加速机器学习任务的完整芯片或芯片的部分芯片——将售出超过 26 亿美元的收入。此外，边缘人工智能芯片市场的增长速度将远高于整体芯片市场。到 2024 年，我们预计边缘 AI 芯片的单位销售额将超过 15 亿，可能会很大。这意味着单位销售额复合年增长率至少为 20%，是整个半导体行业 9% 复合年增长率的长期预测的两倍多。

图 1：可以嵌入情报的位置（图片：Deloitte Insights）

这些边缘 AI 芯片可能会进入越来越多的消费设备，例如高端智能手机、平板电脑、智能扬声器和可穿戴设备。它们还将用于多个企业市场：机器人、相机、传感器和其他物联网设备。边缘 AI 芯片的消费市场比企业市场大得多，但增长可能会更慢，预计 2020 年至 2024 年的复合年增长率为 18%。企业边缘 AI 芯片市场增长更快，预计同期复合年增长率为 50%。

图 2：边缘 AI 芯片市场（图片：Deloitte Insights）

尽管如此，今年消费设备市场可能会占边缘 AI 芯片市场的 90% 以上，无论是销售数量还是美元价值。这些边缘 AI 芯片绝大多数将用于高端智能手机，占目前使用的所有消费级边缘 AI 芯片的 70% 以上。事实上，不仅在 2020 年，而且在接下来的几年里，人工智能芯片的增长将主要由智能手机推动。我们认为，今年 15.6 亿部智能手机市场中，超过三分之一可能包含边缘 AI 芯片。

由于对处理器的要求极高，人工智能计算几乎都在数据中心、企业核心设备或电信边缘处理器上远程执行，而不是在本地设备上执行。边缘 AI 芯片正在改变这一切。它们体积更小、价格相对便宜、耗电量更少、产生的热量更少，因此可以将它们集成到手持设备以及机器人等非消费设备中。通过使这些设备能够在本地执行处理器密集型 AI 计算，边缘 AI 芯片减少或消除了将大量数据发送到远程位置的需要，从而在可用性、速度以及数据安全和隐私方面带来好处。

保持在设备上的处理在隐私和安全方面更好；永远不会离开手机的个人信息不会被拦截或滥用。当边缘 AI 芯片在手机上时，即使没有连接到网络，它也可以做所有这些事情。

当然，并非所有 AI 计算都必须在本地进行。对于某些应用程序——例如，当设备的边缘 AI 芯片需要处理的数据太多时——发送由远程 AI 阵列处理的数据可能就足够了，甚至是首选。事实上，大多数时候，人工智能将以混合方式完成：一部分在设备上，一部分在云中。任何给定情况下的首选组合将根据需要完成的 AI 处理类型而有所不同。

智能手机边缘人工智能的经济学

智能手机并不是唯一使用边缘 AI 芯片的设备；其他设备类别——平板电脑、可穿戴设备、智能扬声器——也包含它们。短期内，这些非智能手机设备对边缘 AI 芯片销售的影响可能比智能手机小得多，要么是因为市场没有增长（如平板电脑），要么是因为市场太小而无法产生实质性差异（例如，预计 2020 年智能音箱和可穿戴设备的总销量仅为 1.25 亿台）。然而，许多可穿戴设备和智能扬声器依赖于边缘AI芯片，因此渗透率已经很高。

目前，只有最昂贵的智能手机——价格分布前三分之一的智能手机——可能会使用边缘 AI 芯片。但是将 AI 芯片放入智能手机中，对于消费者来说，价格并不高。

可以对智能手机的边缘 AI 芯片内容做出相当合理的估计。迄今为止，三星、苹果和华为手机处理器的图像显示了裸硅芯片，其所有功能都可见，从而可以识别芯片的哪些部分用于哪些功能。三星 Exynos 9820 芯片的裸片显示，大约 5% 的芯片总面积专用于 AI 处理器。三星整个 SoC 应用处理器的成本估计为 70.50 美元，是手机第二贵的组件（仅次于显示屏），约占设备总物料清单的 17%。假设 AI 部分的成本与其他组件的芯片面积相同，Exynos 的边缘 AI 神经
处理单元 (NPU) 约占芯片总成本的 5%。这相当于每人约 3.50 美元。

图 3：三星 Exynos 9820 芯片的裸片显示，大约 5% 的总芯片面积专用于 AI 处理器。 （图片：ChipRebel；注释：AnandTech）

同样，Apple 的 A12 仿生芯片将大约 7% 的芯片面积用于机器学习。整个处理器的估计成本为 72 美元，该百分比表明边缘 AI 部分的成本为 5.10 美元。华为麒麟 970 芯片估计制造商的成本为 52.50 美元，将 2.1% 的裸片用于 NPU，表明成本为 1.10 美元。 （不过，芯片面积并不是衡量芯片总成本中 AI 所占百分比的唯一方法。根据华为的说法，麒麟 970 的 NPU 有 1.5 亿个晶体管，占芯片总数 55 亿个晶体管的 2.7%。这将建议 NPU 成本略高，为 1.42 美元）。

图 4：Apple 的 A12 仿生芯片将大约 7% 的芯片面积用于机器学习。 （图片：TechInsights/AnandTech）

尽管引用的成本范围很广，但可以合理地假设 NPU 的平均成本为每个芯片 3.50 美元。乘以 50 亿部智能手机（更不用说平板电脑、扬声器和可穿戴设备），尽管每个芯片的价格很低，但市场仍然很大。制造商的平均成本为 3.50 美元，最低可能为 1 美元，为智能手机处理芯片添加专用的边缘 AI NPU 开始看起来很容易。假设正常加价，在制造成本上增加 1 美元对最终客户来说仅意味着 2 美元。这意味着 NPU 及其随之而来的好处——更好的摄像头、离线语音辅助等——甚至可以以不到 1% 的价格上涨投入到 250 美元的智能手机中。

采购 AI 芯片：内部还是第三方？

制造智能手机和其他设备的公司在获取边缘 AI 芯片方面的方法各不相同，其决策受手机型号等因素的驱动，在某些情况下，还取决于地理位置。一些人从第三方供应商处购买应用处理器/调制解调器芯片，例如高通和联发科，它们在 2018 年共占据了智能手机 SoC 市场的约 60%。

高通和联发科都提供各种价格的 SoC；虽然并非所有产品都包含边缘 AI 芯片，但高端产品（包括高通的 Snapdragon 845 和 855 以及联发科的 Helio P60）通常会这样做。在规模的另一端，苹果根本不使用外部 AP 芯片：它设计和使用自己的 SoC 处理器，例如 A11、A12 和 A13 仿生芯片，所有这些都具有边缘 AI。

其他设备制造商，例如三星和华为，则采用混合策略，从商用市场芯片供应商那里购买一些 SoC，其余部分使用自己的芯片（例如三星的 Exynos 9820 和华为的麒麟 970/980）。

>> 继续阅读第二页文章最初发表在我们的姊妹网站 EE Times Europe。