AI(人工智能)系统开发近年快速跃进,战场已从过去「软件开发」走向「硬件芯片」竞争,搭配网络普及型塑出大数据,使得真实世界的无限复杂与快速计算可以藉由AI实现。半导体供应链主要受惠AI商机,关键将在「ASIC、硅智财IP、内存模块、传感器」四领域。 

2016-2025年AI半导体产值

2016-2025年AI半导体产值

2016-2025年深度学习各种芯片出货金额

2016-2025年深度学习各种芯片出货金额

2016-2025年深度学习各种芯片出货金额

2016-2025年深度学习各种芯片出货金额

随着AI在机器智能学习发展的突破,富邦证券预估,2020~2025年AI应用市场规模将以38%的年复合成长率(CAGR)攀升到2300亿美元,若从2017年算起CAGR更高达45%,就AI所创造的半导体芯片产值,也将由目前约9亿美元的水平,增长至2025年超过700亿美元,CAGR达62%,来自车用、深度学习、语音识别与相关应用内存等比重最高。 

    边缘运算 催生ASIC芯片需求 

    机器在学习的过程中,主要是利用神经网络中的「处理芯片」负责数据运算与函数推导,也因此,处理芯片的效能技术成为未来相关厂商重要的胜负关键。总观目前「处理芯片」发展,主要可分为CPU、GPU、FPGA及ASIC四种,依特性与使用目的不同又可区分为云端运算与边缘运算。前者云端运算因为需要处理庞大数据,加上长时间运作,芯片需求特性为功耗较高,整体效能佳,主要应用在数据中心与超级计算机,目前也是国际大厂聚焦重点,包含Google、Nvidia、Intel等都有投入;后者边缘运算则主要应用在终端装置,对耗电量与芯片体积有较大限制与要求,目前趋势是以FPGA与ASIC为边缘运算主要发展的芯片。 

    云端运算已在深度学习训练的效能表现相当显著,然而若要运用到终端产品上,除了功耗与芯片体积的限制,加上云端运算有数据存取、实时性与安全性的考虑,预期将会催生AI芯片向终端的「边缘运算」迈进,也就是将形成云端负责「训练」,终端芯片负责「推理」的情境发生,大幅带动边缘运算芯片整体出货量。 

    根据预估,到2025年AI芯片出货量将超过4000万颗,其中成长幅度最大就是ASIC芯片,占整体出货比重近60%,达2400万颗,营收贡献也将由2016年的1千多万美元成长至2025年的33~34亿美元。 

    ASIC具有低延时、低功耗、高效能与可大规模量产的成本优势,将使其于未来AI发展扮演关键,例如智能监控、自驾车、机器人、无人机、智能喇叭、虚拟现实、智能家电等应用,都能带动ASIC芯片出货。 

    当然,另一个关注重点仍在GPU,由于先天条件优势,目前在AI处理的效能还是优于其他芯片方案,加上大数据所产生的机器学习,需要处理庞大与实时信息,因此GPU在云端系统、车联网等优势还是会持续领先,预估至2025年AI芯片出货金额将超过120亿美元,其中GPU整体出货金额将超过50亿美元,占比逾4成。 

    衍生而来的 IP、SSD、MCU大商机 

    其次,衍生而来的就是硅智财(IP)、内存与传感器商机。除了ASIC出货带动IP需求,信息量暴增加上储存成本下降,巨量数据深度学习的普及,将使「储存装置」与「感测装置」成为不可或缺的一环。 

    在AI模块中,处理芯片与储存系统之间的信道优化,将直接影响系统在实时判断与深度学习的效能,因此内存模块必须更重视客制化与稳定性等需求,目前就AI产业面观察,尤其工业应用发展最为成熟,供应链完整、效应明确,预估将是接下来最快实现人工智能化的产业之一,工控内存供货商是主要关注对象。 

    局预估,单就AI应用在深度学习的SSD(固态硬盘)需求将由2016年8.63亿Gb提升至2025年的412亿Gb,年复合成长率高达53%,产值预期将由2.6亿美元提升至123亿美元。 

    而感测装置部分,机器学习数据的产生,除网络的数字数据之外,因机器人、工业应用、机器视觉、听觉等需求增加,模拟数据的产出也将明显提升,利用微控制器(MCU)与传感器来得到外界信息的解决方案需求,也将随之上扬。 

    台厂在AI上的布局 值得关注 

    台厂在晶圆代工上占有绝对优势,半导体供应链完整,由晶圆代工大厂台积电领军,预期将可带领其他相关厂商包括ASIC、硅智财IP、内存模块、传感器等相关供应链正是值得投资人关注的选股方向。