一、传统AI企业竞争分析 依图竞争分析-核心技术 使命和愿景 :拓展人工智能新疆界,从事人工智能创新型研究,致力将先进的人工智能技术与行业应用相结合,建设更加安全、健康、便利的世界。 详解: 依图带着国际视野组建代表世界水平的研发团队,用坚实的技术力量推进产业发展,依图科技致力于全面解决机器看、听、理解和规划的根本问题,相信能在计算机视觉、自然语言理解、语音识别、知识推理、机器人等技术领域作出突破性贡献,为人工智能的发展和应用普及提供高性能、高密度和通用的算力,满足云端数据中心,边缘计算和物联网不断增长的智能计算需求。 一、核心技术:芯片+算法+AI平台+隐私保护 1、算法 (1) 语音: 依图获得全球声纹识别竞赛冠军(EER压缩至0.98%) (2) 视觉: 依图连续3年参加美国国家标准技术局(NIST)人脸识别供应商测试(FVRT),获得三次冠军。 2、AI平台 (1) 国家策略: 2019年8月科技部签发《国家新一代人工智能开发创新平台建设工作指引》,要求建设开源开放的视觉计算平台和社区,推进智能芯片、智能算法和智能产品的开发。 (2) 行业痛点: ①做AI算法的人往往不懂芯片,从而导致开发周期长;②AI算法、AI芯片、AI产品开发没有充分解耦;③算法、算力和数据发挥价值的动力和源泉是"行业知识",当前极度稀缺;④AI行业整体成本高,无法"普惠"使用者。 (3) 平台策略: 和高校/机构合作,输出"即插即用"的软硬件一体化智能模块开发套件,成立开源社区。 3、安全可信 (1)依图获得BSI颁发的ISO/IEC 27701:2019隐私信息管理体系认证(是首个通过认证的国内AI公司),严格对标欧盟通用数据条例(GDPR)及其隐私相关政策。在产品功能设计、研发以运营管理等每个环节上严格执行对用户隐私数据的保护,严守世界各地法规政策。 芯片战略:基本理念是"极智求索+算法即芯片",推进"智能密度"理念 依图竞争分析-解决方案产品组合 2、语音开放平台产品: 产品硬件形态会议超级本。 商汤竞争分析-核心技术(1) 使命与愿景: 坚持原创、让AI引领人类进步。面向全球、商汤科技坚持原创,致力于让AI推动经济,社会和人类的发展,建设更美好的未来。 二、商汤研究 1、学术成果: 商汤网站上最有特色的部分 (1)论文解读 (2)学术论文 2、学术合作: (1)联合实验室:公司与香港中文大学、北京大学、浙江大学、上交大、中科院深圳研究所、美国罗格斯大学、澳大利亚悉尼大学等建立了十余个联合实验室,研究方向涵盖深度学习核心算法、三维视觉和增强现实、人工智能超算平台、高性能异构计算应用,大数据分析处理、复杂视觉信息的深度分析与理解、自动驾驶关键技术、医学影像配准方法、人工智能手术导航等。 (2)学术联盟:2018年世界人工智能大会(WAIC)器件,商汤和众多高校、科研机构倡议设定全球高校人工智能学术联盟(GAIAA)。 (3)人才资助:①北京市自然科学基金;②商汤青年科研基金;③商汤奖学金和"泰坦资助"加护;④商汤访问学者计划。 3、研究动态: 2019年"技术热度"最高,20年逐步降低,标志性事件是2019年11月,在计算机视觉顶会ICCV(International Conference onComputer Vision)上,商汤创始人香港中文大学汤晓鸥担任主席,商汤以57篇论文(11篇Oral),13项冠军的成绩登顶。 三、产品服务 1、智慧城市: 场景包括智能安防、交通、运营商 (1)软件:信息处理平台。 (2)硬件: ①SensePass系列人脸识别一体机,SenseKeeper系列人脸识别闸机。 ②SenseNebula-AIS边缘节点、边缘摄像机、AI服务器。 2、 智能手机: 商汤控股公司慧鲤业务,含S-Moji表情模拟方案、人体骨架检测、人脸3D重建、S-AR制作平台等。 3、 泛文化娱乐: S-AR数字人和特效引擎。 4、 智慧文旅 :SenseMARS机场、博物馆、展览馆、商超解决方案,进行城市介绍、路线推荐、AR互动等。 5、 智能汽车: 智能驾驶(含L4级无人驾驶解决方案)、智能车舱。 6、 智慧健康: SenseCare诊疗平台 7、 教育: AI基础教育、AI职业教育。 8、 企业业务: 二、芯片制造可供应全景 一、芯片供需规律: 半导体的供需周期约是2 3年,半导体公司需求高峰时期会大量投资,投资产出两年后则又产生供过于求的情况。 p2017年: 产业处于"供不应求"阶段 p2019年: 产业处于"供过于求"市场下滑阶段 p2021年 :产业处于"供不应求"的高峰阶段("华为事件"和"新冠疫情"加剧供不应求) p2023年: 预测供需紧张可能会持续到2023初,之后行业会转移到去冗余阶段 二、半导体全产业链 1、 半导体全产业链 半导体产业上下游包括,设计软件 -> 设备 -> 材料-> IC设计 -> 代工 -> 封装等, 产业链长, 具有资本和技术壁垒双高的特点 1、Fabless-Foundry模式 pFabless为无晶圆模式,完成的是芯片设计。 pFoundry完成生产,流程包括①数据处理、②制版、③流片(Tape Out)、④晶元生产测试,约90~180天(工艺复杂周期长)。 2、 规模较小的芯片公司将自己设计的功能单元(IP)授权给其他公司,获取1~3%的版税。 3、 EDA公司通过向IC设计公司进行软件授权获取盈利 4、 芯片成本=晶片成本+【(掩膜+封装+测试)/成品率】 晶片成本=晶圆成本/(每片晶圆晶片数*成本率) 说明:部分品类芯片产量到1*107,1*108(亿)才能将制造成本降到最低。 2、 制程和工艺能力是核心竞争力之一 面对制程提升的困难,"More" or "More than"Moore p 挑战: 延续摩尔定律面临的挑战是①物理原理极限、②技术手段极限、③先进工艺接近成本极限。 p 措施: 采用异质集成电路(Heterogeneously IntegratedCircuits)绕道摩尔定律, 用工艺弥补制程差距,通过"做宽"弥补"做尖" 。 p 异质集成: Chiplet + HiTOC + 跨材料集成 (1)异质集成不限于封装领域,延伸到芯片甚至材料原位生长的范畴, 将不同工艺节点和化合物半导体高性能器件或芯片、硅基低成本高集成度器件或芯片整合,通过异质键合或外延生长等方式集成而实现的集成电路或系统。 (2)14nm+14nm+3D封装 7nm ,其中3D封装实现器件更小更轻、功耗良好、成为Hybridbonding工艺。 (3)工程问题: 关注点的是 封装 (如2.5D异构堆叠和合封)、 散热 (多层堆叠是瓶颈,依赖新型散热材料和架构)、 供电 、 高速 的实现。 三、AI芯片产业总览和竞争策略 算力需求变化趋势(1):算力需求增速太快,通用CPU无法满足算力增长需求 一、"算力"需求牵引AI芯片方向 1、算力市场需求变化和通用CPU面临的挑战: (1) 算力需求呈指数级增长 ,速度为3.5个月翻一倍,2012年到2018年AlphaGOZero算力需求增长超过了30万倍,近两年更是增长迅速。 (2)" 算力 " 需求特点: AI运算包括以"深度学习"为代表的各种神经网络算法,要求系统能够高效处理大量 非结构化数据 (文本、视频、图像、语音)需要硬件有高效的 线性代数处理能力 ," 计算 "特点归纳为 p Parallelism:能够大量并行处理,任务简单但是并行运算量大 p Regularity:图案是非常整齐的 p Locality:不需要过多访问内存,不需要对片上存储、低延时的高要求 p Precision:可以用更低精度等效替代 (3)通用CPU无法满足算力增长需求: p 发展速度趋缓,摩尔定率走向尽头,2008年起芯片性价比指标(Performance/dollar)从平均每年增长48%降低到平均每年增长10%以下。 p 传统通用CPU芯片大量晶体管用于构建逻辑控制和存储单元,架构设计不符合新的"算力"市场要求。而算力芯片,如GPU,就是通过高并行结构,用更多的ALU(ArithmeticLogic unit)处理数据,提升运算速度,满足海量并行计算需求。