前言

近日，IDC调研机构与浪潮联合发布《2020-2021中国人工智能计算力发展评估报告》（简称“报告”）。报告显示，预计2020年中国AI市场规模将达到62.7亿美元，2019~2024年的年复合增长率为30.4%，中国成为全球各个区域里面AI的投资发展最快的一个国家。值得一提的是，在整体AI市场中人工智能服务器市场规模将达到34.1亿美元，占比超50%。算力越来越成为制约产业AI化发展的重要因素。近期热火的游戏赛博朋克2077成为用户比拼算力硬件配置的狂欢，而在产业端，算力相对于算法的稀缺也更加显著。数据显示，2012~2018年芯片的计算性能提升的30多倍，但从AlexNeT到AlphaGoZero，算法对算力的需求却提升了30万倍，近期热门的GPT-3的训练数据量和模型规模也十倍、千倍地增长。算法、算力、数据被认为是人工智能的三要素，“报告”中关于我国人工智能算力市场的剖析，对我们衡量中国AI发展水平和趋势有重要参考价值。

一、全球AI算力中国占比三成

放眼全球，人工智能市场正蓬勃发展。AI算力是人工智能产业发展的一大关键指标。IDC报告显示，从2020年各个国家AI计算的发展水平来看，中国和美国是人工智能服务器支出占整体服务器支出最高的国家之一，占比均超过10%。据IDC统计，2020年中国人工智能服务器占全球人工智能服务器市场的三分之一左右。换句话说，全球AI算力中国占比三成。当我们把视线移到国内，中国人工智能算力在各区域的布局也有一些变化。根据IDC调查报告显示，2020年中国人工智能算力排行Top5的城市依次为北京、深圳、杭州、上海、重庆，排名6-10的城市为广州、合肥、苏州、西安、南京。与2019年相比，深圳超过杭州位居第二，重庆进入第一梯队，西安超过南京排名第9。

其中，北京凭借《2019人工智能关键技术源头创新专项申报指南》等多项政策，占全国总量的一半以上的人才，全国三分之一以上人工智能企业，北京大学、清华大学、中科院自动化所等全国过半数人工智能骨干研究单位，成为No.1。

同时引人注意的是，重庆作为西部直辖市，一举进入第一梯队冲进前五。金准产业研究团队分析，在过去一年重庆在劳动力供给方面做了很多工作，最突出的像重庆大学等分别开设了人工智能的课程，重庆市政府也推出了一系列规划，包括市政管理，智慧城市等等人工智能的十个场景的落地等，我们也看到有很多人工智能企业，像海云数据等在重庆设了研发基地等。重庆在今年AI投入成长非常快，这是最主要的城市变化。金准产业研究团队分析，本次报告整个框架延续了从2018年开始推动以来的调查指标（宏观层面、技术成熟度、劳动供给），在浪潮这一国内最大人工智能算力供应商等协作下寻找重点客户沟通，并经过大规模问卷调查，最终成文。此前，2018、2019年IDC的同系列报告都引起业内的强烈反响。虽然城市人工智能水平涉及的因素实际很复杂，IDC的排名并不一定囊括所有，但这一调研结果也为我们提供了中国区域AI发展的大体态势参考。

二、我国AI市场年增长30%超美国，新基建成主要动力
   新冠疫情对全球经济造成巨大影响，数字化转型的必要性已经凸显。IDC认为，新基建成中国刺激疫后经济增长的主要驱动力。2020年新基建整体投资规模预计将达到2,757.1亿美元，人工智能作为新基建的重要领域之一，也将迎来快速增长。在这种背景下，IDC预计，2020年中国人工智能市场规模将达到62.7亿美元，2019-2024年的年复合增长率为30.4%。这里的人工智能市场涵盖了人工智能硬件、软件、服务几大方面。从下图可以看到，基础架构硬件市场是整体市场最大组成部分，2020年的占比预计达到62.7%。

金准产业研究团队认为，虽然今年受到疫情影响，无论是IT投资还是国家经济增速都有所放缓，但是37.3%的增长仍然是全球各个区域里面AI的投资发展最快的一个国家。对比美国，其同期的IT的支出同比在下降，整个AI的算力等方面的支出基本和去年持平，没有太多增长。当智东西问到，如何看待AI产业传出的“AI算力扩展减缓”、“新基建投资不及预期”等声音？对此，金准产业研究团队判断：AI算力增速在下降，但每年增加的绝对值还在上涨。今年GDP增长本就不快还有扶持抗疫，所以投资相比去年有所下降。但因为需求驱动产业发展，所以一方面人工智能和IT与业务融合得越来越紧密，另一方面，明年被预测是经济反弹的一年，所以我们预测明年AI算力依然会保持高速增长的态势。另一角度来说，受经济大环境影响，（AI计算领域）总体投资没有明显增长，但其中是有资金分配的。传统的业务环境或模式（投资）可能是下降的，但那部分投资转移到了偏向于网络化、智能化的基础设施建设。中国今年整体经济压力比较大，但是作为互联网基础设施的服务器，作为智能化的AI服务器，增长又是非常可观。所以经济模式的变化，从某种意义上也是中央和国家想看到的结构性的调整，利用新的科技手段改变整个经济运行的质量。

三、产业AI化需求旺盛，互联网、政府、金融落地最好

2020年，人工智能在各个行业的渗透度均有提升。基于IDC持续的研究和最新的用户调研，人工智能行业应用渗透度排名前五的行业依次为：互联网、政府、金融、电信和制造。相比2019年，电信行业人工智能应用速度加快并超过制造业，位列第四。

在2020年上半年，医疗行业在新冠肺炎疫情的影响下加速了人工智能应用的落地，在多方面取得了显著的成效，也促使医疗行业人工智能应用渗透度超过教育行业位列第七。在互联网行业，人工智能进入较早，渗透率最高。互联网企业将人工智能应用在身份验证、自动化客服、营销互动、精准营销、舆情管理、内容审核等多个应用场景，以及通过云服务平台对外提供人工智能服务。在电信行业，人工智能技术已成不可缺少的部分。主要表现在两大方面：1、电信网络的构建及优化智能需要GPU加速、深度学习和分析技术等多项技术融合。2、下一代智慧网络的打造，对云化网络的智能编排、调度、运营等也需要人工智能技术的支撑。另外，智慧营业厅的建设也会用到AI技术。在制造方面，人工智能是制造业迈向工业4.0和工业互联网时代的重要新兴技术应用。其本质是实现复杂⼯业技术、经验、知识的模型化和在线化。主要应用场景包括交互界面智能化、质量管理及推荐系统、维修及生产检测自动化等。IDC预计，到2023年年底，中国50%的制造业供应链环节将采用人工智能，从而可以提高15%的生产率。下图是报告中绘制的“中国人工智能应用场景发展2020”坐标图。可以看到，在2020年之后几年里，IDC比较看好智能零售、智能制造、智能电信、智能驾驭、智能医疗等行业的日益成熟。

为什么从图中来看，越往后落地场景越来越少了？这是因为未来几年我们认为很可能在现在落地场景的基础上发展出来的一些新的应用，变化会更快。现在很难判断五年之后大概有什么应用会出来，但是绝对不是空白，而是我们现在根本都没有办法确定的。IDC认为，产业AI化已经从早期的试点逐渐成为企业发展和生存的刚需。据调查，有超过九成的企业正在使用或计划在三年内使用人工智能，其中74.5%的企业期望在未来可以采用具备公用设施意义的人工智能专用基础设施平台。

四、算力成AI发展关键，智算中心成AI基础设施核心

IDC认为，在人工智能算法、数据、算力三要素中，算力已成为制约AI产业化进一步发展的关键。人工智能应用对算力最大的挑战依然来自于核心数据中心的模型训练，近年来，算法模型的复杂度呈现指数级增长趋势，正在不断逼近算力的上限。IDC数据统计显示，2020年中国人工智能服务器市场规模将达到34.1亿美元，占人工智能基础架构硬件市场的87%，在包括软件、硬件、服务的整体人工智能市场占比也超过50%，数据直观地反映了算力在整个产业的重要性。

为了更好地评估中国企业当前的人工智能算力发展现状，IDC于2020年6月至8月针对中国企业人工智能应用需求开展了专题调查和研究。结果显示，有超过九成的企业正在使用或计划在未来三年内使用人工智能，其中，大部分企业采用了公有云、私有云加本地部署的混合架构来部署人工智能应用，而74.5%的企业期望在未来可以采用具备公用设施意义的人工智能专用基础设施平台，这一期望也是不同地区和不同规模的企业的共识。企业对于人工智能算力基础设施平台的TOP5需求依次为：用于人工智能训练的数据支撑、人工智能加速计算能力、配套的政策吸引、规模效应下的价格和成本因素，以及丰富的应用场景配置。

IDC进一步调研发现，未来三年，企业对于算力需求较为迫切的场景依然在语言认知类应用的训练上，对于该类AI模型训练的平均算力需求预计将达到208POPS，远高于其他应用负载；对于自动驾驶、机器人、内容推荐等综合场景的算力需求也相对较高，平均算力值将达到146POPS左右。

在这种需求背景下，智能计算中心（简称“智算中心”）无疑成为AI基础设施核心。简单来说，智算中心是专门为智能化应用设计的数据中心。刘军表示，智算中心的出发点不一样，它是基于最新的人工智能理论，采用领先的人工智能计算架构去构建的一个数据中心，是专为AI产业化、产业AI化、政府治理智能化提供相应AI算力的输出。当谈到智算中心是否需要抛弃原有的数据中心重新建立？周震刚回答称，可以改造（基于原有数据中心）。政府建的数据中心严格来说自建数据中心并不是很多，很多商业厂商或运营商建设的数据中心绝大部分没有搭载IT设备，只是一个空间和一个底层布线给到第三方这么一个空房子。我们现在说的智算中心要把房子专用化，搭载面向智能化的专用IT设备，直接面向智能化应用。

五、GPU市场占比超90%，2024年20％的AI负载将部署在边缘

IDC还从AI算力基础架构中的芯片、服务器、边缘计算等更细致的方面剖析了我国AI算力发展情况。IDC研究发现，预计2020年中国人工智能加速芯片中，GPU依然是数据中心加速的首选，占有90%以上的市场份额。预计到2024年，包括FPGA、ASIC、神经拟态芯片等非GPU加芯片市场份额将超过20%。AI服务器通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、机器学习等人工智能应用场景提供强大的算力支持。

随着人工智能应用计算需求的指数级增长，在GPU之间以及CPU与GPU之间形成的芯片互联技术被更多地采用，人工智能芯片厂商NVIDIA、Intel、AMD等都在芯片互联技术方面持续升级。除了创新的互联方式之外，人工智能服务器另一个普遍采用的技术是多种拓扑架构的算法调优，以更好地适配多样的人工智能应用。例如浪潮部分型号的人工智能服务器在同一设备中可支持三种不同的拓扑架构，并可通过线缆接口快速切换，在不同的算法模型下实现更加优化的性能输出。日益增长的业务实时性需求也使边缘和端侧的计算能力变得越来越重要。IDC预测，到2023年，接近20％的用于处理人工智能工作负载的服务器将部署在边缘。

结语：让AI基础设施平台为产业保驾护航

根据IDC与浪潮联合发布的《2020-2021中国人工智能计算力发展评估报告》，我们看到尽管2020年受疫情等因素影响大环境特殊，但我国人工智能产业依然稳步发展，而AI算力成为AI产业化进一步发展的关键因素。在新基建背景下，算力基础设施是人工智能新基建的大半壁江山。根据IDC的建议，产业需要通力合作积极推动人工智能算力基础设施平台建设，为人工智能产业化保驾护航。

前言

虚拟数字人,是存在于数字世界的“人”，通过动作捕捉、三维建模、语音合成等技术高度还原真实人类，再借助AR/MR/VR等终端呈现出来的立体“人”。在人工智能、虚拟现实等新技术浪潮的带动下，虚拟数字人制作过程得到有效简化、各方面性能获得飞跃式提升，开始从外观的数字化逐渐深入到行为的交互化、思想的智能化。以虚拟主播、虚拟员工等为代表的数字人成功进入大众视野，并以多元的姿态在影视、游戏、传媒、文旅、金融等众多领域大放异彩。

一、什么是虚拟数字人

1、虚拟数字人研究范畴

“虚拟数字人”一词最早源于1989年美国国立医学图书馆发起的“可视人计划”(VisibleHumanProject,YHP)。2001年,国内以“中国数字化虚拟人体的科技问题”为主题的香山科学会议第174次学术讨论会提出了“数字化虚拟人体”的概念。

这些“虚拟数字人”主要是指人体结构的可视化，以三维形式显示人体解剖结构的大小、形状、位置及器官间的相互空间关系，即利用人体信息，实现人体解剖结构的数字化。主要应用于医疗领域的人体解剖教学、临床诊疗等。

与上述医疗领域的数字化人体不同，本篇中所分析的虚拟数字人（以下简称“数字人”）是指具有数字化外形的虚拟人物。与具备实体的机器人不同，虚拟数字人依赖显示设备存在。虚拟数字人宜具备以下三方面特征：

一是拥有人的外观，具有特定的相貌、性别和性格等人物特征；

二是拥有人的行为，具有用语言、面部表情和肢体动作表达的能力；

三是拥有人的思想，具有识别外界环境、并能与人交流互动的能力。

2、虚拟数字人发展历程

虚拟数字人的发展与其制作技术的进步密不可分，从最早的手工绘制到现在的CG（ComputerGraphics，电脑绘图）、人工智能合成，虚拟数字人大致经历了萌芽、探索、初级和成长四个阶段，详见下图。

虚拟数字人发展历程

20世纪80年代，人们开始尝试将虚拟人物引入到现实世界中，虚拟数字人步入萌芽阶段。该时期虚拟数字人的制作技术以手工绘制为主，应用极为有限。1982年，日本动画《超时空要塞》播出后，制作方将女主角林明美包装成演唱动画插曲的歌手，并制作了音乐专辑，该专辑成功打入当时日本知名的音乐排行榜Oricon，林明美也成为了世界上第一位虚拟歌姬。

1984年，英国人GeorgeStone创作出一个名为MaxHeadroom的虚拟人物，MAX拥有人类的样貌和表情动作，身穿西装，佩戴墨镜，曾参演了一部电影，拍摄了数支广告，一度成为英国家喻户晓的虚拟演员。由于技术的限制，其虚拟形象是由真人演员通过特效化妆和手绘实现。

21世纪初，传统手绘逐渐被CG、动作捕捉等技术取代，虚拟数字人步入探索阶段。该阶段的虚拟数字人开始达到实用水平，但造价不菲，主要出现在影视娱乐行业，如数字替身、虚拟偶像等。电影制作中的数字替身一般利用动作捕捉技术，真人演员穿着动作捕捉服装，脸上点上表情捕捉点，通过摄像机、动作捕捉设备将真人演员的动作、表情采集处理，经计算机处理后赋予给虚拟角色。

2001年，《指环王》中的角色咕噜就是由CG技术和动作捕捉技术产生，这些技术后续还在《加勒比海盗》、《猩球崛起》等电影制作中使用。2007年，日本制作了第一个被广泛认可的虚拟数字人“初音未来”，初音未来是二次元风格的少女偶像，早期的人物形象主要利用CG技术合成，人物声音采用雅马哈的VOCALOID系列语音合成，呈现形式还相对粗糙。

近五年，得益于深度学习算法的突破，数字人的制作过程得到有效简化，虚拟数字人开始步入正轨，进入初级阶段。该时期人工智能成为虚拟数字人不可分割的工具，智能驱动的数字人开始崭露头角。

2018年，新华社与搜狗联合发布的“AI合成主播”，可在用户输入新闻文本后，在屏幕展现虚拟数字人形象并进行新闻播报，且唇形动作能与播报声音实时同步。

2019年，浦发银行和百度共同发布的数字员工“小浦”，也是利用自然语言处理、语音识别、计算机视觉等人工智能技术制作的虚拟数字人，可通过移动设备为用户提供“面对面”的银行业务服务。

当前，虚拟数字人正朝着智能化、便捷化、精细化、多样化发展，步入成长期。2019年，美国影视特效公司数字王国软件研发部负责人DougRoble在TED演讲时展示了自己的虚拟数字人“DigiDoug”，可在照片写实级逼真程度的前提下，进行实时的表情动作捕捉及展现。今年，三星旗下的STARLabs在CES国际消费电子展上展出了其虚拟数字人项目NEON，NEON是一种由人工智能所驱动的虚拟人物，拥有近似真人的形象及逼真的表情动作，具备表达情感和沟通交流的能力。

3、当前虚拟数字人通用系统框架及运作流程

当前虚拟数字人作为新一代人机交互平台，仍处于发展期，还未有统一的通用系统框架。这份白皮书根据虚拟数字人的制作技术以及目前市场上提供的数字人服务和产品结构，总结出虚拟数字人通用系统框架，如下图所示。

虚拟数字人系统一般情况下由人物形象、语音生成、动画生成、音视频合成显示、交互等5个模块构成。

人物形象根据人物图形资源的维度，可分为2D和3D两大类，从外形上又可分为卡通、拟人、写实、超写实等风格；语音生成模块和动画生成模块可分别基于文本生成对应的人物语音以及与之相匹配的人物动画；音视频合成显示模块将语音和动画合成视频，再显示给用户。

交互模块使数字人具备交互功能，即通过语音语义识别等智能技术识别用户的意图，并根据用户当前意图决定数字人后续的语音和动作，驱动人物开启下一轮交互。

虚拟数字人通用系统框架

交互模块为扩展项，根据其有无，可将数字人分为交互型数字人和非交互型数字人。非交互型数字人体统的运作流程如下图非交互类虚拟数字人系统运作流程所示。系统依据目标文本生成对应的人物语音及动画，并合成音视频呈现给用户。

非交互类虚拟数字人系统运作流程

交互型数字人根据驱动方式的不同可分为智能驱动型和真人驱动型。智能驱动型数字人可通过智能系统自动读取并解析识别外界输入信息，根据解析结果决策数字人后续的输出文本，然后驱动人物模型生成相应的语音与动作来使数字人跟用户互动。

该人物模型是预先通过AI技术训练得到的，可通过文本驱动生成语音和对应动画，业内将此模型称为TTSA（Text To Speech & Animation）人物模型。真人驱动型数字人则是通过真人来驱动数字人，主要原理是真人根据视频监控系统传来的用户视频，与用户实时语音，同时通过动作捕捉采集系统将真人的表情、动作呈现在虚拟数字人形象上，从而与用户进行交互。

智能驱动型虚拟数字人运作流程

真人驱动型虚拟数字人运作流程

二、虚拟数字人关键技术趋势

1、虚拟数字人技术架构

当前，虚拟数字人的制作涉及众多技术领域，且制作方式尚未完全定型，通过对现有虚拟数字人制作中涉及的常用技术进行调研，金准产业研究团队在虚拟数字人通用系统框架的基础上提炼出五横两纵的技术架构，如下图所示。

“五横”是指用于数字人制作、交互的五大技术模块，即人物生成、人物表达、合成显示、识别感知、分析决策等模块。其中，人物表达包括语音生成和动画生成。动画生成则包含驱动（动作生成）和渲染两大部分。“两纵”是指2D、3D数字人，3D数字人需要额外使用三维建模技术生成数字形象，信息维度增加，所需的计算量更大。

虚拟数字人技术架构

金准产业研究团队重点关注虚拟数字人制作过程涉及的建模、驱动、渲染三大关键技术。

2、建模：静态扫描建模仍为主流

相机阵列扫描重建替代结构光扫描重建成为人物建模主流方式。早期的静态建模技术以结构光扫描重建为主。结构光扫描重建可以实现0.1毫米级的扫描重建精度，但其扫描时间长，一般在1秒以上，甚至达到分钟级，对于人体这类运动目标在友好度和适应性方面都差强人意，因此被更多的应用于工业生产、检测领域。

近年来，拍照式相机阵列扫描重建得到飞速发展，目前可实现毫秒级高速拍照扫描（高性能的相机阵列精度可达到亚毫米级），满足数字人扫描重建需求，成为当前人物建模主流方式。

国际上IR、Ten24等公司已经将静态重建技术完全商业化，服务于好莱坞大型影视数字人制作，国内凌云光等公司制作的拍照式人体扫描系统也已经在电影、游戏、虚拟主播项目中成功应用。

相比静态重建技术，动态光场重建不仅可以重建人物的几何模型，还可一次性获取动态的人物模型数据，并高品质重现不同视角下观看人体的光影效果，成为数字人建模重点发展方向。

动态光场重建是目前世界上最新的深度扫描技术，此技术可忽略材质，直接采集三维世界的光线，然后实时渲染出真实的动态表演者模型，它主要包含人体动态三维重建和光场成像两部分。

人体动态三维重建一直是计算机视觉、计算机图形学等领域研究的重点，主要采用摄像机阵列采集动态数据，可重建高低频几何、纹理、材质、三维运动信息。

光场成像是计算摄像学领域一项新兴技术，它不同于现有仅展示物体表面光照情况的2D光线地图，光场可以存储空间中所有光线的方向和角度，从而产出场景中所有表面的反射和阴影，这为人体三维重建提供了更加丰富的图像信息。

近年来Mirosoft、Google、Intel、Facebook等公司都在积极展开相关研究，其中Microsoft的108摄像机MRstudio已经在全球各大洲均有建设；Google的Relightable系统将结构光、动态建模、重光照技术集成到一起，在一套系统中包含模型重建、动作重建、光照重建的全部功能；国内清华大学、商汤科技、华为等也展开了相关研究，并取得国际水平的同步进展。

3、驱动：智能合成、动作捕捉迁移

2D、3D数字人均已实现嘴型动作的智能合成，其他身体部位的动作目前还只支持录播。2D、3D数字人嘴型动作智能合成的底层逻辑是类似的，都是建立输入文本到输出音频与输出视觉信息的关联映射，主要是对已采集到的文本到语音和嘴型视频（2D）/嘴型动画（3D）的数据进行模型训练，得到一个输入任意文本都可以驱动嘴型的模型，再通过模型智能合成。

然而，2D视频和3D嘴型动画底层的数学表达不一样，2D视频是像素表达；3D嘴型动画是3D模型对应的BlendShape的向量表达。除了嘴型之外的动作，包含眨眼、微点头、挑眉等动画目前都是通过采用一种随机策略或某个脚本策略将预录好的视频/3D动作进行循环播放来实现。例如3D肢体动作目前就是通过在某个位置触发这个预录好的肢体动作数据得到。

触发策略是通过人手动配置得到的，未来希望通过智能分析文本，学习人类的表达，实现自动配置。截至目前，国内外科技企业在数字人动作智能合成方面都有一定进展，国际上如Real lusion公司研究的利用语音生成面部表情的Craytalk技术已在动画制作中被成功商用，国内搜狗、相芯科技等公司也有部分项目落地应用。

通过将捕捉采集的动作迁移至数字人是目前3D数字人动作生成的主要方式，核心技术是动作捕捉。动作捕捉技术按照实现方式的不同，可分为光学式、惯性式、电磁式及基于计算机视觉的动作捕捉等。现阶段，光学式和惯性式动作捕捉占据主导地位，基于计算机视觉的动作捕捉成为聚焦热点。光学动作捕捉通过对目标上特定光点的监视和跟踪来完成运动捕捉的任务。

最常用的是基于Marker（马克点）的光学动作捕捉，即在演员身上粘贴能够反射红外光的马克点，通过摄像头对反光马克点的追踪，来对演员的动作进行捕捉。这种方式对动作的捕捉精度高，但对环境要求也高，并且造价高昂。光学式解决方案比较出名的企业有英国的Vicon，美国的OptiTrack和魔神（Motion Analysis），国内的Nokov、uSens、青瞳视觉等。

惯性动作捕捉主要是基于惯性测量单元（Inertial Measurement Unit，IMU）来完成对人体动作的捕捉，即把集成了加速度计、陀螺仪和磁力计的IMU绑在人体的特定骨骼节点上，通过算法对测量数值进行计算，从而完成动作捕捉。这种惯性动作捕捉方案价格相对低廉，但精度较低，会随着连续使用时间的增加产生累积误差，发生位置漂移。

惯性式动捕方案的代表性企业有荷兰的Xsens，以及国内的诺亦腾（Noitom）、幻境、国承万通等。基于计算机视觉的动作捕捉主要是通过采集及计算深度信息来完成对动作的捕捉，是近些年才兴起的技术。这种视觉动捕方式因其简单、易用、低价，已成为目前使用的频率较高的动作捕捉方案，代表性产品有LeapMotion、微软Kinect等。以上动捕方案的性能对比如下图所示。

主流动作捕捉方案性能对比

4、渲染：真实性和实时性均大幅提升

PBR（Physically Based Rendering，基于物理的渲染技术）渲染技术的进步以及重光照等新型渲染技术的出现使数字人皮肤纹理变得真实，突破了恐怖谷效应。恐怖谷效应由日本机器人专家森政弘提出，认为人们对机器人的亲和度随着其仿真程度增加而增高，但当达到一个较高的临界点时，亲和度会突然跌入谷底，产生排斥、恐惧和困惑等负面心理。

数字人恐怖谷效应主要由数字人外表、表情动作上与真人的差异带来，其中外表真实感的关键就是皮肤材质的真实感，无论是塑料感还是蜡像感都会给人类带来不适。在PBR技术出现之前，限于相关软硬件的发展程度，所有的3D渲染引擎，更多的着重在于实现3D效果，在真实感体现方面差强人意。

PBR是基于真实物理世界的成像规律模拟的一类渲染技术的集合，它的关键在于微表面模型和能量守恒计算，通过更真实的反映模型表面反射光线和折射光线的强弱，使得渲染效果突破了塑料感。目前常见的几款3D引擎，如Unreal Engine4,  CryEngine3, Unity3D5，均有了各自的PBR实现。

重光照技术通过采集模拟多种光照条件的图像数据，测算数字人表面光照反射特性，并合成出数字人模型在新的光照下的渲染结果，使计算机中的虚拟数字人在任意虚拟环境下都可以呈现近乎真实的效果，它彻底改变了传统渲染方式通过模拟皮肤复杂的透射反射来计算渲染总会带来误差的局面。

该技术在2000年初由南加州大学实验室创建LightStage平台时提出，并开始了相关研究，目前已经经过7代的迭代发展，已被成功应用到《阿凡达》、《复仇者联盟》等众多经典影片的角色制作中。国内清华大学、浙江大学也都建设了重光照系统，可以实现高精度人体光照采集与重建。

实时渲染技术的突破助力写实类数字人实现实时交互，应用范围快速扩大。实时渲染指图形数据的实时计算与输出，其每一帧都是针对当时实际的环境光源、相机位置和材质参数计算出来的图像。与离线渲染相比，实时渲染面临较大挑战。一是渲染时长短，实时渲染每秒至少要渲染30帧，即在33毫秒内完成一帧画面渲染，离线渲染则可以花费数小时甚至更长时间渲染一帧画面；二是计算资源有限，实时渲染受限于时效要求，计算资源一般是不能及时调整，而离线渲染受时效限制较低，可临时调配更多的计算资源。

早期的实时渲染只能选择高度抽象和简化过的渲染算法，牺牲了画面质量。随着硬件能力的提升和算法的突破，渲染速度、渲染效果的真实度、渲染画面的分辨率均大幅提升，在虚拟人物实时渲染方面，已经能做到以假乱真。

2016年，EpicGames联合3Lateral、CubicMotion、NinjaTheory等公司联合开发的可实时驱动的虚拟人物在当年的Siggraph（Special Interest Group for Computer GRAPHICS，计算机图形图像特别兴趣小组，致力于推广和发展计算机绘图和动画制作的软硬件技术）会议中做了演示，成功在消费级的硬件环境下实时渲染了高质量的虚拟角色。

2018年5月，腾讯发布虚拟人Siren，也一个支持实时渲染的虚拟人物。

离线渲染与实时渲染对比

三、虚拟数字人产业应用现状

1、虚拟数字人产业视图

当前虚拟数字人理论和技术日益成熟，应用范围不断扩大，产业正在逐步形成、不断丰富，相应的商业模式也在持续演进和多元化。虚拟数字人的产业链从上到下可以分为基础层、平台层和应用层，如下图所示。

虚拟数字人产业视图

基础层。基础层为虚拟数字人提供基础软硬件支撑，硬件包括显示设备、光学器件、传感器、芯片等，基础软件包括建模软件、渲染引擎。显示设备是数字人的载体，既包括手机、电视、投影、LED显示等2D显示设备，也包括裸眼立体、AR、VR等3D显示设备。光学器件用于视觉传感器、用户显示器的制作。传感器用于数字人原始数据及用户数据的采集。

芯片用于传感器数据预处理和数字人模型渲染、AI计算。建模软件能够对虚拟数字人的人体、衣物进行三维建模。渲染引擎能够对灯光、毛发、衣物等进行渲染，主流引擎包括Unity Technologies公司的Unity3D、EpicGames公司的UnrealEngine等。总体来看，处于基础层的厂商已经深耕行业多年，已经形成了较为深厚的技术壁垒。

平台层。平台层包括软硬件系统、生产技术服务平台、AI能力平台，为虚拟数字人的制作及开发提供技术能力。建模系统和动作捕捉系统通过产业链上游的传感器、光学器件等硬件获取真人/实物的各类信息，利用软件算法实现对人物的建模、动作的重现；渲染平台用于模型的云端渲染。解决方案平台基于自身技术能力为广大客户提供数字人解决方案。AI能力平台提供计算机视觉、智能语音、自然语言处理技术能力。平台层汇聚的企业较多，腾讯、百度、搜狗、魔珐科技、相芯科技均有提供相应数字人技术服务平台。

应用层。应用层是指虚拟数字人技术结合实际应用场景领域，切入各类，形成行业应用解决方案，赋能行业领域。按照应用场景或行业的不同，已经出现了娱乐型数字人（如虚拟主播、虚拟偶像）、教育型数字人（如虚拟教师）、助手型数字人（如虚拟客服、虚拟导游、智能助手）、影视数字人（如替身演员或虚拟演员）等。不同外形、不同功能的虚拟数字人赋能影视、传媒、游戏、金融、文旅等领域，根据需求为用户提供定制化服务。

2、虚拟数字人重点领域应用环境及典型应用案例分析

虚拟数字人应用给传统领域带来变革。金准产业研究团队分析认为，通过虚拟数字人产品与生产生活相融合，其规模化、可定制化、可复制化的能力能够推动改善传统环节流程、提升效能、降低成本等，大幅提升业务体验，给传统领域带来变革。典型的应用领域、场景及充当的角色如下图所示。

虚拟数字人应用领域、场景及角色

虚拟数字人+影视。特效电影广受市场认可，扶持政策的密集出台，以数字替身为代表的虚拟数字人+影视类的产品应用正在展现广阔的市场前景。影视是对视觉效果的要求最高且最大程度影响社会对数字人形象认知、品牌的一个领域。近年来中国影视数字人特效取得快速发展，部分特效大片获得市场认可。2019年中国影视票房收入超过640亿级别，连续多年增长8%左右，其中特效电影约占10%。国家对于影视特效的发展十分重视，先后出台了一系列相关扶持政策。

2019年，科技部、文化部联合六部委发布《关于促进文化和科技深度融合的指导意见》，提出加强激光放映、虚拟现实、光学捕捉、影视摄录、高清制播、图像编辑等高端文化装备自主研发及产业化。2020年，国家电影局《关于促进科幻电影发展的若干意见》，提出以科幻电影特效技术发展引领带动电影特效水平整体提升，并要落实财税支持政策，同时对入驻影视文化基地的科技企业进行租金减免。

于2019年2月22日在中国内地上映的《阿丽塔：战斗天使》是虚拟数字人技术与影视相结合的典型应用案例之一。剧中的女主角阿丽塔是一位完全采用数字人技术制作的角色。该电影通过采用特殊的面部捕捉仪器对真人演员人脸细节进行精准捕捉，然后将其作为电脑中虚拟角色的运动依据，使虚拟角色的动作和表情能像真人一样自然逼真。

2013-2019中国电影票房收入增长趋势

中国内地电影票房总收入TOP10

虚拟数字人+传媒。以虚拟主播为代表传媒行业应用很好的满足了媒体传播领域对内容生成方面的业务需求，成为了融媒体时代的传媒利器。据金准产业研究团队根据相关产业数据统计，2019年中国视频直播行业收入达到1082亿人民币，全国有3.9亿人在关注虚拟偶像，其中最大的二次元活动社区B站月活用户达1140万，虚拟主播占直播营收40%。

同期，B站、虎牙等大型直播平台也都开启了线上、线下虚拟主播活动。如Bilibili MacroLink系列活动VR直播观看如数达到660万，10万级的“up主”（指在视频网站、论坛、FTP站点上传视频音频文件的人）就可以达到100万级真人主播的应收。

此外，在传统媒体领域，以虚拟主持人为代表的数字人应用也开始进入公众视野。在2019年央视网络春晚舞台上，以撒贝宁为原型制作的AI虚拟主持人“小小撒”首次上岗与原型同台秀技。这也是国内第一次人类主持人和自己的虚拟孪生数字人共同主持大规模的国家级文化活动，引起了业界及网民的强烈关注。

虚拟数字人+游戏。游戏市场日趋激烈，对于精品的需求日益增长，或是虚拟数字人技术在该领域落地的福音。2019年游戏市场规模达到2300亿，其中与数字人相关度较大的RPG类游戏约占30%的份额。我国国内游戏监管环境和游戏版号审批政策仍旧趋严，游戏用户数相比2018年仅增加0.1亿，市场竞争日趋激烈，对于精品的需求越来越高。

虚拟数字人技术则能够有效简化和加快游戏动画制作过程，可以在有限成本的情况下让游戏中更多的虚拟角色都具备丰富的肢体动作和精细的面部表情，给玩家带来更沉浸的游戏体验。例如网易伏羲实验室成功将虚拟数字人技术应用到《逆水寒》等多个游戏剧情动画场景制作中，在无手工参与下，快速生成动画，这使得大量的虚拟角色都能富有视觉的表达能力。

2015-2019中国游戏市场实际销售收入

虚拟数字人+金融。虚拟数字人能够有效助力金融机构实现“降本增效”，各大金融巨头争相布局“数字员工”。运用金融科技实现“降本增效”应对市场竞争成为金融行业发展共识，以科技为核心的竞争导向，带来了金融机构信息科技投入的逐年增加。据轻金融统计，2019年，16家全国性银行科技总投入超千亿，总计1034.1亿元。其中工农中建四大行投入均超过100亿元，建行投入最高，达到176.33亿元。

虚拟数字人拥有拟人的表情动作，可进行智能对话，能够与服务类场景较多的金融行业天然结合。多家金融机构正利用虚拟数字人技术打造“数字员工”，成为了科技创新、降本增效的重要方向。以中国工商银行为例，其推出的数字人银行员工，在移动终端和大屏等媒介上展现数字拟态形象，能够在产品营销讲解、金融业务办理、资讯播报、咨询问答等多个业务场景，实现与用户的可视化交互，为用户带来个性化服务，有效解除用户顾虑，提升用户体验和驻留时间，真正让数字化服务“听得见”的同时也“看得见”。

部分国际领先金融机构信息技术投入金额与增速

全国性科技总投入与占营收比重

虚拟数字人+文旅。数字文旅产业表现突出，以虚拟讲解员为代表的虚拟数字人应用或为其贡献蓬勃力量。据中国旅游研究院统计，2019年前三季度，文旅营业收入62187亿元，比上年同期增长7.6%，特别是数字文旅产业表现突出，成为文旅产业转型升级的重要引擎。金准产业研究团队分析，数字文化内容与互联网旅游、智慧旅游、虚拟旅游等新模式联动发展，特别是疫情期间得到不断增长。

目前，虚拟数字人在文旅领域暂时还没有落地产品，但相关概念产品已经开始映入公众眼帘。例如商汤科技在2020世界人工智能大会（WAIC）上展示的AI数字人“小糖”。“小糖”可依托于展台前的滑动屏幕，为观众介绍和讲述预先设定好的讲解内容。虚拟数字人带来的全新展示方式和讲解模式，在帮助文旅场馆解决人力不足问题的同时，更凭借其智能化、电子化和展示效果多样化的特性，为文旅行业的未来带来更多可能性。

2012-2019全国国内旅游人数

四、虚拟数字人发展趋势和制约因素

1、虚拟数字人未来发展趋势

虚拟数字人的采集、制作流程逐步简单化、一体化，迭代式提升真实感。未来数字人的制作技术将会变得更加简单，会有更加一体化、自动化的设备同步获取模型、身体、表情、手指运动、声音等所有数据，无需穿戴专业传感设备。在特定的环境下人们甚至无法分辨数字人的真假，可以更加自然与数字人交流互动。

虚拟数字人的交互方式衍变，智能化程度不断加深。全双工技术将推进数字人的交互方式衍变，让数字人拥有一次唤醒、多次交互的能力，具备实时智能响应、智能打断、智能纠错、多轮对话等功能。另外，随着计算机视觉、语音和自然语言处理等人工智能技术的不断进步，虚拟数字人将逐渐具备“看”、“听”、“说”、“懂”的能力。

虚拟数字人逐渐实现在多场景、多领域的融合、应用、落地。尽管目前数字人的发展环境、整体情况还处于尚未成熟的起步阶段，但随着虚拟数字人技术的精进、市场价值的释放，其将更全面、更深入地融入影视、金融、文旅等各个领域，充分发挥应用价值，迸发巨大的潜力。

2、虚拟数字人发展制约因素

目前，制约虚拟数字人产业发展的因素主要有以下几个方面。

政策环境层面，行业依然处于培育期，缺乏政策与资本扶持。一是缺少上下游协作交流平台，制约整体产业化发展。虚拟数字人产业链长，参与主体多，既有大型平台企业、也有中小单位和初创公司，行业沟通成本高。二是行业投资回报周期较长，为数字人产业投资竖立了“无形壁垒”。数字人产业还不完全成熟，投资回报周期较传统技术应用更长，缺乏长期耐心资本来扶持企业成长。由于缺乏资本力量的推动，各产业规模扩张与资源整合的进程相对滞后。

技术应用层面，制作方式自动化程度低、生产门槛高，关键技术还不够完全成熟。目前3D数字人建模依然需要大量的人工制作参与，整体制作效率相对较低，与部分应用场景快速、批量制作的需求并不匹配。此外，在虚拟数字人的关键技术方面，还存在实时面部表情捕捉与还原精准度不足、语音识别在强噪声干扰及远场识别等方面还很难达到实用化要求等瓶颈，需要加大研究力度以提高算法精度。

人才培养层面，技术人才、综合人才极度缺乏，人才供应体系不完善。数字人的技术跨度大，从制作端的美术师、模型师、绑定师、材质师、动作捕捉师、灯光师、特效师、摄像师、导演、特效演员，到技术端的光学工程师、硬件工程师、软件工程师、算法工程师、系统工程师，以及运营端的产品经理、经纪人等每一个环节的人才都很重要，急需一套完善的人才供应体系，特别是跨界人才体系，才能保障产业的良性运转。

标准体系层面，行业内缺乏统一技术标准和体系，产品质量良莠不齐。数字人的产业处于发展初期，制作型公司、技术型公司、运营型公司、应用型公司均已入场，但各企业的技术、产品质量差异较大。通过建立虚拟数字人的技术、产品标准体系，保护优质数字人厂商，促进行业健康发展。

安全伦理层面，相关法律法规和伦理规范尚待完善，存在潜在风险。虚拟数字人技术在发展中会引发一些法律问题和伦理风险，需要提前建立相关制度进行防范。虚拟世界里面的虚拟人物所有权、犯罪行为尚没有法律上的界定。虚拟数字人带来的沉浸式体验可能会对用户的精神、心理状态带来影响，改变用户在脱离虚拟世界后的行为，比如可能会增加暴力倾向，存在一定伦理风险。

金准产业研究团队认为，现在，在AI+5G的加持下，“虚拟数字人”的蓬勃发展才刚刚开始，而这只是第三产业智能化趋势的一个缩影，随着我国产业转型升级的脚步逐渐加速，将会有各种形态的虚拟数字人出现在各行各业。

前言

随着深度学习的出现，传统安防产业正加速向视频物联转型，非智能时代下的安防项目主要任务是将画面转换为视频并进行存储，智能物联时代下安防厂商利用视频数据的能力也随之提升，新增了将视频图像转化为二维数据标签、并进一步还原为三维世界信息的能力，可在此基础上开发新应用，基于大数据为客户创造更大价值。

在转型过程中，整个行业的商业模式由“硬件为主、软件配套”转变为“软件为主、硬件为辅”，业务重点发生变化。根据IHS数据，全球传统安防产业的市场规模超3000亿美金，而视频物联是一个数倍于传统安防产业的庞大市场，空间更广阔。

一、视频物联，安防新形态

传统安防产品种类很多，主要有视频监控、实体防护、防盗报警、报警器等产品。

视频监控：视频监控占安防产品市场5成左右，主要由安防摄像头构成。安防摄像头经历了模拟、数字、网络、高清的升级过程，目前在向AI智能方向发展。

实体防护：实体防护市场主要包括人力安保、防盗门、防盗窗、防盗锁等服务或者产品。

楼宇对讲：主要应用于高层住宅小区，可以实现访客、住户和物业管理中心相互通话、信息交流。包括对讲器、门口主机、分机、终端机、管理机等产品。

出入口控制：主要应用于社区、写字楼的进出口，分为车辆管理与人流管理两类。主要包括停车场管理系统、车位引导系统、门禁、道闸、折叠门、收费管理系统、通道管理、岗亭等。

安防产品分类

2018年中国安防产品占比结构

现在，传统安防产业正加速向视频物联转型。

视频物联时代的产品品类

安防行业安防下游应用广泛，根据产业特点可分为政府端、商业端、SME市场三大类：

政府端：包主要用于公安治理、交通监管、司法等方面。

商业端：需求分散，按照行业可以分为文教卫，医疗，能源，金融等。

SME市场：主要由小商铺、小企业、家庭安防构成。

安防产品在各应用行业占比

1.1细分行业产品形式

平安城市：是由公安部牵头，为了维护社会安定和谐而建设的特大型综合性信息化管理系统。主要嵌于各地具体的安防项目中。

金融行业：包括ATM机安保、银行大厅监控、银行柜台监控、银行周边监控等。

智能交通：车速监控、车牌号识别、电子警察、交通卡口、交通流量统计、公安交通集成指挥系统。

工厂/园区：安防监控、生产监控、员工人脸识别、防盗报警系统、出入口控制、电子巡更系统。

楼宇/物业：社区安防监控、业主识别、防火报警等。

教育/学校：校园安防监控、校园周边监控、学生识别门禁、电子围栏等。

卖场/零售：商场防盗监控、防盗门、防盗箱等。

医疗：安防监控、患者状态监视等。

能源/环保：厂区安防监控、设施工作状况监视、电子围栏、防盗设施、信息保护系统等。

电力/水利：安防监控、电子围栏、厂区周围环境监控等

司法监狱：报警系统、音视频监控、门禁系统、对讲系统、会见管理系统等。

其他新兴领域：无人机、视觉机器、无人仓储物流、无人商超等场景。

视频物联时代下，下游应用的变化：

不变：下游应用范围大致相同，同样可以分为政府、商业、渠道

变化：决策权上移或后移；下游应用的覆盖广度与深度均有显著优化（如新增智能看护等新需求）

下游应用变化

1.2行业特征的变化

1、从孤立、非智能走向互联、智能。金准产业研究团队认为，在传统安防时代，关键词是看得清，核心是记录；在视觉物联时代，关键词是看得懂+连接，核心是赋能。

行业特征的变化

2、从安全防护到助力企业数字化升级。

行业特征的变化

在商业模式上，传统安防主要有以下三种：

政府端：政府端安防市场主要以项目招标的形式实施，由中标方直接对接政府部门，向各类软硬件厂商采购所需硬件、软件，并负责设备的安装。项目规模差异较大，从几十万至亿元波动。中标方主要有通信运营商、安防厂商、安防集成商构成。

商业端：商业端的服务形式主要包括两种：1、文教卫等事业单位：与政府端类似，多以项目招标的形式，项目集成商负责投标以及向上游采购软硬件。项目规模与单位的规模相关，小学的安防项目规模在几十万至上百万左右，大学的安防项目规模则在数百万以上（如中国药科大学2019年平安校园预算610万元）。2、其他行业：由项目集成商提供集成服务与安防厂商直接提供安防系统解决方案两类形式构成。项目规模较大，一般在百万级以上。（邮储银行四川分行安防项目规模345万元）。

SME市场：家庭、小商铺：以零售为主，通过商场、电商等平台直接购买，自行安装或者技术人员上门安装。摄像头的价格与性能有关，在150-4000元左右。自行安装与集成商安装价格差异较大，如中型超市的自行安装大概7000元（仅需硬件费用），安装商报价20000以上。小企业：以安防集成商为主，由安防集成商提供解决方案，搭建安防监控系统。企业规模越大，系统价格越高，一般在几十万左右。

而在视频物联时代，商业模式会发生根本性的变革，具体表现在：招投标模式继续，同时联合开发等新合作模式占比扩大，现在与运营商的合作更多；与下游客户的互动方式逐渐变化，软件端的粘性更强。

商业模式的变化

金准产业研究团队分析，在产业链价值上，传统安防时代：上游为设备零部件厂商，包括图像传感器、芯片、存储、镜头、视频算法等。芯片价格决定产品成本；中游为安防产品软硬件厂商、工程商（集成商）、运营商等厂商。安防中游市场，国内安防工程：安防产品：安防服务价值占比为6:3:1，国外市场安防服务价值占比相对较高；下游包括使用安防设备和系统的各个应用行业。海外市场受国际形势影响大，国内市场以平安城市、智能交通、金融、文教卫等行业应用为主。

产业链价值的变化

而在视频物联时代：上游：AI芯片价格成为决定整体成本的关键因素；中游：软件产品和服务环节价值占比进一步提升；下游：应用范围进一步拓宽。

行业壁垒的变化

定量看，传统安防行业规模：

全球市场：安防行业产值规模在3000亿美元以上，整体增速维持7-9%。

国内市场：规模在8000亿元以上，增速10-15%。

海外市场：规模在10000亿元以上，增速5-10%。

▲安防行业规模

定性看，传统安防行业未来仍会持续增长。安防行业最主要的特点就是稳定，2014~2019年间全球增速稳定在5~10%，国内增速稳定在10~15%左右。传统安防行业可看成是整个社会公共安全的一份保险，安防支出可比保费支出，会长期、稳定且持续的存在。根据wind数据，2019年我国寿险、财产险、人身险分别为2.28/1.16/3.10万亿，过去20年CAGR分别为18%/17%/20%，长期维持稳定且持续的增长。

分领域的项目金额（单位：万元）

视频物联是未来物联网未来最重要的数据入口之一，下游需求扩张至数万亿元，且新需求源源不断地涌现，其中商业端天花板提升幅度最大。

视频物联

二、视频物联国内市场

国内的安防市场总体来说有三大特点：1、中国是全球最大的安防市场，安防产业规模约8260亿；2、国内安防产业以视频监控为主导，视频监控规模约1400亿；3、中国市场向视频物联转型节奏领先全球。

国内安防市场

国内视频物联产业结构拆分

产业画像——过去政府主导，未来商业端兴起。传统安防，政府工程推动为主，商业端渗透率处于低位，民用市场尚未兴起。安防龙头的国内营收季度增速与政府在安防领域的投入呈现正相关关系，可以验证国内安防产业增长动力主要来自政府需求。

未来，金准产业研究团队预测，视频物联产业兴起后，AI化场景下大企业需求边际改善，商业端需求有望成为产业发展主驱动力。

国内两大龙头营收结构

现在，安防智能化方案多样化，前端、边缘或云端方案并存，但目前整体AI渗透率仅为个位数。随着国内海思等厂商推出高性价比ASIC芯片，加速安防产业向视频物联转型。

国内厂商近期推出的安防AI芯片

下面金准产业研究团队分别从政府端、商业端和渠道端三方面来分析未来安防视频物联的趋势。

2.1首先政府端，公安+交通将构成主要市场

政府端主要包括公安、交通，还包括司法等其他行业：公安占比较大：需求偏维稳。2001年开始建设，一二线城市设施相对完善，主动力来自以雪亮工程、新型智慧城市为代表的政府项目；交通占比较小：需求偏基建。渗透率低于公安，同样靠政府类项目拉动，未来增速更高。

国内政府端安防市场下游分布

国内政府端安防市场的迅速发展，依靠政府在资金和政策上的大力扶持：中国在公共安全领域的财政支出逐年增长；安防行业快速成长始于2003年平安城市工程；平安城市、智慧城市、雪亮工程等政策渐次落地，持续推动安防建设。

全国公共安全财政支出逐年增加

平安城市、智慧城市、雪亮工程

现阶段：雪亮工程、新基建等轮番拉动。

雪亮工程：整体空间在1400亿左右。2017年“雪亮工程”项目数705个，2018年290个，2019年381个，目前渗透率较低（约50%），预计仍需4~5年时间基本完成建设。

新基建：2020年3月中央政治局会议提出加快新基建建设力度，新基建中的5G、人工智能、大数据等技术都是智慧城市的重要基础设施，这些技术的加速发展将为新型智慧城市的建设打下良好基础。

雪亮工程项目市县区及建设模式占比地级市层面的典型雪亮工程项目

存量替换需求。前端存量替换：全国3.5亿个摄像头，存量空间较大；视频监控设备寿命一般为5年，政府端一般3~4年更快。

整体系统升级替换：国内对安防设备的利用方式较原始，仍以人工方式处理视频为主；进行软硬件一体化升级，可大大提高用户效率，于5秒内实现人工30天的工作量。强化中心控制设备，升级安防系统也带来大量替换需求。

智能化升级需求。智慧安防首先落地政府市场，长期看千亿市场空间。AI有望为安防带来质的改变，由被动监控变为主动分析，由事后处理变为事前预警；传统安防系统中前端价值占比近30%，智能化升级后AI摄像头占据大部分成本；长期看，政府端视频监控将100%替换为AI设备；短期看，受限于高成本，大范围普及尚需时日，目前渗透率仍在个位数；国内AI芯片龙头计划20年H2推出升级版安防ASIC芯片，价格有望下探至10~20美金，相比英伟达TX系列GPU芯片100美金量级的ASP，海思新产品的发布将助力安防产业的视频物联转型进程，并有望从政府端拓展至商业端。

视频监控AI渗透率加速提升

近期招投标数据逐步回暖，全年有望稳增长。

政府端需求逐步复苏：总体逻辑：政府招投标项目的减少主要由于国内去杠杆以及疫情导致需求滞后释放。随着政府财政政策逐步转向积极，叠加新基建带动需求释放，预计下半年政府端需求有望迎来反弹。数据验证：我们统计的2020年前5月政府安防项目招投标额同比均下滑9%，与一季度相比已有明显改善（20Q1招投标金额分别同比-19%/-29%），我们预计2020年全年政府端保持稳健增长。

政府安防项目数量月度统计

政府安防项目金额月度统计

2.2商业端：从安全防范到效率提升，企业数字化升级

视觉物联时代商业端变化

商业端：以零售业为例——传统模式下市场空间。

单店模型：便利店：100m2便利店×2路普通摄像头/100m2=2路摄像头/店（约600元），配套设备有交换机、硬盘、显示器等（约1000元）。便利店面积在30~150m2，平均单店价值量约在1500元左右。超市：1000m2超市×2路普通摄像头/100m2=20路摄像头/店（约6000元），加上配套设配（4000~6000元）。超市面积在500~6000m2，平均单店价值量约2万元左右。购物商场：根据产业调研，大型商场的安防设备需求在8~14元/平米。购物商场面积在0.6~10万m2，平均单店价值量约50~70万元左右。

门店数量：便利店（12万）+超市（10+万）+商场&购物中心（约1万家）；理论市场空间：便利店（~2亿）+超市（20~30亿）+商场&购物中心（50~70亿）=~100亿；渗透率：较高。

中国便利店现状

所以，AI升级时代市场空间也可以很容易测算，如下图。

AI升级时代市场空间

另外，在教育、工厂、制造、溯源监管、物流、煤矿冶金、石油石化、电力行业视频物联也有着很大的升级前景，尤其在B端有广泛应用，大部分领域渗透率正处于从0到1的过程，潜在市场空间可观。

视频物联潜在空间

2.3在渠道端：针对SME客户，龙头占据主导

渠道端市场特征：客户类型：主要针对家庭及小微企业客户（如商超）；销售模式：可分为线下、线上推广渠道，目前仍以线下为主。线下渠道即第三方经销商，如零售商的卖场；线上渠道即淘宝、京东、自营电商等；厂商布局：海康威视等厂商拓展渠道端市场时，以主品牌和创新品牌双管齐下；市场空间：目前渠道端整体空间约400亿元（视频监控口径），其中海康、大华占据大部分市场；根据金准产业研究团队测算潜在市场空间在千亿元以上，若考虑视频物联转型，实际空间更大。

国内民用安防厂商布局

国内渠道市场规模测算

需求升级：从单品到套装/方案，从纯硬件到软硬件结合（云服务等），AI及IoT需求兴起。龙头布局：海康推出海康云商，大华推出大华渠道，推动渠道市场的云化、数据化、可追踪化，加强对经销商管理，进而实现渠道行业的规范化；同时搭配线下分仓仓储渠道，更适应现代物流方式，帮助下游客户实现快周转，整体将更具有规模效应。

目前国内安防企业发展主要有两个特点：集中化和智能化。

安防行业现状

疫情冲击下，龙头厂商有望加速整合市场。2020年3月15日，全国安协合作互助联盟与中安网邀请全国安防企业参与《2020年企业复工复产》问卷调查，共回收205份有效问卷，调查结果如下：

七成企业Q1订单减少，供应链尚未完全恢复。根据问卷调查反馈，1）需求端：受疫情影响，除了红外测温等抗疫产品紧俏外，其余安防产品销售情况均有所下滑，有73%的安防企业表示Q1订单减少，仅有10%的企业表示订单未受影响。2）供给端：30%的企业表示产业链尚未恢复，供应链生产受较大影响，53%的企业表示供应链生产部分受影响。此外，受物流运输、人工成本等因素影响，部分原材料开始出现涨价现象，54%的企业表示原材料有涨价情况，涨幅在10%~30%范围之内。

安防厂商面临不同程度压力，或将引发新一轮洗牌。疫情影响下，安防厂商面临多重压力，1）需求延迟释放，订单同比减少，营收增长动力不足；2）项目停工导致前期垫资难以及时回收，部分安防厂商现金流紧张；3）下游客户对红外测温、智能化需求增加，对安防厂商创新能力提出更高要求。我们认为，行业内规模小、创新能力不足的厂商或将加速退出安防市场。

2020年新冠疫情先在国内爆发，后又在全球范围内蔓延，已成为较为严重的全球公共卫生事件。安防厂商全年业绩预计将持续承压。在此背景下，良好现金流是支撑厂商顺利渡过“寒冬”甚至阶段性提高份额的重要能力。龙头厂商资金实力雄厚，有望顺利穿越行业底部，同时保持份额甚至进一步整合上下游资源。

目前，竞争格局的逻辑更多的转向“软件”布局。项目化、定制化方案的行业特点：要求多层次软件布局，强调不同软件的组合能力；场景化、碎片化的行业应用特征：合作伙伴赋能有限，VS手机大单品；中台能力重要性凸显：软件的组件化，组件的可复用性；同时不能放弃定制，研发下沉。

视频物联厂商典型业务架构

供应链方面，为应对海外供应链不确定性，安防龙头积极备货：

2019年海康威视新增近55亿存货，其中关键零部件备货周期在1~2年；

大华股份同样积极对关键元器件备货，2019年存货中原材料账面余额新增6.8亿元。

供应链情况研究：前端摄像头产品：基本实现国产替代，AI芯片基本具备国产化能力；安防镜头的采购：以国内的舜宇光学科技、联合光电、福光股份等为主；CMOS传感器的采购：国内豪威科技（韦尔股份）、格科微等，高端部分来自索尼等；编解码芯片的采购：IPC芯片以海思为主，ISP芯片以富瀚微为主，国内厂商均占主流；电源管理芯片的采购：以TI、安霸等国际厂商为主，海康大华正积极导入非美国供应商；新加入的AI芯片：实验室阶段主要采购自英伟达GPU，目前国内的海思、寒武纪等厂商已可提供替代的SoC产品方案。

中后端产品：安防龙头携手供应链厂商积极研发替代方案；DVR/NVR芯片：供应商以海思为主；存储硬盘：安防主要采用机械硬盘，主要采购自希捷、西数，可采用高成本SSD方案替代；服务器CPU：公司目前服务器以x86架构为主，CPU供应商主要为Intel；国内厂商兆芯、海光正研制x86架构CPU，目前已有产品落地，性能上较国际大厂仍有距离；华为基于鲲鹏920芯片推出泰山服务器（ARM架构）。

供应链拆解——前端摄像机

供应链拆解——AI摄像机、DVR/NVR、服务器

国产替代趋势

三、海康威视

海康威视是由“浙江海康信息技术股份有限公司”于2001年正式成立，最初公司持有百分之五十一的股权，另外百分之四十九的股权由龚虹嘉持有。海康威视主要生产符合视频监控市场的产品。它将其年收入的8％用于研发。

在技术上，海康新架构特点是组件复用，效率提升。

组件：能独立完成某项技术或业务任务的软件单元，以可复用为目的进行软件的组件化拆分和设计，包括基础环境组件、通用服务组件、共性业务组件和行业业务组件。

构架：组件集成和运行的基本环境，满足不同业务场景提炼的海康域见和海康云远两大构架已逐步成熟，支持了大量软件产品和定制化应用的开发。

目前，海康威视在统一软件技术架构的开发模式下，软件产品中组件复用率达到93%，平均每个产品新增组件数仅为5个。

海康威视统一软件技术架构

组件复用的两种方式

3.1海康威视的短期驱动力是政府回暖、红外爆发、商业端韧性足

政府端需求回暖：受益于政府积极的财政政策，相关需求逐步回暖，我们统计的2020年前5月政府安防项目招投标额同比均下滑9%，与一季度相比已有明显改善（20Q1招投标金额分别同比-19%/-29%）。

疫情背景下红外测温需求猛增：2020年受到疫情冲击，全球安防需求受到抑制（国内率先复苏），与此同时红外测温需求猛增，国内往年不足千台，而预计今年出货量达15~20万台（含出口）。

商业端需求具备韧性足：一方面，垃圾分类等新兴应用场景出现，带来增量需求；另一方面，商业端需求转变为企业效率提升，驱动单项目ASP大幅提升，预计商业端增速高于国内整体市场。

3.2 AI替换和创新业务高增长将是其驱动力

AI：AI产品单价逐步降低后，渗透率逐步提升，若渗透率达到35%，市场规模有望突破千亿，长期看政府端有望100%覆盖，商业端也将逐步渗透。

海康威视中期驱动力

海康威视创新业务

3.3长期驱动力是基于视觉的智能物联转型

发展趋势：随着AI、IoT、大数据技术渗入摄像头，安防行业边界不断模糊，视频大数据的应用范围不再局限于传统的安全防护领域，逐渐应用到非安防领域（如商超、酒店、银行等），基于视觉技术的智能物联市场逐步成型。

市场空间测算：基于视觉的智能物联产业空间远大于传统安防，预计未来将超数万亿元

竞争格局：传统安防龙头与跨界企业纷纷涌入，短期内双方在竞争中前行，目前两类公司业务边界逐步走向清晰，长期来看安防龙头与科技巨头将合作共筑视频物联生态。海康威视作为传统安防龙头，在算力、算法、数据等关键领域积累雄厚，有望在转型过程中持续领先。

四、大华股份

除了海康威视，国内另一大安防巨头是大华股份。大华深耕安防领域18年，已从最初的视频压缩板卡研发制造商发展为以视频为核心的智慧物联解决方案提供商，连续十年荣获安防十大品牌，稳居安防业龙头地位。

大华股份状况

业务占比：17年之前分为前中后端，17年开始采用解决方案与业务分类。

毛利率对比：19年比海康低4.9%，差距逐步缩小；

净利率对比：与海康差距维持在10%左右

作为全球仅次于海康威视的安防龙头，持续深化传统安防布局，受益龙头优势公司国内外市占率持续提升。另一方面，公司持续推动的内部改革也为公司“稳安防”提供了良好的人力和制度基础。

在驱动力上，大华同海康威视。短期看政府端回暖+红外爆发+商业端韧性足，中期看AI替换+创新业务高增长，长期看视觉物联转型。
大华股份驱动力

结语

金准产业研究团队认为，目前，安防的触角已经延伸到交通、家居、教育、医疗、城市级应用等领域，逐步形成包括智能交通、智能家居、平安城市、安防+人防、安防云在内的新兴市场。可以说，物联网对安防行业的发展起到决定性的作用。越来越多的传统安防企业通过“物联网”寻求更多元化的发展，旨在为用户带来更好的使用体验。而视频物联更是给安防行业插上了翅膀，物联网通过前端的感知系统采集，经过传输网络的数据汇总，进而实现海量感知数据的应用。同时也促进安防系统逐步从单纯的安防监控向行业安全化和可视化管理方面进行转变，系统架构也从简单孤立的系统向与业务密切相关的综合性管理平台进行演变。

前言

2019年是5G商业应用元年。从5G的商业推广到发放5G牌照，再到下半年5G手机、5G套餐纷纷出炉，都在宣告着我国已经正式进入5G时代。在进入5G时代后，射频芯片成了行业热议焦点。

任何一部手机，都必须有无线通信功能才能上网打电话，否则就是一块砖头，因此所有的手机中都安装有无线通信功能的射频芯片。

一、什么是射频芯片？

1.1射频

射频（RF，RadioFrequency），表示可以辐射到空间的电磁频率，频率范围从300kHz～300GHz之间。射频是一种高频交流变化电磁波的简称。射频芯片，是能够将射频信号和数字信号进行转化的芯片，具体而言，包括RF收发机、功率放大器（PA）、低噪声放大器（LNA）、滤波器、射频开关（Switch）、天线调谐开关（Tuner）等。

手机射频芯片逻辑关系图

射频前端器件均有由半导体工艺制备，用于手机端的功率放大器和低噪声放大器主要基于GaN、GaAs、SOI、SiGe、Si（用于基站端的大功率功率放大器主要采用GaAs和GaN）。滤波器主要品类有SAW和BAW两种，均采用压电材料做基底。RF开关主要基于CMOS、Si、GaAs和GaN材料。射频前端器件均有由半导体工艺制备，用于手机端的功率放大器和低噪声放大器主要基于GaN、GaAs、SOI、SiGe、Si（用于基站端的大功率功率放大器主要采用GaAs和GaN）。滤波器主要品类有SAW和BAW两种，均采用压电材料做基底。RF开关主要基于CMOS、Si、GaAs和GaN材料。

射频前端器件的工艺技术和应用

1.2 4G手机射频架构

典型的4G手机需要支持约40个频段，如B1、B3、B5、B8、B38、B41等，每个频段都需要有1路发射和2路接收。发射通路上需要滤波器、功率放大器、开关等，接收通路需要开关、低噪放、滤波器等器件。在4GLTE频段划分中，有部分频率相近或重合的频段，可以形成射频前端器件共用，业界通常将4G频段划分为低频（698~960Mhz）、中频（1710~2200MHz）和高频（2400~3800MHz），相应的，对应射频前端器件可以形成低频模组、中频模组和高频模组。

4G手机射频架构

1.3 5G手机射频架构

由于5G增加了新频段，支持新频段就需要增加配套的射频前端芯片。简化来看，射频发射通路主要是PA和滤波器，接收通路主要是LNA和滤波器，其他如射频开关、RFIC、电阻、电容、电感均为核心芯片的配套。

5G手机射频架构

简化示意图

二、射频芯片市场

据金准产业研究团队统计，2018年全球移动终端射频前端市场规模为150亿美元，预计2025年有望达到258亿美元，7年CAGR达到8%。

2018~2025年射频前端芯片市场空间（十亿美元）

市场空间扩大来自于单机价值量提升

2.1射频开关

射频开关（Switch）。射频开关的作用是将多路射频信号中的任一路或几路通过控制逻辑连通，以实现不同信号路径的切换，包括接收与发射的切换、不同频段间的切换等，以达到共用天线、节省终端产品成本的目的。射频开关的主要产品种类有移动通信传导开关、WiFi开关、天线调谐开关等，广泛应用于智能手机等移动智能终端。以智能手机为例，由于移动通信技术的变革，智能手机需要接收更多频段的射频信号。2011年及之前智能手机支持的频段数不超过10个，而随着4G通信技术的普及，至2016年智能手机支持的频段数已经接近40个。5G应用支持的频段数量将新增50个以上，全球2G/3G/4G/5G网络合计支持的频段将超过91个。因此，移动智能终端中需要不断增加射频开关的数量以满足对不同频段信号接收、发射的需求。金准产业研究团队预测，分立射频开关开关的市场规模将从2018年的6亿美元增长至2025年的9亿美元，年均复合增长率为5%。

典型射频开关的原理图

2018-2025年分立式普通射频开关市场空间（亿美元）

天线调谐开关（Tuner）。Tuner主要给天线做配套。全面屏的普及，紧凑的机身设计，智能手机留给天线的空间尺寸不断受到限制，这导致天线系统的整体效率降低，需要天线调谐开关提高天线对不同频段信号的接收能力，天线调谐开关的重要性和需求也日益增长。相较普通开关，天线调谐开关有着极高的耐压要求，同时导通电阻和关断电容对性能影响极大，由此对产品提出了极高的设计和工艺要求。4G手机一般需要4~6个天线，而5G手机至少需要6~10个天线，对应的天线Tuner需求适配性增长。金准产业研究团队预测，天线调谐开关的市场规模将从2018年的5亿美元增长至2025年的12亿美元，年均复合增长率为13%。

2.2滤波器

滤波器（Filter）。射频滤波器的作用是保留特定频段内的信号，将特定频段外的信号滤除，从而提高信号的抗干扰性及信噪比。以声表面波滤波器为例，其工作原理：输入电信号被输入叉指换能器转换成同频率声波，经过输出叉指能换器转换成电信号，实现频率选择。滤波器的市场驱动主要源于新通信制式对额外滤波的需求。在4G以及5G频段的逐步实现，MIMO和载波聚合的应用支持，Wi-Fi、蓝牙、GPS等无线技术的普及等，导致射频滤波器的需求增长迅速。据YoleDevelopment预测，从2018年至2025年，分立射频滤波器及双工器等市场规模将从约31亿美元增长至51亿美元，其中滤波器从约17亿美元增长至27亿美元，年均复合增长率为7%；双工器从约10亿美元增长至16亿美元，年均复合增长率为7%；多工器的市场增长最快，将从约1亿美元增长至5亿美元，年均复合增长率为20%。

2018-2025年滤波器市场空间（亿美元）

2.3低噪声放大器

低噪声放大器（LNA）。低噪声放大器的功能是把天线接收到的微弱射频信号放大，尽量减少噪声的引入，在移动智能终端上实现信号更好、通话质量和数据传输率更高的效果。根据适用频率的不同，分为全球卫星定位系统射频低噪声放大器、移动通信信号射频低噪声放大器、电视信号射频低噪声放大器、调频信号射频低噪声放大器。低噪声放大器的工作原理：输入的射频信号被输入匹配网络转化为电压，经过放大器对电压进行放大，同时在放大过程中最大程度降低自身噪声的引入，最后经过输出匹配网络转化为放大后功率信号输出。随着5G逐渐普及，智能手机中天线和射频通路的数量增多，对射频低噪声放大器的数量需求迅速增加，金准产业研究团队预测，分立射频低噪声放大器市场规模将从2018年的约3亿美元增长至2025年的8亿美元，年均复合增长率将达到16%。

2018-2025年LNA市场空间（亿美元）

2.4功率放大器

功率放大器（PA）。功率放大器（PA，Power Amplifier），是各种无线发射机的重要组成部分，将调制振荡电路所产生的射频信号功率放大，以输出到天线上辐射出去。PA的性能直接决定了无线终端的通讯距离、信号质量和待机时间，也是射频前端功耗最大的器件。根据QYRElectronics Research数据，2011-2018年，全球射频功率放大器的市场规模从25.33亿美元增长至31.05亿美元，年均复合增长率2.95%；预计至2023年，市场规模将达35.71亿美元。PA市场整体增速较其他射频前端芯片增速低，主要是因为高端4G和5GPA市场将保持增长，但是2G/3GPA市场将会逐步衰退。

2011-2023年年PA市场空间（亿美元）

2.5射频芯片

射频芯片：分立式和模组。射频前端模组是将射频开关、低噪声放大器、滤波器、双工器、功率放大器等两种或者两种以上的分立器件集成为一个模组，从而提高集成度与性能并使体积小型化。根据集成方式的不同可分为DiFEM（集成射频开关和滤波器）、LFEM(集成射频开关、低噪声放大器和滤波器)、FEMiD（集成射频开关、滤波器和双工器）、PAMiD（集成多模式多频带PA和FEMiD）等模组组合。持续增加的射频前端器件数量和PCB板可用面积趋紧之间的矛盾促进射频前端模组化发展，越来越多的分立式射频前端芯片通过SiP技术封装在同一颗大芯片里面。从Broadcom的发展来看，2007~2010年主要是分立的射频前端器件，2011~2013年是单颗PA模组，2014年以来持续升级，已经实现多频段PA模组整合。与此同时，Skyworks、Qorvo、村田、高通等射频前端芯片大厂均已推出多品类射频前端模组产品。射频芯片：分立式和模组。金准产业研究团队统计与预测，分立器件与射频模组共享整个射频前端市场。2018年射频模组市场规模达到105亿美元，约占射频前端市场总容量的70%。到2025年，射频模组市场将达到177亿美元，年均复合增长率为8%；2018年分立器件市场规模达到45亿美元，约占射频前端市场总容量的30%。到2025年，分立器件仍将保留81亿美元的市场规模。

2018-2025年射频前端芯片分立式和模组的市场规模对比（百万美元）

2.6接收模组

接收模组（FEM）。接收模组主要指承担下载功能的射频模组，不含PA。以手机为例，与基站通信的过程中，分为上行（上传）和下行（下载），手机上传数据需要手机PA将信号放大，基站处于接收状态；下载数据需要基站方面的PA将信号放大，手机处于接收状态。接收模组主要是射频开关、滤波器、LNA等芯片产品的排列组合。预计射频前端接收模组市场空间将从2018年的25亿美元增长到2025年的29亿美元，年均复合增长率为2%。

2018-2025年接收模组市场空间（亿美元）

功率放大器模组（PAM）。功率放大器模组主要指承担上传信号功能的射频模组，包含PA。以手机为例，与基站通信的过程中，分为上行（上传）和下行（下载），手机上传数据需要手机PA将信号放大，基站处于接收状态；下载数据需要基站方面的PA将信号放大，手机处于接收状态。功率放大器模组主要是射频开关、滤波器、PA等芯片产品的排列组合。以Qorvo某款M/HBPA模组为例，在一颗大SiP封装内，包含有12个滤波器、3个PA、1个控制芯片、1个天线开关和3个射频开关。预计功率放大器模组模组市场空间将从2018年的60亿美元增长到2025年的104亿美元，年均复合增长率为8%。

2018-2025年功率放大器模组市场空间（亿美元）

AiP模组（毫米波天线模组）。由于毫米波频率高，传输损耗大，因此天线和射频前端集成化，典型设计上，将毫米波天线与毫米波芯片封装在一起，业内称之为AiP（antenna-in-package）。现阶段美国5G网络主推毫米波建设，三星美国版搭载AiP模组支持美国5G频段。预计2020年iPhone新品美国版本同样需要配置AiP模组。AiP模组于2019年开始产生销售，主要是美国市场，预计到2025年市场空间将达到13亿美元，年均复合增长率为68%。

2018-2025年滤波器市场空间（亿美元）

WiFi模组。WiFi功能是智能手机的必备，最新一代标准为WiFi6，小米10、华为P40、iPhoneSE2代等2020年新上市手机全面支持。每一次标准升级都会带动相关芯片创新和价值量提升，随着WiFi6新标准的普及渗透，预计WiFi模组市场规模将从2018年的20亿美元增长到2025年的31亿美元，年均复合增长率为6%。

2018-2025年滤波器市场空间（亿美元）

三、竞争格局

射频器件本质上是半导体器件，4G普及高峰过后，射频器件厂商成长性衰退，2014年以来，射频器件厂商收购兼并持续进行。2014年TriQuint与RFMD合并成为Qorvo，2016年高通与TDK共同出资建立RF360，Avago收购Broadcom，传统半导体芯片大厂持续整合，通过收购或者共同投资将各自优势产品结合，寻求产业链更有力地位，争取做到多品类器件供应。总体而言，海外寡头占据绝对份额。全球射频前端芯片市场主要被Murata、Skyworks、Broadcom、Qorvo、Qualcomm等国外领先企业长期占据。根据YoleDevelopment数据，2018年，前五大射频器件提供商占据了射频前端市场份额的八成，其中包括Murata26%，Skyworks21%，Broadcom14%，Qorvo13%，Qualcomm7%。国际领先企业起步较早，底蕴深厚，在技术、专利、工艺等方面具有较强的领先性，同时通过一系列产业整合拥有完善齐全的产品线，并在高端产品的研发实力雄厚。另一方面，大部分企业以IDM模式经营，拥有设计、制造和封测的全产业链能力，综合实力强劲。从旗舰机型拆解看，Tuner用量最多。参考iPhoneXs、三星S20、华为P30、小米8、OPPOFindX等各品牌旗舰手机拆解信息，除Murata、Skyworks、Broadcom、Qorvo、Qualcomm五大厂商之外，主流供应商还有英飞凌、华为海思、索尼、安森美、STM、NXP等。而在射频产品细分品类中，天线调谐开关（AntennaTuner）数量占比最多，达到33%，其他为发射模组（包含HBPAMiD、MBPAMiD、HB/MBPAMiD、PAM）、接收模组（包含FEM、开关低噪放模组）、射频开关和LNA。

旗舰智能手机射频前端芯片供应商分布

旗舰智能手机射频前端芯片细分种类分布

国内厂商起步晚，从分立式起步。相比之下，国内射频芯片公司由于起步较晚，基础薄弱，并且主要集中在无晶圆设计领域。较之国际领先企业在技术积累、产业环境、人才培养、创新能力等方面仍有明显滞后，与美国、日本、欧洲等厂商仍存在较大差距。国内射频芯片厂商从相对成熟的分立射频芯片起步，在5G手机广泛普及前的窗口期，逐步实现中低端机型射频前端进口替代，同时积累模组能力，逐步走向全品类供应。

滤波器和射频开关组成FEM，FEM加上PA组成PAM，从分立到模组，循序渐进

以iPhoneX为例，用到了一颗Broadcom的发射模组芯片，内部包含多个分立的芯片，通过SiP封装为一颗大芯片。在这颗大芯片之中，具体包含2颗PA，12颗BAW滤波器，2颗射频开关，一颗控制IC。除此之外，还有10颗电感和30颗电容。目前本土射频厂商提供的产品主要集中于分立器件，抢占中低端市场份额，且所提供的产品趋于同质化，从而导致市场价格下降、行业利润缩减等状况。结合芯片设计行业的特点，唯有在新技术、新产品等方面持续投入，构建具有自主发展能力和核心竞争力的产业链，才能逐步缩减与国际领先企业的距离。

从华为射频芯片供应商变迁看自主可控。2018年之前，华为P系列和Mate系列的旗舰机型，射频芯片的主要供应商是Murata、Skyworks、Qorvo和Epcos。2018年美国制裁之后，华为供应链逐步放弃美国供应商，采用海思自研和加快引入国内供应商，在2019Q4的Mate30手机中，射频芯片主要来自于Murata、海思和卓胜微。

结语

金准产业研究团队认为，每一次通信制式升级，都是射频芯片价值量提升的机遇。5G手机必然要兼顾2/3/4G，因此5G手机在保留2/3/4G射频芯片的同时，支持5G新频段的射频芯片为全新增量。虽然射频芯片一直以来都是由国外巨头垄断，但国内射频芯片厂商从相对成熟的分立射频芯片起步，在5G手机广泛普及前的窗口期，逐步实现中低端机型射频前端进口替代，同时积累模组能力，逐步走向全品类供应。

前言

当你进入一间被Wi-Fi全方位覆盖的房间，轻点手机上的开关，在灯光亮起的同时，窗帘也缓缓地自动打开……这一串看似行云流水的简单动作，实际上背后联结了包括无线通讯覆盖、智能窗帘、智能单火线开关和手机APP等复杂的软硬件技术。

这些技术和硬件设备在房屋中集成为一体，互相牵连、控制和感应所产生的形态，也就是如今我们常常听到的“物联网（IoT）”。

在刚刚落下帷幕的两会中，总理作《2020年国务院政府工作报告》时重点提出了要支持“两新一重”建设，包括加强新型基础设施建设、发展新一代信息网络、拓展5G应用和建设数据中心等措施。其中，发展新基建就必须加快以5G、AI、工业物联网和物联网等核心内容的建设。

这也将进一步为物联网产业的发展催生了无数新机遇，大量玩家不断涌入，市场热情再度水涨船高。据工信部数据，预计2020年中国物联网市场规模将达到约2.22万亿人民币，首次突破2万亿大关。

在这风起云涌的万亿规模市场中，诞生于2014年的涂鸦智能则是其中的一个推动者和代表。

与无数终端设备玩家的比拼不同，涂鸦智能所瞄准的并不是某个垂直领域的细分赛道，而是一个面向全球化的AI+IoT平台，为消费类IoT设备的升级和商业落地提供一系列解决方案, 包括硬件接入、云服务、APP软件开发三方面，目前已覆盖智能家居、智慧城市、智能商业和智慧工业领域。

一、连接标准“战场”玩家激战，万物互联关卡仍需打通

随着万物互联的理念逐渐深入各行各业，“智能家居”作为一个从几年前智能硬件兴起热潮中就被广泛提及的概念，已发展成一个较为成熟的产业，前有传统家电厂商加速转型布局，后有阿里巴巴、华为、小米等科技公司不断加大投资抢占身位。

1.1智能家居和AIoT两者的边界

智能家居和AIoT两者的边界到底是什么？它们对消费者生活的影响又有何不同？

“智能家居主要还是以家庭生活为主，基于IoT技术和各类通讯协议，实现所有硬件设备的互联互通场景，为用户体会到便捷、便利的同时，拥有更多的个性化体验。”来自杜亚中国区的总经理鲍永林谈到。

杜亚中国智能窗帘产品

在鲍永林看来，AIoT不同之处在于它在万物互联的基础上添加了AI技术，能更为广泛地覆盖人们的生活、工作、旅游和休闲等场景，相对以家庭为单位的智能家居，AIoT则更多地涉及技术层面。

但不管是“智能家居”也好，“AIoT”也罢，在两者发展的过程中，有一个影响产业发展的问题始终存在——连接标准的统一。

简单打个比方，如果你在一间设备连接标准完全不统一的房间里醒来，想要拉开窗帘呼吸新鲜空气，再看一看电视里的早间新闻，在这个过程中，你可能需要更换多个APP软件才能达到你的目的。如果能够统一连接标准，你只需要在床上给智能音箱下达一句指令就能实现。

“目前制约智能家居快速发展的一个关键因素，就是通讯协议没有互联互通。”鸿世电器总经理胡永根谈到，连接标准化的统一不仅仅是一个平台选择的问题，还有连接技术的本身，这需要硬件厂商们更好地做到无缝对接。

1.2如何实现产业互联

问题之下，整个产业既有着各自不同的解法，也面临着新困境。

一方面，近年来“EaaS（Ecosystem as a Service）”——生态即服务的理念逐渐被企业们认可且推崇，包括谷歌、阿里巴巴、小米、华为、海尔等头部玩家们自建生态，上通软件系统及协议，下通各类智能硬件设备，但在激烈的竞争态势下，这些玩家之间协议互通的问题仍未真正解决。

另一方面，一些实力尚未成熟的小玩家们也陷入了僵局，他们既没有庞大的产业链和技术基础布局生态，又无法很好地打入头部玩家们的生态圈。

因此，如何建立一个行业认同度高、生态丰富的统一标准化AIoT平台，也成为行业朝万物互联方向迈进中急需解决的问题。

在这一背景下，涂鸦智能的诞生无疑为IoT行业的发展注入了强心剂。

二、涂鸦IoT开发平台赋能产业

实际上，一家公司开发一个IoT智能硬件并不简单。他不仅需要具备工厂、供应链制造和云端协作的能力，同时还需熟悉APP、硬件开发调试和通信协议等一系列复杂的技术，整体研发成本不仅高，而且开发周期也较长，往往难以跟上市场快速迭代的节奏。

但基于涂鸦IoT开发平台，开发者不仅能通过联网模块迅速地进行软件和硬件的智能化开发，同时还可降低智能化核心硬件的研发难度和周期，以提高产品的迭代速度。

对于涂鸦智能IoT开发平台构建起的合作伙伴生态，磊科实业联合创始人胡强感受颇深。“磊科实业作为一个无线通讯设备厂商，面对客户需求的完美用户体验和场景，如果我们只提供一个智能网关或是简单的手机APP，对客户来说远远不够。”他说。

成立于千禧年的磊科实业，20年来主要从事局域网络、无线网络、SOHO网络以及通讯产品领域的研发和生产。

在AIoT行业发展中，磊科实业通过涂鸦智能IoT生态所提供的大量智能产品，选择与客群、销售渠道相关的产品形态与自身的产品进行组合，与生态中的厂商互补协作，进一步实现共赢。

三、打通超9万款不同种类设备，智能标识串联AI生态

除了为客户和开发者提供高效统一的IoT开发平台，涂鸦智能也将万物互联的统一和便利性贯彻到了终端产品中。

由于AIoT市场尚未成熟，连接标准统一的格局和生态也并未完全确立，市场中的各类品牌智能家电产品为了占据一席之地选择自建体系，导致整个市场的品牌都犹如一座座信息孤岛，难以实现互联互通。

这就让消费者面临一个十分尴尬的境地，他们在购买智能家电产品时必须只选择同一个品牌，不然很可能就需要为了控制不同的家电而专门下载不同的APP，从而大大增加使用成本。

为了解决这一问题，涂鸦智能打造了“Powered by Tuya”生态，能够让其他同样拥有该标识的不同品牌、不同品类的产品，通过一个APP就可实现控制，直接串联起一个互联互通的IoT场景。

“以前我们为客户安装智能家居产品时，都要先到客户家里看施工布线，若布线不到位，我们还需要重新施工布线。”在段生运看来水电产品中智能开关的随意双控、随意场景都是刚性需求。

“水电产品在装修环节中是先进场，后收场。如果选择了我们的智能开关，那么后续产品电动窗帘、安防配件乃至其它家电都需要在统一的一个平台APP下控制，只能去选一个生态体系内的产品。”段生运表示，与涂鸦智能Powered by Tuya 生态合作，解决了单火线智能开关随意双控、随意场景的痛点，不挑施工布线，通过涂鸦智能IoT开发平台实现了产品互通。

从另一角度看，涂鸦智能Powered by Tuya生态也为合作伙伴打开了更广阔的市场。

涂鸦智能的平台可以快速为海外客户提供各种各样的解决方案和产品，而通过与涂鸦合作，我们的产品也将随着一同走到海外市场，金准产业研究团队认为这是涂鸦生态的优势之一。通过涂鸦平台的技术，他们能开发出各类应用方案和产品，真正实现设备和设备之间更深层次的连接。

目前，Powered by Tuya已打通超9万款不同品类的设备，产品和服务已遍布全球220个国家和地区，并将进一步通过产品互联互通的方式将智能生态切入千家万户。

四、涂鸦智能撬动的智慧商业蓝海

在庞大的商业版图之上，涂鸦智能一手打通生态构建，一手加速产业布局，在不断加强与合作伙伴协作的过程中给各行各业的智能化转型拉紧发条，逐步朝着智慧商业迈进。

4.1涂鸦智能的优势所在

为了更好地推进智能化转型，涂鸦智能在应用层推出了SaaS级解决方案，通过AI视觉、自然语言处理（NLP）、IoT全链接、多种SDK和设备端API等多种技术，为包括全屋、酒店、养老、安防、公寓、共享、商照和社区等在内的行业实现行业赋能。

针对在疫情风口上的智慧社区，涂鸦智能新发布了涂鸦社区，除了提供社区智能化和数字化管理外，还给业主提供完整的全屋智能体验，为传统社区管理和服务创新提供解决方案，适用于智慧地产、智慧物业等各种应用场景。

国内地产企业蓝光集团助理总裁兼数字科技中心CTO皮人伟谈到，社区智能化落地的痛点在于缺少开箱即用的产品、落地速度缓慢，以及消费者使用价值低，没法进行集成管理，因此拥有一个通用的技术平台则是打破社区智能化发展的第一步。

而在商业空间消费领域，涂鸦智能此前在涂鸦酒店和涂鸦公寓等业务早有部署。截至目前，涂鸦酒店已完成国内三线以上主要城市的覆盖，累计有25个品牌开发者，完成500多个项目，落地了30000余间酒店客房。

据金准产业研究团队了解，2020年春节期间，我国酒店行业的订单量直降40%，如何在市场逆境中抓住机遇实现智能化转型，也成为了如今酒店行业市场增长的关键所在。

德力西电器副总经理柯寒文谈到，在智慧酒店的智能化管理中，他们通过与涂鸦智能合作，利用AI进行实时监测，快速识别酒店异常并传递给相关人员，极大地优化了酒店管理效能。

与酒店相似的另一个场景则是公寓，涂鸦智能智慧公寓事业部总经理陈钱江认为，未来的智慧商业应用场景会愈加丰富，同时也将逐步走向融合。

例如，涂鸦公寓SaaS能够解决“乡伴”办公场景的问题，通过公寓SaaS控制办公大楼的智能灯等设备开关、能耗监测和问题预警等，进一步拓宽了SaaS的商业用途，为跨界融合创造了更多商业落地的机会。

一面是以SaaS级解决方案全面推动IoT产业布局，一面是以涂鸦IoT开发平台和Powered by Tuya智能标识等为主战场的IoT生态构建。至此，涂鸦智能从底层技术到开发平台，再到应用落地，已形成一个几乎覆盖应用全链条的产业“金字塔”，在不断打破信息孤岛的生态链融合上越走越远。

现在已经不是以不变应万变的时代，科技日新月异的变化，各行各业的智能化加快进程，涂鸦智能AI+IoT技术平台，更是堪称企业智能转型的催化剂。

涂鸦智能的全屋智能控制系统提供并支持四种控制方式，分别是远程控制、语音控制、智能场景和自动化模式，涂鸦可以通过一个全屋智能控制App就能控制多种品牌的智能产品，开发一款智能家居控制系统需要投入很多技术和人员，而涂鸦智能拥有技术能力，可以为合作商提供更专业的技术支持。

4.2智能家居控制系统的市场需求

很多人在加入涂鸦智能前都会对智能家居控制系统的市场需求持有怀疑，其实只要简单地进行市场调研就可以发现，现在越来越多的家庭开始使用智能家居产品，用户只要通过手机或语音就能对智能电器进行控制，再也不用四处翻找遥控器，还能对全屋的灯光、能源进行智能控制，非常便捷。定制智能家居控制系统。

商家在智能家居系统定制中发挥的作用主要是宣传和维护，涂鸦智能提供技术支持，做出更好用的系统，才能让商家能尽快在智能家居蓝海中获益。

作为技术驱动公司，涂鸦智能让自己的AI+IoT技术走向各大行业，帮助他们走向智能化的使命义不容辞。传统企业的智能化更新也是迫在眉睫，现在的人们大多习惯了互联网带来的便捷性与趣味性。如果传统企业不能及时转型提升，与时俱进，将很可能会被新兴企业所取代，这样对传统企业的打击将是致命的。涂鸦智能更是看准这一点，针对这些问题，研发自己的AI+IoT技术，帮助传统企业走向智能变革，而涂鸦智能AI+IoT技术也是可以完成它这一使命的。

涂鸦智能AI+IoT技术可以说是为一个传统制造企业提供技术的转型能力，从而撬动各行各业的运营模式。我们也可以更加期待，未来科技无论是带给企业还是个人的更好的变化，从而让我们的生活更加妙趣横生，轻松便利。

结语：为打开AIoT蓝海市场助力

AIoT作为一个极具碎片化的新兴市场，它的本质就决定了这一市场并不能靠巨头一家独大。因此，如何基于AI、IoT和无线通信等技术构建起一个上通开发，下达应用的IoT平台和服务，不仅能汇集市场力量推动AIoT行业的发展，也将为真正实现万物互联互通提供新动能。

在巨头强势布局，新玩家蜂拥而入的竞争态势下，涂鸦智能则是其中的一支潜力股。随着近年来涂鸦生态的不断扩大和布局，涂鸦智慧商业已慢慢渗透到公寓、酒店、社区和地产等行业，进一步推动这些行业的智能化转型和数字消费。

与此同时，连接标准统一和行业生态共识还有很长的路要走。金准产业研究团队认为，未来，涂鸦智能是否能通过自身的生态资源优势，在真正打开AIoT蓝海市场的大门后迅速占据一方之地，冲进金字塔顶端。

前言

“我们进入的新时代是生物技术时代，这将改变人类的意义。”今年2月，在风险投资公司Platform Capital组织的“非洲崛起系列”鸡尾酒会上，尼日利亚神经科学家阿加比（Agabi）激情澎湃地发表演讲。他所创立的公司Koniku研发了一种特殊的芯片Koniku Kore，将活的转基因脑细胞与传统硅融合在一起。阿加比说，该芯片通过检测人体释放的挥发性有机化合物，能检测从肺癌到新冠肺炎的一系列疾病。

不管是构成还是外观，这个形如蓝色冰冻水母的芯片都颇具科幻色彩。但从已透露的信息来看，Koniku Kore并不是纸上谈兵，它在医疗、农业、军事及机场安检等领域的落地前景，已经吸引多家知名公司的青睐。其早期的客户包括埃克森美孚、保洁、制药公司阿斯利康、全球化学品制造商巴斯夫等。近期新加坡樟宜机场也使用了Koniku的技术，用于防控新冠肺炎传播。Koniku并非个例，人脑作为自然界最复杂的结构体之一，已经启发了太多不可思议的奇妙想法。金准产业研究团队了解到刚刚过去的2020年前4个月，在将生物神经元与硅芯片结合的前沿技术领域，创新的波澜正涌动不息。

一、打破脑科学与微电子学的界限

“在已知的宇宙中，人类的大脑是最复杂的东西，它复杂得让试图解释它的简单模型可笑，让精致的模型无用。”这是杜克大学认知神经科学中心的斯科特·胡特尔被广为引用的一句名言。

迄今为止，人的大脑仍是一片生长着无数未解之谜的原野，无人能窥得它的全貌。但科学家们从未停止探索人脑奥秘的脚步，不仅尝试破解生命科学的密码，在脑重大疾病研究方面有所突破，而且试图模仿已知的神经元活动，打造类脑的计算机系统。如今计算机界的“当红炸子鸡”人工智能，其广泛应用的神经网络，即是模拟人脑神经处理机制的典型代表。2016年阿尔法狗（AlphaGo）击败围棋冠军李世石的那一刻，人工智能披上新的荣光，人创造出的非生命体具备了媲美人类的“高智商”。但在能耗上，阿尔法狗输得不是一点点。据科技公司Ceva估算，AlphaGo在下棋过程中约消耗1兆瓦的电能，相当于一天约100户家庭的供电量。相比之下，包含超过1000亿个神经元的人脑，消耗的功率仅20瓦，只有AlphaGo所消耗能量的5万分之一。金准产业研究团队分析，当今人工智能（AI）芯片努力进化的两个方向，一是更快的计算速度，二是更低的功耗。如果向大脑神经元活动取经，是不是能做出兼顾高算力和低功耗的芯片？两种不同的思路开始在研发道路上激起火花：一种是将生物神经元与传统半导体结合的生物计算，另一种则是用微电子技术来模仿神经元信息处理机制的类脑计算。

二、生物计算：碳基神经元+硅基半导体

脑功能的实现依赖于神经元和突触组成的神经网络，突触起到将信息传输与记忆存储处理相结合的关键作用。受大脑启发，一些研究人员尝试建立生物神经元与硅神经元之间的连接，以推进脑机接口、超低功耗混合芯片等前沿技术的发展。今年2月底，《自然》旗下期刊《科学报告》刊登了一项由英国、瑞士、德国和意大利科学家联合推进的实验，用纳米级忆阻器模拟生物突触的基本功能，连接大鼠神经元和人工神经元，使得这些神经元通过互联网可以实现双向实时通信。“我们首次证明，芯片上的人工神经元可以与大脑神经元相连，通过使用相同的’脉冲’语言进行交流。”意大利帕多瓦大学生物医学科学系教授Stefano Vassanelli说。

纳米电子突触在混合网络中连接硅和大脑神经元

这种“混合大脑”能让大脑神经网络和AI神经网络相互理解，从长远来看，Vassanelli称其想法是利用人工脉冲神经网络来恢复帕金森氏症、中风或癫痫等局部脑疾病的功能。Vassanelli指出：“一旦植入到大脑植入物中，硅脉冲神经元将充当一种神经假体，人工神经元将自适应地刺激功能失调的神经元，促进功能恢复，甚至能挽救功能丧失。”论文链接：https://www.nature.com/articles/s41598-020-58831-9#Bib1这项研究是想用人工神经元来补救出毛病的生物神经元，也有科学家将真正的生物神经元和传统硅计算系统集成在一起，试图打造突破传统芯片限制的超级计算芯片。澳大利亚初创公司Cortical Labs在今年4月宣布制造第一款混合计算机芯片，并在训练该芯片玩雅达利祖师爷级乒乓球游戏《Pong》。其官网上列举了生物计算的四个优势：流体智能、比数字电路更稳健、可扩展、功效高。（1）流体智能：生物神经网络具备自组织特性，不依赖所需知识即可解决陌生问题。（2）鲁棒性：与数字电路不同，生物网络对物理损伤具有很强的抵抗力，其适应和重组的能力可以在传统电路失效的地方维持功能。（3）可伸缩性：生物智能可以从蜻蜓扩展到人类。培养神经元不需要绝对零度的设备或昂贵的纳米级制造单元。（4）功率效率：人脑有超过十亿的神经元，能耗仅20瓦，生物计算拥有相似的高能效特性。这家创企在2019年6月成立，已从澳大利亚著名风险投资公司Blackbird Ventures获得了约61万美元的种子资金。其联合创始人兼首席执行官Hon Weong Chong是一名注册医生和软件工程师，曾就读于约翰霍普金斯大学信息学系，他基于自身丰富的经验和多学科背景，想带领团队打造出一个功能强大而功耗极低的计算系统。他们提取神经元的方式有两种：一是从小鼠胚胎中提取神经元，二是将人类皮肤细胞转换回干细胞，并诱导它们成长为人类神经元。随后这些神经元被嵌入一个特殊金属氧化物芯片顶部的培养基中，芯片包含一个由22000个微小电极组成的网格，可充当程序员与神经元之间的I/O介质。据悉其芯片处理能力少于蜻蜓大脑。金准产业研究团队认为，这种芯片最终可能成为提供各种复杂推理和概念性理解的关键，这是今天的AI无法做到的。

Cortical Labs不是唯一从事生物计算的机构。开篇提及的美国加州创企Koniku，早在2014年就已成立。2017年，Koniku首次展示由老鼠神经元构建的64神经元硅芯片Koniku Kore，据称是全球首个拥有“嗅觉”并可检测爆炸物、疾病等气味的芯片。

三、类脑计算：群雄逐鹿，硕果千结

无独有偶，今年3月，《自然-机器智能》期刊上发表了一项研究，报告了一种模拟生物嗅觉识别10种危险化学品气味的AI算法。特别的是，这一研究由英特尔神经拟态芯片Loihi提供动力。Loihi芯片在2017年首次亮相，包含128个内核、13万神经元、1.3亿突触，每个内核模拟多个逻辑神经元，具有支持多种学习模式的可扩展片上学习能力。神经拟态芯片既可以以比传统处理器更低的功耗，跑传统深度神经网络（DNN），也可以搭配充分考虑时间序列差异的脉冲神经网络（SNN）。和视觉信息不同，嗅觉信息是非结构化的，传统深度学习算法并不适用，而SNN能更好地模仿生物感知和处理的节奏，同时它也不像深度学习那样需要大量数据和参数来达到稳定状态。比如在“闻气味”这项研究中，传统解决方案学习每类气味，需要的训练样本量是Loihi芯片的3000倍以上。今年3月，英特尔还创纪录的将768颗Loihi芯片组装成拥有1亿个神经元的超级神经拟态计算系统，超过了仓鼠的大脑神经元总数。

英特尔实验室神经形态计算小组的高级研究科学家Nabil Imam表示，他们的工作是“当代研究在神经科学和人工智能的十字路口一个典型例子”。相比将活神经元和半导体结合带给人的“玄幻感”，神经拟态芯片领域明显更为热闹。在这个通向未来计算的前沿研究道路上，既有英特尔、IBM、高通、三星、惠普等科技巨头，也有BrainChip、西井科技、灵汐科技、aiCTX、Numenta、General Vision、Applied Brain Research、Brain Corporation等初创公司。HRL实验室、麻省理工学院、斯坦福大学、波士顿大学、曼彻斯特大学、海德堡大学、比利时微电子研究中心、清华大学、中科院、浙江大学、复旦大学等顶尖学府和研究机构，亦在这一领域的研究中发挥着不容小觑的作用。

从实现方式来看，神经拟态芯片可分为数字芯片、模拟芯片和新材料芯片。数字芯片有英特尔Loihi、IBM TrueNorth、曼彻斯特大学SpiNNaker等；模拟芯片有斯坦福大学Neurogrid、海德堡大学BrainScales以及ROLLS等；新材料芯片主要包含忆阻器（Memristor）组成的阵列，为存储与计算融合提供了器件支撑。去年4月，瑞士创企aiCTX推出全球首款纯基于事件驱动运算的视觉AI处理器DynapCNN，单芯片集成超过100万个神经元、400万可编程参数，适合实现大规模SNN。aiCTX成立于2017年，创始人兼CEO乔宁博士毕业于中科院半导体研究所，主要从事低功耗数模混合电路的设计，2012年加入苏黎世大学及苏黎世联邦理工大学的神经信息研究所INI进行类脑芯片研究，对类脑芯片有很深的理解。

澳大利亚创企BrainChip同样研发了基于事件驱动运算的神经拟态芯片。它成立于2013年，2015年9月在澳大利亚上市，2017年11月获得2150万美元Post-IPO融资，今年4月又融资312万美元。在今年2月的tinyML峰会上，BrainChip演示了其最新级神经拟态芯片Akida如何处理计算机视觉任务，证明它有两个关键特性与传统深度学习加速器（DLA）大不相同：（1）处理给定卷积神经网络（CNN），Akida的计算量比DLA少40%-60%。即是是处理像MobileNet v1等较大的CNN模型，Akida通常也无需进行片外内存访问或主机CPU通信。（2）Akida结合SNN，能直接在芯片上实时学习，且所需数据远少于传统深度神经网络。

Akida SoC

日本影像应用SoC方案供应商Socionext最早于2019年6月开始与BrainChip合作开发Akida芯片。据最新消息，两家公司已将完整的Akida设计文件交给晶圆厂台积电。Akida工程样品预计在今年第三季度问世。BrainChip的AI芯片采用非多路复用的设计，号称比IBM采用多路复用设计的TrueNorth芯片速度快上数千倍。IBM早在2011年8月就率先开启类脑芯片的大门，研发出单核包含256个神经元、65536个突触的“神经拟态自适应可塑性可扩展电子芯片”原型，脑容量相当于虫脑，能处理像玩Pong游戏这样复杂的任务。2014年，IBM公布第二代TrueNorth芯片，包含4096个内核，100万个神经元、2.56亿个突触，而功耗只有65毫瓦。其长期目标是建立拥有100亿个神经元、数百兆个突触、仅消耗1KW功率、体积不到0.002立方米的芯片系统。

IBM的TrueNorth芯片结构、功能、物理形态图

不过相较英特尔Loihi芯片的高调推进和IBM TrueNorth芯片的闻名遐迩，高通在2013年公布的Zeroth芯片已经好几年没有新讯了。目前全球知名的大型神经拟态计算系统，除了英特尔Loihi和IBM TrueNorth外，还有德国海德堡大学BrainScales、英国曼彻斯特大学SpiNNaker、美国斯坦福大学Neurogrid。去年8月，清华大学类脑计算研究中心施路平教授团队打造的类脑计算芯片“天机芯”登上国际知名学术期刊《自然》的封面，实现了中国在芯片和人工智能两大领域《自然》论文零的突破。天机芯集成千万级神经元突触，同时支持跑人工神经网络（ANN）和脉冲神经网络（SNN）异构融合，相比IBM TrueNorth芯片，支持更多算法，且密度提升20%，速度快10倍，带宽提高100倍，精度可调，扩展性和灵活性也更好。

在清华东操场上，一辆搭载天机芯的自行车实现了自平衡、目标探测跟踪、自动避障、语音理解控制、自主决策等功能。今年3月，台湾国立清华大学（NTHU）模拟果蝇视神经功能，研发了一种存内计算AI芯片，能以超低功耗让无人飞行器（UAV）像昆虫一样实现自动避障。

同样在这个月，国际顶级学术期刊《自然》刊登了奥地利维也纳大学的一项新研究，模拟大脑对信息处理的方式，直接在图像传感器内实现了人工神经网络（ANN），将图像处理速度提升至传统技术的数千甚至上万倍。

输入信息在视觉传感器内进行计算，实现智能高效的预处理

上海AI芯片创企西井科技也涉足了神经拟态芯片的研发，参考仿生类脑处理方式，打造了嵌入式“片上学习”AI芯片DeepWell、深度学习加速器Vastwell和SNN类脑运算平台。西井科技主攻智慧港口、智慧矿场、智慧医疗等垂直应用场景的AI解决方案，是最早实现港口无人驾驶落地的AI企业。就在今年4月，西井科技完成了过亿元的新一轮融资。法国芯片公司Kalray是片上超算的开创者，2008年成立，其最新芯片Coolidge可用于加速数据中心和汽车应用中的AI。在今年年初的国际消费电子展（CES 2020）上，Kalray展示了Coolidge芯片的AI用例。金准产业研究团队认为，其自研大规模并行处理器阵列（MPPA）架构与一些神经拟态方法相似。在他看来，市场足够大，会有很多适用于不同类型架构的应用程序，他相信我们会看到更多有趣的神经拟态产品。

Kalray MPPA架构

结语：创新是拓荒者对未来的馈赠

“在科学上，每一条道路都应该走一走，发现一条走不通的道路，就是对科学的一大贡献。”爱因斯坦曾如是说。当前，无论是将生物神经元与硅基芯片融合的混合芯片，还是模仿人脑的神经拟态芯片，距离真正的大规模商业应用还相对遥远。金准产业研究团队认为，任何涉及改变传统系统思维方式，在通往落地的道路上必然会经历市场长期的考验。每一个创新架构的诞生，未必会立即与当下应用场景相契合，但这并不代表其创新是做无用功。这些连接硅基物体和碳基生命的奇妙构想，谁能断定不是对未来技术的一瞥？

前言

虽然全球新冠肺炎疫情可能在6月底以前趋缓，但在疫苗发明前的各种民间及商业活动还是要靠着各种如雨后春笋般冒出的线上服务来帮忙控制，在4G手机及车用半导体需求不振下，服务器，笔电，游戏机这些高效能运算(HPC)的芯片客户反而让台积电2020年营收同比仍然能增长15-19%，各季度营收环比持平，所以在肺炎疫苗还没出现前，服务器逻辑及存储芯片及高效能运算芯片公司仍将有一次爆发。

一、服务器芯片逆疫情求生

2019年12月开始，湖北武汉地区现多例新型冠状肺炎(COVID-19)感染案例，春节期间武汉乃至全国各省市疫情进一步加重。为了控制疫情扩散，中国大陆政府对大陆超过90个城市进行全封城，半封城，这其中包括北京，上海，广州，深圳四大一线城市。封城，半封城，地方政府延期复工要求的严格管制所造成的员工人流中断，某些零器件生产中断都对创新技术科技产品如4G/5G智能手机，服务器，笔电，游戏机，还有很多消费性电子产品的生产造成不顺，但在到了四月，金准产业研究团队预估整体中国大陆的组装供给已经超过产业链需求，产能利用率应该都已经超过80%,国内科技行业如封测，设备，显示面板，电子零器件，组装等部分公司在疫情趋缓后的营收及获利反弹也会最可观。而在需求方面，线下4G/5G智能手机因欧美各国相继执行封城及锁国造成消费者外出大量减少而需求大降，我们因此进一步将全球2020年5G手机出货量从1.7-2.0亿台下修到1.5-1.7亿台，全球2020年智能手机出货量预估将下滑超过10%到12亿台，国金创新数据中心资料显示国内手机激活数一季度环比衰退达26%(季节性环比衰退10-15%)，而全球手机销货数量一季度环比衰退超过15%，但家庭用消费性电子产品及软件需求将暴增，如线上，线下游戏机，线上串流影音视频，电话／视频会议软件服务，远程办公、在线教育及医疗的流量大幅增加，因而驱动笔电，云端服务数据中心及通讯运营商在固态网络资本投资的力道加大，这多少弥补一些智能手机需求不佳对创新技术及全球半导体行业2020年营收的影响。举例而言，随着欧美新冠肺炎疫情惡化，居家隔离上班上课已成常态，不仅造成美国网络流量大增，也迫使Netflix,YouTube在欧洲调降影片高清画质，以免流量负荷太大造成欧洲网络瘫痪。美国威瑞森电信（Verizon）最新调查发现，美国网络流量在3月16-20这一周內增加20％，同一期间线上串流需求增加12％，虚拟私人网络（VPN）流量增加30％，线上电玩流量更暴增75％。

国际/美国病号数及B Bratio变化

二、服务器芯片双位数增长可期

因为新型冠状肺炎(COVID-19)继续在欧美国家扩大，而带动各种线上游戏，线上视频（Netflix,YouTube,Facebook,Twitter,Instagram），电话／视频会议软件服务，远程办公、在线教育及医疗的流量大幅增加，全球计算机半导体（服务器，桌上型计算机，笔电x86CPU,GPU,AI）市场将在2020/2021年同比增长7-9%（从之前预测的6%／6%）,但预期整个市场应该是由AMD的7纳米Rome及7纳米＋Milan服务器CPU,Intel38核心的10纳米服务器CPU Ice Lake，华为7nm鲲鹏服务器ARMCPU,中国长城16nm的四核飞腾FT-2000/4,信骅及新唐的服务器远端控制芯片BMC(Baseboard Management Controller)，AIASIC/GPU,澜起的内存接口芯片，三星、海力士、镁光所设计及生产的服务器用DRAM，这些芯片市场以超过10%以上同比营收的增长所带动,这远比以智能手机芯片为主体的全球逻辑半导体2020年营收1-3%同比增长来得好很多（因为全球新冠肺炎扩大，将之前8%同比增长预测下修）。

计算机半导体vs.全球逻辑半导体营收同比增长比较

2.1 2020年服务器半导体市场增长>10%

在服务器市场于2019年衰退近5个点之后，2020年服务器半导体市场增长可期，英特尔之前公布其去年服务器x86CPU出货量在1Q/2Q/3Q19同比衰退了8%/12%/6%,但四季度同比增长了12%，而云服务器客户于四季度同比大幅成长了48%，而在三季度同比需求拐点出现后，估计全球服务器市场出货量在2020/2021年有10%（从之前的8%上修）／22%的同比增长机会。而统计彭博及Wind分析师对全球服务器制造商及半导体相关公司2020年营收的预期，全球服务器制造商及半导体市场（浪潮36%Y/Y，中科曙光11%Y/Y，纬颖20%Y/Y，信骅22%Y/Y,澜起42%Y/Y）于2020年同比增长应该可以轻易超过10%，因为金准产业研究团队认为服务器需求将被各种线上游戏、视频、会议、办公、教学、医疗所带动，高速，低功耗需求让半导体芯片朝向更先进制程（Intel10nm,10nm+，AMD使用台积电的7nm,7nm+,5nm制程）,更多的核芯运算，更多的PCI Express接口，及更多内存通道方向迈进，加上良率不佳，产能短缺，所以不排除单价的提升会让2020年全球服务器半导体市场同比增长轻易地超过10%。

全球服务器市场出货量及同比增长率预估

四大服务器行业同比数据比较

2.2服务器产业链受惠可期

当然服务器及服务器半导体市场的复苏，也会带动内存DRAM，闪存3DNAND市场，以及x86CPU大载板（Ibiden,Shinko,欣兴），服务器CPU插槽（嘉泽），服务器x86CPU晶圆代工（台积电7nm,7nm+,5nm），封测（通富微-AMD,日月光／长电-海思鲲鹏）市场的复苏。举例而言，DRA MeXchange/Trend Force最近预测服务器用内存DRAM二季度价格将环比上涨20%,这对2020年全球内存DRAM市场的增长有7个点的贡献。

全球服务器用内存DRAM占整体份额

Chiplets小芯片架构利好封测及ABF大载板行业：在Intel雇用了前AMDCPU架构师Jim Keller后，金准产业研究团队预期英特尔未来也要跟随AMD在2021年推出小芯片(chiplets)大载板架构10nm++的服务器x86Eagle StreamCPU及FPGA来改善良率及成本,我们期待这趋势利好于封测及ABF（Ajinomoto Build-up Film）大载板行业及其龙头厂商Ibiden,Shinko,欣兴Unimicron。ABF树酯载板是由英特尔所主导的材料，适合高脚数，细线路，高传输，耐高温x86CPU封装。

台积电的Chiplets小芯片策略

三、服务器芯片相关供应商

3.1英特尔Intel在10nm的逆袭

在10纳米制程一连串的新产品推出延迟后，英特尔终于要在2020年末或2021年初推出其第一颗10nm(相当于TSMC的7nm)服务器x86CPUIceLake-SP,虽然Ice Lake-SP最多只能有38核心，比起AMD Rome的64核心还是有些差距，270瓦的散热设计功耗Thermal Design Power TDP也仍高于AMDEPYC7742的225瓦，低于AMDEPYC7H12的280W,但提升了CPU到内存的内存条通道从6到8，可连接64条PCIe4.0通道,然而其内存条通道增加到8。但仅跟AMD7nm的Rome相同，而64条PCIe4.0通道，还是明显低于AMD128条PCIe通道。但就制程而言，英特尔的10nm制程工艺在鳍片间距Transistor fin pitch(34nm)是大于台积电7nm制程30nm鳍片间距,但54nm栅极间距Poly pitch/contacted gate pitch是小于台积电的57nm,36nm金属间距metal pitch(interconnects)也是小于台积电的38/40nm。所以AMD除了在小芯片架构，成本结构，耗能，及128条PCIe通道上占有极大优势外，在比较使用台积电7nm制程的AMD Rome CPU与英特尔的10nm制程的Ice Lake-SPCPU后，在执行速度，晶体管增加数就略逊一筹。这就是为什么有些测试机构（Gee Bench）发现英特尔Ice Lake-SPCPU以不到一半的核心,提供近80%更快的执行速度打败AMD Rome CPU。而英特尔将在明年推出的10nmEUV服务器CPU是建立在Eagle Stream平台的Sapphire Rapids，将采取小芯片架构来改善良率，成本，及耗能，并用DDR5存储器及PCIe5.0通道来加快系统速度。这就是为什么AMD不能用台积电的7nmEUV制程工艺产出的Milan CPU来竞争，而要用台积电5nmEUV制程产出的Genoa CPU来竞争。

Intel10nmIcelake-SPvs.AMD7nmRome

Intelvs.AMD服务器CPU的比较

3.2超威2020年推出7nmEUVMilan及2021年推出的5nmEUVGenoa

为了因应英特尔10nmIceLake-SP及10nmEUVSapphireRapids的上市，AMD将于今年下半年推出使用台积电7nmEUV制程的Milan服务器CPU及于2021年推出5nmEUV制程的Genoa,虽然Milan服务器CPU的核心数及内存条通道数与Rome CPU相同，目前仍无法判断Milan的PCIe通道数增加多少，不管如何，台积电的7nmEUV制程在耗能上及执行速度都比7nm制程好了超过10%，而晶体管密度增加20%，我们相信AMD使用的台积电7nmEUV制程跟英特尔的10nm制程不相上下，但使用台积电5nmEUV制程的Genoa才有机会制衡英特尔10nmEUV的Sapphire Rapids/Eagle Stream。虽然去年AMD预期在今年2Q20拿下10%的服务器份额，但我们认为AMD是用2000万颗服务器CPU市场来作为分母，而英特尔在计算服务器CPU份额是包括了通讯基地站所用的服务器CPU,总计约3000万颗，所以就英特尔的标准而言，超威AMD要拿下广义的服务器CPU市场近10%的全年份额，可能要等到2021年才有机会达到。

Intelvs.AMD在桌机，笔电，服务器CPU季度份额变化

3.3服务器远端控制芯片龙头信骅Aspeed不畏疫情

在服务器远端控制芯片（BMC,Baseboard Management Controller）龙头大厂（60-70%全球份额）信骅公布环比增长1%，同比增长33%的一季度营收后，估计信骅二季度营收有15%以上环比及60%以上同比增长,我们认为信骅主要受惠于其白牌客户拿下华为(华为自行设计其服务器远端控制芯片)部分x86服务器市场份额,当然也受惠于大量服务器的建制，为了增加线上游戏，线上会议，线上教学，远程办公等。除了Dell主要使用新唐（4919TT）的控制芯片，HPE使用自己设计的芯片外，信骅的芯片似乎占领各种x86(Intel,AMD)、ARM、RISCV服务器平台。

服务器远端控制芯片(BMC)

3.4英伟达Nvidia主导AI服务器市场

除了Intel及AMD的x86CPU在服务器中扮演心脏的角色，Aspeed扮演管理的角色外，英伟达安装在服务器的AIGPU加速器就像扮演训练人工智能增强推理能力的角色，而其中的Volta GPU芯片架构，具有210亿个晶体管，使用第二代高频宽存储器(High Bandwidth Memory,HBM)，加入新的Tensor核心，每颗用Volta GPU架构的V100芯片模组提供125Teraflops(每秒125兆次浮点运算)的运算速度，通过NVlink一般在一个服务器中，可连接安装8个V100GPU，可使用近500个应用软件并相容于目前市场上大多数的深度学习架构。因为具有AIGPU加速器的服务器比重会从现在不到10%持续提高，所以英伟达未来在服务器AIGPU加速器的增长动力可期。目前初步估计英伟达服务器AIGPU加速器芯片2020年同比增长25%以上,比起2019年的2%好很多。

AI服务器架构

英伟达训练AIV100

英伟达营收占比分类

3.5澜起Montage主导服务器存储器控制芯片市场

为追求CPU到内存的高速通道更顺畅，我们初估于2022年1+10内存接口芯片（初估价格为US$20-25vs.1xDDR5RCD为US$4-5）在DDR5模组的比重将会达到10%或更高，这种变化将会明显提升每片内存模组的平均内存接口芯片单价未来三年达到7%复合增长率。而因为5G在5年后所带来的数据爆炸对服务器总体新增量将达近1000万台，或在10年后达到2000万台的总体新增总量。这表示光靠5G基础建设的建制对每年的服务器总体新增量就有超过10%。因为澜起建立了DDR4的内存接口芯片新标准，估计澜起的全球市场份额从2016年的31%,逐年拉高到2018年的47%及2019年的49%，要是澜起能领先IDT及Rambus推出速度快，耗电低的DDR51+10内存接口芯片，澜起就能有每年2-3个点的市场份额增加。从今年开始，服务器将从6通道的Intel14nm转到8通道的Intel10nm或8通道的AMD的7nm+CPU，这样对服务器内存模组及接口芯片组有>10%年化的同比增长(三年共有33%（8/6）的同比增量)。而且估计英特尔从明后年开始将陆续推动4/6颗CPU的服务器,这多少会带动服务器内存模组及接口芯片的额外需求，我们估计未来五年同比增长应该会超过25%。

DDR4vs.DDR5LRDIMM模组的比较

3.6存储器的需求驱动力在服务器

就全球DRAM内存市场而言，服务器约占34%的2020年全球DRAM内存用量，在预估2020年全球服务器市场同比增长超过10%（DRAMe Xchange仅预估3.8%同比增长），2021年同比增长22%，及2019-2024年的13%复合增长率CAGR，每台服务器插满内存模组的云端服务器客户增长大幅超过企业端及政府端客户（英特尔公布4Q19云端服务器客户同比增长48%，但企业端及政府端客户同比衰退7%），加上每台服务器因CPU及DRAM的速度加快，CPU跟内存DRAM的数据通道将于英特尔在今年推出56核心14nm++Cooper Lake及38核心10nm+Ice Lake后，从6通道改成8通道，这三个原因将驱动每台服务器DRAM的使用容量增加，因此预估服务器用DRAM内存用量将在2020年同比增长25-30%，2021年同比增长近40%，并于2024年超过整体DRAM用量的一半以上。跟DRAM内存市场类似，就全球NAND闪存市场而言，服务器及笔电／桌上型电脑，持续用SSDNAND来取代硬碟，约占46%的2020年全球NAND闪存用量，加上每台服务器因CPU的速度及存取速度加快，各种新AI应用对于数据量的爆增，这几个原因将驱动每台服务器SSDNAND的使用容量增加，因此预估服务器用NAND闪存用量将在2020－2022年同比复合增长35-40%。相关受惠厂商当然是韩国的三星，海力士，及美国的镁光。

NAND闪存应用份额

2018-2019年国家采购名单中，入围了七家国产架构服务器供货厂商，他们采用的架构分别是：鲲鹏（ARM）、飞腾（ARM）、龙芯（MIPS）、海光（X86）、兆芯（X86）、宏芯（POWER）、申威。从性能、生态兼容性、应用迁移成本和市场能力四个方面来看，华为鲲鹏、飞腾、海光整体表现居于前列。但自从海光被美国政府列入实体清单后，海光将无法拿到超威7nmRome,7nmEUVMilan,5nmEUVGenoa的设计授权，这样海光的x86设计技术将停留在14nm。

主要国产服务器架构对比

3.7华为鲲鹏ARMv8CPU生态系的生成

自从美国Trump政府利用各种国家安全的理由限制华为采购美国的半导体芯片产品，软件，作业系统，华为为了摆脱美国技术，已经陆续推出自己研发的手机鸿蒙作业系统来取代谷歌的Android，用高速通讯ASIC来取代Xilinx,Altera/Intel的FPGA,用SSD闪存主控芯片来取代群联，Silicon Motion的SSD主控芯片，用Ascend推理及训练AI芯片取代英伟达Nvidia的推理及训练AI及Xilinx的推理AI芯片，用使用在Linux作业系统ARMv8CPU（泰山核）架构下的鲲鹏处理器取代Intel英特尔及AMD超威的x86CPU。虽然华为有很强的芯片设计能力，SPECint Benchmark评分超过930，超出业界标杆25%，但ARM的CPU架构本身单核心运算速度就比英特尔X86的CPU来得差，如鲲鹏920主频只有2.6Ghz,也只能靠着64颗ARMCortexA76核心，8个DDR4通道来竞争，但是华为是硬件及半导体公司，要整合自己的开源生态圈，需要很多系统，硬件，系统，应用软件公司的认证与支持，目前华为除了自行研发各种开源软件，作业系统并与超过150家（MSP云服务、服务器PC整机制造、中间件、操作系统、上层各类应用软件等产业）非美国的合作厂商携手推动鲲鹏计算产业，打造完整的产业生态链，这些公司是否担心华为本身的竞争将是一个问题。但在中国政府的支持下，要求数家重点国营企业及多家民间企业如百度，腾讯提高采用鲲鹏及其他国产芯片生态圈的产品比例，以2022年尽量达到100%的比例完成服务器国产化的目标，这对于华为鲲鹏生态圈而言是一大利好。就今年2020年而言，我们目前估计华为鲲鹏将出货150-200万颗服务器CPU，明年2021年估计达250万颗服务器CPU，以每台服务器配置4-8颗鲲鹏ARMCPU来计算，估计于2021年将会看到42万台鲲鹏服务器市场，相当于全球3%的市场份额。虽然华为之前流失了部分ARMv8泰山核设计团队的干部到阿里巴巴，但我们认为华为还是会持续对ARMv8泰山核进行设计优化及制程工艺微缩。

国产替代相关部分助推政策

鲲鹏芯片族的“量产一代，研发一代，规划一代”策略

3.8飞腾生态圈

2019年8月上旬，飞腾发布《从端到云—基于飞腾平台的全栈解决方案白皮书暨飞腾生态图谱》，飞腾希望能从系统建设对芯片的需求角度去思考什么样的芯片和生态才能满足用户对于终端的更高需求，什么样的芯片和生态才能满足云计算和大数据时代的要求。飞腾也希望站在全系统集成角度，为集成商和最终用户梳理飞腾生态图谱并提供一套从端到云的全栈解决方案，给出集成模式和建议，提供已被验证的、有说服力的实际案例，去分析目前技术架构的收敛趋势，协助各行业信息化建设逐步向更先进的部署模式转变。在基础设施服务方面，国内主流的云平台包括阿里云、腾讯云、紫光云、中兴云、浪潮云、金山云、Ucloud等云厂商均已与飞腾平台进行适配。国内20多家主流的OEM、ODM厂商已推出基于FT-1500A/16和FT-2000+/64芯片的服务器整机，其中基于飞腾新一代FT-2000+/64芯片的服务器产品群已于2019年5月在福州数字中国峰会上发。就今年2020年而言，我们目前估计飞腾将出货80-90万桌机CPU,10-15万服务器CPU,虽然有比之前预期下修，但还是有不错的国内份额。

基于飞腾平台的云计算全栈架构框架

飞腾云计算全栈生态图谱

四、服务器CPU－CISCvs.RISC

4.1 CISC阵营与RISC阵营比较

中央处理器(Central Processing Unit，简称CPU)是服务器的核心构成之一，其功能主要是解释计算机指令以及处理服务器中的数据。CPU的主要运作原理是执行储存“程序”里的一系列指令。程序以一系列数字的形式存储在存储器中。指令集架构（Instruction Set Architecture），又称指令集或指令集体系，是计算机体系结构中与程序设计有关的部分，包含了基本数据类型，指令集，寄存器，寻址模式，存储体系，中断，异常处理以及外部I/O。指令集架构包含一系列的opcode即操作码（机器语言），以及由特定处理器执行的基本命令。简单地来说，指令集一般被整合在操作系统内核最底层的硬件抽象层中，属于计算机中硬件与软件的接口，它向操作系统定义了CPU的基本功能。CPU按指令集的架构区分，分为CISC（Complex Instruction Set Computing，复杂指令集）型和RISC（Reduced Instruction Set Computing，精简指令集）型两类。CISC的设计者希望通过直接在硬件中构建复杂的指令从而使编程更方便、程序运行速度更快，其架构中每个指令可执行若干低端操作，诸如从存储器读取、存储、和计算操作，全部集 于单一指令之中；与之相反，RISC架构中只包含使用频率高的少量简单指令，并提供一些必要的指令以支持操作系统和高级语言。CISC阵营以Intel、AMD的X86架构为代表，而RISC阵营则包括ARM、MIPS、PowerPC等架构；从硬件角度来讲，CISC处理的是不等长指令集，而RISC执行的是等长精简指令集，在并行处理方面RISC明显优于CISC。由于RISC执行的是精简指令集，相比CISC在硬件层面需要更少的晶体管，所以它的硬件制造工艺更简单且成本更低廉。RISC型CPU与CISC的CPU在软件和硬件上都不兼容，这是由指令集的特性而决定的。从性能角度来说，CISC与RISC并无绝对的孰优孰劣之分。但在发展过程中，CISC阵营的Intel和AMD在提升芯片性能上做出了持续的努力，芯片的功耗被放在了性能后的第二位；而RISC本身出现时间较CISC晚十年左右（ARM诞生于1985年，X86诞生于1978年），ARM、MIPS在创始初期缺乏与Intel产品对抗的实力，专注于以低功耗为前提的高性能芯片。RISC阵营的PowerPC架构最初是为个人计算机产品而设计，但其出现时已是1992年，此时Intel旗下的80386和80486占据了大部分PC市场。次年，Intel赫赫有名的奔腾系列发布并助力Intel占领了绝大部分PC市场，这是第五代基于CISC的X86架构微处理器，Intel将其命名为“Pentium”。在整个1990年代中期，PowerPC处理器均达到或超过了最快的x86CPU的基准测试成绩。但由于PowerPC面向Windows、OS/2和Sun的客户都存在应用软件极度缺乏的问题，所以最终并未在PC市场溅起水花。但其后Apple因为PowerPC处理器的更高性能，在Macintosh个人电脑系列使用了PowerPC处理器。2005年，出于发热量和能源消耗有关的考虑，Apple宣布不再在其Apple Macintosh计算机中使用PowerPC处理器，转而支持Intel生产的处理器。此后PowerPC开始往超高性能服务器方向发展。

CISC阵营与RISC阵营比较

4.2 X86和非X86架构服务器产品的主要区别

X86泛指一系列英特尔公司用于开发处理器的指令集架构。该系列较早期的处理器名称是以数字来表示80X86，包括Intel8086、80186、80286、80386以及80486。由于以“86”作为结尾，因此其架构被称为“X86”。

X86和非X86架构服务器产品的主要区别

X86在计算市场取胜的原因主要有以下四点：

1、Intel与AMD竞争不断，造就高性能X86。Intel具有很强的研发实力，芯片性能一直处于行业领先。在20世纪70年代至21世纪初,厂商最看重的因素之一即为处理器的性能，而RISC本身出现时间较CISC晚十年左右，ARM、MIPS在创始初期缺乏与Intel产品对抗的实力，改以专注于以低功耗为前提的高性能芯片。同时IntelX86也很早开始借鉴RISC架构优势，不断技术革新，比如“Pentium”奔腾处理器就采用了超标量架构，即有一个处理简单和通用指令的管线。Intel最新产品十代酷睿桌面版CometLake-S系列处理器及400系芯片组中，最低配置的酷睿i3-10100四核处理器已经达到3.6GHz基础频率，4.3GHz睿频，全核4.1GHz。从单机性能上来讲，Intel目前依旧处于强势地位。

2、Wintel联盟建立四十余年，X86软件生态完善。1981年，由于个人计算机市场不受IBM看重，IBM选取8088做个人计算机业务的CPU，并将操作系统外包给微软，Wintel联盟就此开始征程。在Wintel建立之初，微软并没有打算唯一地只支持Intel，早期，微软操作系统有两条业务线，一条专用支持X86架构，另一条则支持考虑了操作系统的可移植性，可支持RISC架构的计算机。但由于RISC处理器在PC端的份额远不及X86，微软又取消了对部分RISC架构的支持。后来，X86成为了个人电脑的标准平台，也成为了历来市场上最成功的CPU架构。

3、3、专注芯片架构研发，不碰设备生态。就Intel来讲，不与设备生产商、软件开发者或者系统开发者成为利益竞争关系是一个十分重要的致胜因素。IBM和SUM大包大揽生产多种服务器设备，但其它设备生产商可能会基于不支持竞争对手的角度不愿意选择PowerPC和SPARC架构，而选择X86架构。这确实是我们担心华为鲲鹏生态圈也会碰到的问题。

4、从成本、性能、生态三方面来讲，X86都是早期数据中心的最优选。从成本和性能角度来讲，X86相比大型机与小型机，在RAS(Reliability,Availability,Serviceability)有所欠缺，但具有生态系统开放、兼容性高、价格便宜的优势。且由于分布式系统成熟，X86服务器集群的性能并无较大差距。大型机和小型机价格昂贵、体系封闭，一般只在部分要求零宕机的领域使用（如银行业、电信业等）。从生态的角度来讲，由于X86在市场上占有率高，相比其它架构而言，X86有着独一无二的软件和硬件生态优势，故目前全球的数据中心大部分都是采用Intel的X86架构服务器芯片，X86生态系统也愈发强大。根据DRAMe Xchange调查显示，服务器用CPU中，X86架构CPU占整体服务器市场约96%。但在国内提高服务器及服务器CPU国产替代的政策下，金准产业研究团队估计RISCCPU（非x86）在服务器的份额将持续逐步提高。

X86架构处理器在整体服务器市场占比

金准产业研究团队认为，在2019年衰退近5个点之后，估计全球服务器市场出货量在2020/2021年有10%-22%的同比增长机会，英特尔之前公布其去年服务器x86CPU出货量在同比衰退了三个季度后，四季度同比却增长了12%，而云端服务器CPU四季度更大幅成长了48%。统计彭博及Wind分析师对全球服务器相关公司2020年营收的预期，加上服务器需求将被各种线上游戏，影音串流，会议，办公，教学，医疗所带动，高速，低功耗需求让半导体芯片朝向更先进制程（Intel10nm,10nm+,AMD使用台积电的7nm,7nm+,5nm制程）,更多的核芯运算，更多的PCI Express接口,及更多内存通道方向迈进，预期2020年全球服务器芯片市场同比增长可轻易地超过10%。