人工智慧（AI）系統近年發展大躍進，爭奪戰場也從過去的「軟體開發」走向「硬體晶片」競爭。在AI機器學習中，處理晶片的效能技術更是日後相關廠商重要的勝負關鍵，台廠也在這場AI晶片戰役中奮勇前行，除了本就領先全球的晶圓代工，其他包括ASIC、矽智財IP、記憶體模組、感測器等相關供應鏈也緊跟在後，扮演重要角色。

AI晶片效能定勝負半導體商機一路攀高

富邦證券預估，2020年到2025年人工智慧的應用市場規模將以38%的年複合成長率達到2,300億美元水準，尤其AI半導體晶片產值，將由2016年的8.7億美元成長至2025年的702億美元，年複合成長高達62.9%。其中，又以車用的AI半導體比重最高、其次為深度學習、語音辨識及相關應用記憶體。

人工智慧技術之一的機器學習，主要是利用神經網路中的處理晶片來負責數據運算、函數推導的主要重點，也因此，處理晶片的效能技術更是未來相關廠商重要的勝負關鍵。

AI終將從雲端下凡邊緣運算正拔地而起

進一步了解AI 處理晶片，主要分為CPU、GPU、FPGA及ASIC四種，依特性與使用目的不同又可區分為「雲端運算」與「邊緣運算」。

「雲端運算」需要處理龐大的數據，加上需要長時間的運作，晶片需求特性為功耗較高，整體效能佳，以CPU和GPU為發展主流，主要應用在資料中心與超級電腦上，目前為Google、Nvidia、Intel等國際大廠聚焦的重點。「邊緣運算」主要應用在自駕車、智能家具等終端裝置上，對於耗電量與晶片體積具有較大的限制與要求，當前以FPGA與ASIC為主要發展的晶片。

富邦證券指出，雲端運算在深度學習訓練的效能表現相當顯著，但AI終究要從雲端下凡，實際運用到終端產品上，與汽車、手機等各項設備連結，以物聯網的姿態走進人們的生活。在實際應用時，除了功耗與晶片體積限制，加上雲端運算對數據的存取與即時性、安全性的考量，預期將催生AI晶片向終端的邊緣運算邁進，也將產生雲端負責「訓練」，終端晶片負責「推理」的情境發生。

在物聯網＋AI的大趨勢下，富邦證券預估邊緣運算晶片整體出貨量將會大幅成長。尤其ASIC具有低延時、低功耗、高效能與大規模量產成本明顯優於GPU與FPGA的優勢，加上日後在終端裝置滲透率大幅提升帶動下，看好ASIC晶片需求也會隨之提升，連帶提升相關矽智財（IP）的需求，IP廠商將隨著ASIC需求成長而隨之上揚。

研究機構Tractica預估，2016年到2025年AI深度學習晶片整體出貨量將超過4,000萬顆，其中整體出貨幅度成長最大將為ASIC晶片，整體出貨比重接近總出貨量的60%，營收貢獻部分也將由2016年的1千多萬美元成長至2025年的33~34億美元。

雲端運算潛力無窮GPU獨領風騷

除了終端裝置發展備受看好，AI雲端運算同樣潛力無窮。原因就在大數據所產生的機器學習，需要處理大量與即時的運算，讓能快速完成龐大並行計算任務的GPU一舉蔚為主流，目前在整體AI處理效能還是優於其他晶片方案，預估未來GPU在雲端系統、車聯網等會繼續大幅領先。

富邦證券預估，2016年到2025年AI深度學習晶片整體出貨金額將超過120億美元，其中GPU整體出貨金額將超過50億美元，主要受到GPU為AI高階晶片，加上伺服器導入AI晶片需求將會持續提升，因此預期整體出貨金額將會逐年成長。

深度學習仰賴大量數據儲存與感測裝置產值上衝

正因AI深度學習需要大量數據來協助，受惠於物聯網的崛起，帶動資訊量大幅提升，加上儲存成本大幅下降，順勢推升AI巨量資料深度學習技術的普及，目前就大數據部分可區分為「儲存裝置」、「感測裝置」兩個部分。

「儲存裝置」方面，在AI模組中處理晶片與儲存系統間通道的優化，將直接影響系統在即時判斷與深度學習的效能，因此記憶體模組將更重視客製化與穩定性等需求。就AI產業面觀察，工業應用預期在整體產業已經發展成熟，加上供應鏈完整，效應明確，將是未來最快實現人工智慧化的產業之一。

富邦預估，單就人工智慧應用在深度學習上固態硬碟（SSD）的需求將由2016年8.63億Gb提升至2025年的412億Gb，年複合成長率高達53%，產值預期將由2.6億美元提升至123億美元。

「感測裝置」方面，機器學習數據的產生，除了網路上的數位資料外，隨著機器人、工業應用、機器視覺、聽覺等需求增加，類比資料的產出也將大幅提升，預期利用微處理器（MCU）+感測器來得到外界資訊的解決方案需求也將隨之上揚。

台廠在AI布局 首選半導體供應鏈

AI目前整體技術關鍵落在處理器的研發與製造上，然而在大數據部分因為受到台灣本地人口與市場關係，向來就不是企業發展的重點。

好在台灣廠商在晶圓代工上佔有絕對優勢，加上半導體供應鏈完整，目前台廠在這場AI戰役的布局主要由晶圓代工（台積電）領軍，帶領其他相關廠商包括ASIC、矽智財IP、記憶體模組、感測器等相關供應鏈，是值得投資人關注的選股方向。