• 项目
首页>>文章列表 >>行业研究
行业研究

金准产业研究 中、美、欧AI实力分析报告 2019-09-23 18:01:30

前言

人工智能是一种基础技术,可以用来帮助国家提高竞争力、生产力、保护国家安全、并帮助解决许多社会问题。目前,世界各国正竞相发展人工智能技术。近日,总部位于美国华盛顿的智库 “数据创新中心” 发布了一份比较中国、美国和欧盟AI技术的报告。报告发现,尽管中国在AI技术上取得了很大进步,但美国仍然绝对领先,而欧盟则在很多指标上都落后了。但随着中国的快速发展,这一状况可能会在未来几年发生变化。但考虑人均指标时,美国的领先优势变得更大,而中国则排在第三位,低于欧盟。

在上一次数字创新革命中,美国获得了巨大的经济利益,成为了一些世界上最成功的科技公司的所在地,诞生了如亚马逊、苹果、Facebook、谷歌、英特尔和微软这样的科技巨头。与此同时,包括欧盟在内的世界许多国家和地区都付出了相应的经济代价。人们认识到错过了下一波创新 ,比如说人工智能,可能会带来同样的问题,所以许多国家正在采取行动,以确保它们在下一次全球经济数字化转型中取得成功。

中国,欧盟和美国现在已经互相是竞争AI全球领导者的对手。中国在许多方面都明确表明了其实现AI主导地位的雄心壮志 。欧盟关于人工智能的协调计划也表明,其“希望欧洲成为世界领先的地区,开发和部署顶尖安全的人工智能。”这场竞赛的结果将影响中美欧未来的经济产出和竞争力,以及军事优势。

一、美国AI实力领先,中国赶超,欧盟随后

总体而言,美国目前在人工智能方面处于领先地位,中国正在迅速赶超,而欧盟则落后两者。美国在本报告统计的六类指标中的四类都是第一(人才、科研、发展水平和硬件),中国有两个第一(采纳率和数据),而欧盟一个都没有。在该报告给出的评分中,美国总得分为44.2分,其次是中国32.3分,欧盟为23.5分。

美国的领导地位有以下几个原因。首先,它拥有最多的人工智能初创企业,其人工智能启动生态系统获得了最多的私募股权和风险投资资金。其次,它引领了传统半导体和为人工智能系统提供动力的计算机芯片的开发。第三,虽然它产生的AI学术论文数量少于欧盟或中国,但它有着最高质量的论文。最后,虽然美国的人工智能人才总量低于欧盟,但其人才队伍更加“小而精”。

中国正在迅速缩小其与美国之间的差距。它比欧盟和美国拥有更多的数据,这一点非常重要,因为当今许多人工智能系统都使用大型数据集来准确地训练他们的模型。在风险投资和私募股权融资方面,中国人工智能初创企业在2017年获得的资金超过美国初创企业。然而,中国在高质量人工智能方面明显落后于美国和欧盟。截至2017年,包括意大利在内的几个欧盟成员国的国际人工智能研究人员在国际上排名前10%。尽管如此,在大多数指标中,中国取得了明显进展,并且在资金和人工智能采纳率方面明显超过了欧盟。

虽然在许多指标上落后了,但欧盟也具有很强的竞争力。它拥有最多的研究人员,产生了最多的研究成果。但是,欧盟人工智能人才数量与其商业人工智能采纳率和资金之间存在脱节。例如,美国和中国的人工智能初创企业仅在2017年就获得了比欧盟2016年至2018年三年更多的风险投资和私募股权基金。

绝对指标排名

为了了解每个地区相对于其人口规模的AI优势,该报告还计算了根据平均劳动力的得分,美国领先(58.2分),欧盟排名第二(24.3分),中国排名第三(17.5分)。

正如报告所示,中国,欧盟和美国都有可以改进的地方。例如,中国应扩大其在大学教授人工智能相关学科的能力,鼓励研究质量而不是数量,并培养更强大的开放数据文化。与此同时,欧盟应重点制定激励人才留在欧盟的政策,帮助将研究成果转化为商业应用,鼓励发展能够更好地在全球市场竞争的大公司,并改革法规以更好地利用数据以造福AI研究。而对于美国,应该把重点放在增加国内人才基础的政策上,鼓励外国人才移民,并增加研发激励。

二、AI竞赛是一场零和游戏吗?

许多人认为,在创新方面,各国不会竞争。在这种观点中,只有赢家,没有输家。但事实上,在全球人工智能竞赛中既有赢家也有输家。未能开发成功的人工智能产品或服务的国家将面临失去全球市场份额的风险。正如卡内基梅隆大学前任计算机科学系主任,现任Google Cloud AI负责人安德鲁·摩尔所说,AI比赛将决定“谁将成为2030年的谷歌,亚马逊和苹果。”那些在人工智能研发方面投资不足的国家,特别是在军事应用方面,将使其国家安全处于危险之中。因此,在人工智能竞赛中落后的国家可能遭受经济损失并影响国家安全,从而削弱其地缘政治影响力。

但是,在某些领域,AI竞赛并非零和游戏。人工智能科学的发展,尤其是在大学中,成果可以在世界范围内传播。许多AI的研发,特别是那些专注于健康,环境和教育的研究可以使所有国家受益。例如,研发比医生更快、更准确地识别疾病或产生新疗法的AI系统可能会给全世界带来利益。今年,中国和美国的研究人员合作开发了一个AI系统,可以准确诊断常见的儿童疾病。该系统诊断哮喘的准确率超过90%,而胃肠道疾病的准确率也达到87%,研究人员还用60万中国患者的电子病历对该系统进行了训练。此外,由于许多AI研究都是开放的,所以全世界的研究人员都可以从国外其他人的成果中迅速学习。

三、AI人才状况

人才是AI研究的关键。正如北京微软研究院首席研究员David Wipf所说,“ AI的未来将是一场争夺数据和人才的战斗。” 人才不仅决定企业部署和采用AI的能力,还决定了企业的成本。鉴于交通,金融和制造业等众多行业对AI人才的需求不断增加,当前人才短缺的局面以后还会加剧。

中国,欧盟和美国政府已宣布或采取了许多人才举措。例如,在2018年,中国教育部宣布了一项促进AI教育的计划。作为回应,几所中国一流大学开设了新的AI系和专业。英国政府宣布,将为多达1000名学生支付最高1.15亿英镑(1.29亿美元)的资金,帮助他们获得AI博士学位。特朗普总统发布了一项行政命令,将扩大奖学金,培训计划以及为从事AI 研究的大学教授提供资金。

3.1 AI研究人员情况

报告分析了AI研究人员的人数,顶尖AI研究人员的人数以及AI研究人员的学位程度,以评估中国,欧盟和美国的人才和培养人才的状况。最新数据显示,美国在人工智能人才方面居领先地位(6.7分),其次是欧盟(6.2)和中国(2.1)。如果考虑人均指标,美国(8.4分)也领先欧盟(5.8分)和中国(0.9分)。

AI研究人员总数:此部分将AI研究人员定义为在2007年至2017年之间发表期刊文章或获得与AI相关的专利的人。欧盟估计有43,064名研究人员,领先于美国(28,536)和中国(18,232)。的确,来自德国(9,441),英国(7,998),法国(6,395),西班牙(4,942)和意大利(4,740)的AI研究人员总数超过了美国研究人员。而考虑人均,美国(每100万工人173名研究人员)领先欧盟(173个)和中国(23个)。

2017 AI科研人员人数

顶尖AI研究人员人数(根据H因子):相比于数量,质量或许更重要。评价科研人员质量指标之一是H因子,它衡量研究人员的生产率和影响力。报告根据h指数排名统计了国际前10%的AI研究人员的人数。到2017年,欧盟有约5,787名高H因子研究人员,领先于美国(5,158)和中国(977)。英国(1,177),德国(1,119),法国(1,056),意大利(987)和西班牙(772)共计5,111名高H因子人员。尽管没有其他23个欧盟国家的数据,但很明显,其余国家/地区拥有足够的顶尖AI人才,足以弥补美国和欧盟之间不到100人的差距。在考虑劳动力规模时,美国(每百万工人中有31名研究人员)领先欧盟(23个)和中国(1个)。

2017 高H因子AI科研人员人数

顶级AI研究人员数量(根据学术会议):质量的第二个衡量标准是在顶尖的AI学术会议上发表文章的作者数量,AI初创公司Element AI追踪了2018年的21场AI会议。美国(10,295名研究人员)领先于欧盟(4,840名)和中国(2,525名)。考虑人均指标,美国(每百万工人中有62名研究人员)也领先欧盟(19个)和中国(3个)。

2017 顶尖学术会议AI科研人员人数

教育顶级AI研究人员(学术会议):培养AI人才也很重要。报告统计了在2018年21个主要学术会议上发表的研究人员在何处获得博士学位。。在美国(44%)比欧盟(估计的21%)和中国(11%)的总和还多。这在很大程度上为美国提供了AI人才的优势,因为79%的学生获得了博士学位。在美国获得数学或计算机科学学位的人很大一部分都打算留在美国。

AI科研人员获得博士学位的地点

数据显示,尽管欧盟拥有大量的AI人才,但其顶级业务的人才却少于美国公司,这加上缺乏风险资本和私募股权融资,可能会损害其发展顶尖AI公司的能力。例如,根据AI论文和专利记录,2017年AI人才最多的20家公司中,有一半位于美国。这十家美国公司合计拥有1,623名AI工作者。相比之下,欧盟只有6家这样的公司,共有522名AI工人。进入前20名的唯一中国公司是华为,拥有73名员工。同样,根据H因子,在AI研究人员最多的20家公司中,2017年欧盟有85人,而美国为232人。中国有7名高H因子研究人员。

3.2 AI人才优势分析

金准产业研究团队分析,欧盟和中国都担心的另一个问题是,与欧洲和中国相比,美国仍吸引着更多来自其他国家的AI人才。例如,在1998年至2017年之间,有1,283名外国AI学术研究人员从国外来到美国工作。欧洲和中国分别吸引了834名和58名此类研究人员。此外,爱思唯尔(Elsevier)收集的数据表明,在1998年至2017年期间,美国所吸引的外国学术研究人员数量(318名AI研究人员)多于离开美国的研究人员(166)。

金准产业研究团队分析,与中国相比,欧盟在人工智能人才方面具有许多优势。例如,在2017年,英国(1,177),德国(1,119),法国(1,056)和意大利(987)各自的高H因子人员均比中国(977)高。但是,中国缺乏顶尖的AI人才可能是由于其对AI的兴趣相对较新,只有25%的中国AI研究人员拥有超过十年的经验,相比之下,美国有50%。此外,中国减少人才缺乏的方式有很多,而人才缺乏的重要性可能会减小。

首先,中国正在投资AI教育。2017年,中国国务院发布了一项计划,鼓励高校建立AI学科。在2018年,教育部启动了多项旨在促进教育的举措,这些举措包括开发50个AI研究中心,世界一流的在线课程以及5年培养500多名教员和5000名学生。自2016年以来,中国三所顶尖大学(清华大学,中国科学技术大学和上海交通大学)已经显着增加了AI和机器学习课程的注册学生人数。例如,在2016年至2018年期间,中国科学技术大学的AI和机器学习名额从1,745名增加到了3,286名。其次,中国研究人员可以快速复制其他国家开发的高级算法,因为AI研究人员经常在公开的预出版物网站上详细介绍其AI模型的体系结构以及如何实现和训练它。而且,与西方国家翻译中文论文相比,中国研究人员翻译英语AI出版物的频率明显更高,更快,从而造成信息不对称。第三,李开复认为,中国缺乏高端人才并不是阻碍其引领人工智能发展的主要障碍,他指出“ 当前时代AI商业化做得很好, 他认为,深度学习等领域的重大突破会每隔几十年发生一次,而AI已经进入了一个新兴的时代,它适合中国的国情:拥有大量的高技能,虽然不一定是最好的AI研究人员和实践者。”数据将成为决定AI系统功能的决定性因素。

四、AI科研现状

各国都需要不断创新来维持地位。在过去的十年中,算法创新以及更大的计算能力提高了AI系统的功能,并大大减少了训练它们所需的时间。但是,人工智能还远远不是成熟的技术。需要更多的研究和更多的进步。

本节将分析中国,欧盟和美国AI学术论文和商业研发资金的数量和质量。

4.1 AI学术论文和商业研发资金情况

AI论文数量:2017年,中国发表了15,199篇AI论文,欧盟14,776篇,美国10,287件。但是,从历史上看,欧盟生产的AI论文最多。例如,从1998年到2017年,欧盟研究人员撰写了近164,000篇AI论文,而中国和美国作者分别为135,000和107,000。而如果计算人均指标,美国在2017年每100万工人中发表了63篇AI论文,领先于欧盟(59)和中国(19)。

2017AI论文数量

论文质量:虽然正如艾伦人工智能研究所所写的那样,“所有论文都是平等的。” 但实际上,美国进行的研究质量最高。2016年,美国的基准加权实地加权引文影响(FWCI)为1.83,这意味着研究人员引用的美国作者的论文比全球平均水平高83%。相比之下,欧盟和中国的FWCI分别为1.20和0.94,这表明中国作者被引用的频率低于全球AI专家的平均水平。但是,自2012年以来,中国的FWCI逐年增加。

领域加权引文影响力

研发支出排名前100位的科技公司:衡量一个地区研究能力的另一种方法是统计其在研发方面的支出。很难知道有多少公司专门在AI研究上花费,但是统计科技公司的总体研发支出(其中许多正在开发AI服务)可以代替AI研发支出。该指标考察了2018年研发支出排名前100位的科技公司。美国(62家公司)领先欧盟(13个),中国(12个)。每1000万工人指标中,美国也领先于欧盟和中国。

2018年研发支出排名前100位的科技公司

科技公司的研发支出总额排名全球2500强:2018年,全球2500家公司的研发支出中有268家科技公司。报告统计了按地区划分的268家公司研发支出。 美国(690亿欧元,770亿美元)领先中国(100亿欧元,120亿美元)和欧盟(90亿欧元,110亿美元)。如果是人均,美国(每个工人470美元)领先欧盟(42美元)和中国(15美元)。

2018年科技公司的研发支出排名全球前2500名

4.2 AI研究能力分析

金准产业研究专家对数据的分析表明,美国在AI研究方面处于领先地位,这既是因为其在研发方面的巨额支出,也是其精英研究机构的投入。尽管如此,中国之所以赶上美国和欧盟,不仅是因为它进行了更多的研究,而且还因为它已经开始进行高质量的研究。

美国之所以在研究方面处于领先地位,部分原因是它拥有精英组织。例如,用于研发的前五名科技公司都是美国公司。评估一个国家的研究质量的另一种方法是统计其组织发布最多AI论文的影响。美国在这项指标中也处于领先地位。卡内基梅隆大学,麻省理工学院,微软,IBM和斯坦福大学是在2013年至2017年之间发表AI论文最多的美国组织。这五个组织的FWCI总计为4.0,显着高于排名前五位的欧盟(1.9)和中国(1.4)组织的FWCI。

尽管欧盟顶级组织的平均研究质量要高于最佳中国组织,但欧盟的论文产量和质量却相对停滞。自1998年以来,欧盟的FWCI仅增长了11%,而美国为24%,中国为154%。如果中国保持这种增速,2018年中国的FWCI可能已超过欧盟(数据仅到2016年可用)。此外,英国,德国,法国,西班牙和意大利这五个国家主要在欧盟推动AI研究,但自2014年以来,它们的AI年度出版物输出实际上已经收缩。

欧盟的停滞与中国的崛起相伴。尽管2009年美国和欧盟的FWCI与2016年的FWCI几乎相同(美国为1.82和1.83,欧盟为1.21和1.20),但同期中国的FWCI从0.59增长到0.94。中国的FWCI正迅速接近或超过全球平均水平1.00。

中国也不需要匹配美国的FWCI来进行更大量的研究,因为它产生了大量的研究。例如,艾伦人工智能研究所(AI2)最近对AI论文进行的分析发现,在被引用最多的10%的AI论文中,美国所占的份额从1982年的47%下降到2018年的29%。从1982年的大约0%增长到26.5%。金准产业研究团队分析,到2020年和2025年,中国的论文产量将超过美国,分别位居所有AI研究论文的前10名和1%。尽管中国的引用数量可能会因自我引用而被夸大,但相对于美国和欧盟,中国的研究质量绝对提高了。

五、AI技术与公司的发展

要充分获得AI带来的益处,各国必须拥有健康的AI生态系统,以引导创新AI技术和公司的发展。例如,国家必须拥有足够的风险投资和私募股权资金,才能满足发明人与开发和销售其产品或服务所需的资金。本节分析了AI风险资本和私募股权资金,AI公司的数量、并购情况以及专利数据。最新数据显示美国(14.9分)领先欧盟(5.3分)和中国(4.8分)。人均方面,美国(19分)领先欧盟(4.5)和中国(1.4)。

5.1 AI风险资本与公司情况

风险投资和私募股权投资总额(2017-2018年):跟踪私人资金是衡量国家发展AI公司能力的一种很好的方法。统计2017年至2018年间AI公司的风险资本和私募股权融资。美国(估计为169亿美元)为首,其次是中国(估计为135亿美元)和欧盟(估计为28亿美元)。按人均来算,还是美国领先。

风险投资和私募股权投资总额(2017-2018年)

风险投资和私募股权融资交易数量(2017-2018年):人工智能风险投资和私募股权融资可以集中在少数几笔大型交易中,但也可以跟踪风险资本和私募股权融资交易的总数。在2017年至2018年期间,美国的AI公司获得最多的投资(1,270笔交易),超过了欧盟(660个)和中国(390个)。按人均计算,美国(8个交易)领先欧盟(3个)和中国(0.5个)。

风险投资和私募股权融资交易数量(2017-2018年)

AI初创企业数量(2017年):与其他基于技术的初创企业类似,AI初创企业可以成为一个国家经济增长和竞争力的重要驱动力。美国在2017年拥有1,393个AI初创企业,超过了欧盟(726个初创企业)和中国(383个初创企业)。人均指标,美国居首(8),其次是欧洲(3)和中国(0.5)。

AI初创企业数量(2017年)

高引用AI专利数量(1960年至2018年):专利是创新的一种手段。但是,用专利来衡量创新是困难的,部分原因是授予专利的国家标准不同。该报告主要关注《专利合作条约》(PCT)专利申请和被高度引用的专利。从1960年到2018年,美国专利申请人在USPTO提交了28,031个被高引用的专利,这大大超过了在欧盟(2,985)和中国(691)办事处提交的被高引用的专利系列的数量。虽然该指标显示的是申请人在哪里提交专利,而不是他们的所在地,但大多数申请人通常会首先在其居住的国家提交专利。

高引用AI专利数量(1960年至2018年)

5.2 美国在所有AI发展指标中均处于领先

美国在所有人工智能发展指标中均处于领先地位,这表明,与中国和欧盟相比,它在继续发展领先的全球人工智能公司方面处于更有利的位置。专利和收购数据还显示,美国在发展世界一流的AI公司方面已经占据了领先地位。但是,部分由于其强大的风险资本和私募股权生态系统,中国正在赶上欧盟和美国。相反,尽管目前在人工智能开发方面的排名略高于中国,但欧盟可能缺乏挑战美国地位的资金。

美国公司在专利和主导性AI收购方面表现出色。例如,在15个机器学习子类别中的8个子类别中,Microsoft和IBM申请了比其他任何机构更多的专利,其中包括监督学习和强化学习。中国科学院申请了深度学习方面的最多专利,而西门子(德国)申请了神经网络最多的专利。尽管如此,美国公司在20个领域中的12个领域中领导着专利申请,其中包括农业(John Deere),安全性(IBM)和个人设备,计算以及人机交互(Microsoft)。此外,在2012年至2016年之间,IBM在AI专利申请(3,677件)中居全球领先地位,Google母公司Alphabet(2,185)和Microsoft(1,952)也排名前五。

虽然美国在人工智能发展方面处于领先地位,但能保持多久仍是一个未知数。对包括AI在内的AI初创企业的资金数据进行了多种分析,发现至少有一年,中国的AI初创企业比美国初创企业获得的资金更多。例如,2017年,中国的AI初创企业获得了约81亿美元的投资,而美国初创企业的投资额约为62亿美元。此外,中国科技公司腾讯的研究发现,美国AI初创公司的平均投资时间为14.8个月,而中国为9.7个月。

就人工智能初创企业的投资数量而言,中国也开始缩小与美国的巨大差距,使这一差距从2016年的476项减少到2018年的371项。差距缩小的原因是中国初创企业的投资数量显着增长,而涉及美国AI初创企业的交易数量却相对停滞。美国的AI初创企业在2018年的确获得了创纪录的投资,但是,也只获得了107亿美元的投资,而中国的AI初创企业也获得了约54亿美元的资金。

2016年至2018年期间,为欧盟AI初创企业提供的私募股权和风险投资几乎增加了三倍,但欧盟还是落后于美国和中国。例如,美国在2016年至2018年之间的任何一年所获得的资金都比欧洲三年来所获得的资金总额多。同样,在2017年和2018年,中国的AI初创企业获得的私募股权和创投资金比欧盟多数十亿美元。除非欧盟初创企业开始获得大量资金,否则欧盟有可能进一步落后于欧盟美国和中国。

六、采纳率

金准产业研究团队认为,技术创新是提高生活水平的关键,在新出现的创新浪潮中,人工智能很可能是技术创新的主要驱动力。到2030年,AI估计将创造13万亿美元的国内生产总值(GDP)增长。公司越来越需要采用AI才能保持竞争力。除了经济收益外,人工智能还可以带来重要的社会收益,例如减少汽车事故和伤害并实现更好的疾病治疗。

中国,欧盟和美国政府已公开承认采用AI的重要性。例如,中国工业和信息化部于2017年发布了《促进新一代人工智能产业发展的三年行动计划(2018-2020年)》,呼吁将人工智能融入制造业。此外,欧盟关于AI的协调计划要求在制造和能源等部门创建“欧洲通用数据空间”,以支持AI的开发和采用。美国总统特朗普在2019年发布了一项行政命令,要求制定技术标准以支持AI的采用。

为了评估中国,欧盟和美国的AI采纳率,报告分析了有关AI采纳率的调查。中国以7.7分领先欧盟(1.3)和美国(1)。就采用或试点人工智能的企业百分比而言,中国位居首位(4.7分),其次是美国(2.9分)和欧盟(2.5分)。

采用AI的公司所占百分比:衡量AI采用率的第一种方法是跟踪成功将AI应用于其业务流程中的公司所占的百分比。2018年,中国(占企业总数的32%)领先于该指标,其次是美国(22%)和欧盟(估计为18%)。

采用AI的公司所占百分比

试行AI的企业百分比:衡量AI的第二种方法是跟踪正在试行AI的企业百分比。该指标跟踪截至2018年9月和10月正在试行AI计划的公司。在这一指标上,中国也领先(占公司总数的53%),其次是美国(占29%)和欧盟(占26%)。

尽管不同的调查发现采用率有所不同,但它们也表明了类似的趋势:中国采用AI的速度比美国和欧盟更快。中国在人工智能的采用方面可能领先,部分原因是其人民和企业认识到人工智能的价值更高。

与美国和欧盟不同,无论在哪个行业,中国的采用率都是相对统一的。例如,活跃于AI领域的美国公司的百分比(这意味着它们正在采用或试行AI)在不同行业之间的差异高达32个百分点。然而,在采用率最高的行业与应用最低的行业之间,中国活跃的AI公司的份额相差仅6个百分点。

2018年按行业划分的在中国和美国采用AI或正在试用AI的公司所占百分比

对于这种现象有几种可能的解释。首先是人工智能的重要性已经渗透到中国文化中。在2017年国务院发布“新一代人工智能发展计划”后,政府开始急于向AI初创企业投资并采用AI。通过采用AI,中国政府不仅向AI公司提供资金,而且创建榜样来证明AI的好处来鼓励私人公司采用AI。此外,中国人中有较高的比例(76%)认为人工智能对整个经济有正面影响,超过美国(58%),法国(52%),德国(57%),西班牙(55%)和英国(51%)。第二种可能的解释是,与某些西方国家相比,即使某些人认为存在关于人工智能的伦理问题,但中国的技术功利主义文化认为,只要能够提供更广泛的社会福利,就愿意采用人工智能。

与美国公司相比,中国公司在向员工传达AI的重要性方面做得更好。例如,有43%的美国人说他们的雇主认为AI的发展和组织的数字化转型具有战略重要性,而中国这一比例是85%。同一调查发现54%的美国人表示他们的工作场所没有部署AI工具的计划,这一点不足为奇,而中国人的这一比例仅为22%。

尽管美国公司可能没有正确地向员工传达AI的重要性,但许多欧盟人士对AI持完全怀疑的态度。因此,虽然欧盟在采用率方面仅落后于美国,但在很大程度上落后于中国。同样,欧盟的个人通常在工作场所对AI的负面情绪要比美国的工人要大,而与中国的员工相比,负面情绪要明显得多。例如,在考虑AI对他们的影响时,英国(55%),德国(61%),法国(65%)和西班牙(53%)中较高的个人引用至少一种负面感觉工作,而美国和中国分别为51%和24%。欧盟的个体可能对AI缺乏热情,因为他们对AI的积极经验较少,在美国和中国,分别有77%和91%的个体报告AI工具对其有效性产生积极影响。法国人(62%),德国人(65%),西班牙人(72%)和英国人(74%)所占的比例较低,他们的感受相似。

七、AI系统依赖于大数据

人工智能系统通常依赖大量数据进行训练。大型数据集可帮助AI系统开发高度精确的模型。此外,机器学习技术使AI系统能够识别大型数据集中难以被人类感知或无法感知的细微模式。这就是为什么许多AI系统执行某些任务要比人类专家更好的原因之一,例如在换相断层扫描中识别肺癌的征兆。

中国,欧盟和美国的决策者已经意识到数据的重要性。2015年,为了支持大数据的使用,中国将开放数据列为十个国家项目之一。欧盟关于AI的协调计划指出:“ AI需要开发大量数据……数据集越大,AI就能更好地学习和发现数据中甚至微妙的关系。” 在美国,特朗普总统美国AI倡议指示政府“增强对高质量且可完全追溯的联邦数据的访问”,并指示美国管理和预算办公室来识别和解决数据质量限制。

没有直接的度量标准可以衡量特定位置的AI可用数据的相对数量和价值。但是,当个人从事各种在线和离线活动时(例如使用搜索引擎,在社交媒体上发布和进行购买),他们会产生大量数据。这些活动产生的数据对于机器学习模型可能具有巨大的价值。因此,一种估算国家或地区数据潜在价值的方法是考虑参与数字活动的人口百分比。

移动支付(2018):消费者还生成数据技术公司可以在每次使用移动设备购买产品时进行分析。报告将“移动支付”定义为使用移动设备进行扫描并在销售点进行交易,不包括线上购买。据估计,2018年有超过5.25亿中国人进行了移动支付,而美国为5500万,欧盟为4400万人。2018年,估计有45%的中国人口使用了移动支付,而美国为20%,英国为13%,德国为8%。

物联网数据(2018):物联网设备可以生成大量数据,机构可以将其用于训练机器学习系统。该指标跟踪2018年每个区域产生的IoT数据的估计数量,以TB为单位。中国(1.52亿TB)领先美国(6900万TB)和欧盟(5300万TB)。每100名工人中,美国(42 TB)领先欧盟(21 TB)中国(19 TB)。

新生成物联网数据量

生产力数据(2018):组织不断生成可作为输入来训练其AI系统的数据。例如,一家航空公司可以分析其客户、代理商、飞机和路线图数据,以更好地控制其航班成本。该指标跟踪估计的生产力数据量,该数据是大数据和元数据的组合。美国(9.66亿TB)领先中国(6.84亿TB)和欧盟(5.83亿TB) )。每100名工人中,美国(586 TB)领先欧盟(234 TB)和中国(87 TB)。

生产力数据

电子病历:研究人员已经使用电子病历开发了可以执行多种功能的AI系统,从预测患者是否可能会住院到帮助追踪疾病的传播。目前尚无中国、欧盟所有成员国和美国有关采用电子病历的全面数据。但是,定量和定性信息的结合表明,美国拥有电子病历的最多,领先于欧盟和中国。因此,美国在人均获取量上也领先,其次是欧盟和中国。

在所有调查的地区中,电子病历系统的采用率相对较高,但跨境以及提供商之间访问电子病历的可用性并不高。例如,2015年的一项调查发现,美国84%的初级保健医生使用了电子病历系统,而99%的瑞典医生,98%的荷兰医生,98%的英国医生,84%的德国医生使用了电子病历系统。法国医生。在中国,2012年的一项调查发现,有48%的医院拥有基本的电子病历系统。自2012年以来,使用电子病历的中国医院数量可能已增长到90%以上。2017年,超过96%的美国医院使用了经过认证的电子病历系统。

然而,在2015年,只有30%的美国医院可以在其他医疗服务提供者那里找到,发送和接收电子病历。证据表明,中国和欧盟的互操作性甚至更低。在中国,医院经常使用无法互操作的电子病历系统,迫使患者在不同医院看医生时要携带打印的健康记录。在欧盟,跨境访问和共享医疗数据的能力差异很大,限制了在跨境数据上训练AI系统的能力。

高分辨率地图数据:高分辨率地图数据对包括自动驾驶汽车在内的众多AI系统的开发都很重要。美国领先于该指标,其次是欧盟和中国。截至2019年4月,美国45%的州目前都有1米或更高分辨率的数据。相比之下,只有6个欧盟成员国(约占欧盟地理区域的15%)向公众提供完整的高分辨率3D高程数据。其余的要么提供部分覆盖或低分辨率覆盖,要么不向公众公开数据。在中国,《中华人民共和国测绘法》要求所有进行制图的实体都必须具有许可证,截至2018年1月,只有14个中国企业获得了许可证,中国企业将许可证视为“金钥匙”。

中国在收集的数据和大型互联网公司(可能也是最善于利用AI的公司)可获得的数据量方面均处于领先地位。这个事实,再加上中国政策变化可以缓解的多种数据缺陷,意味着中国将来可能会拥有更大的优势。

至少有两个原因,与西方同行相比,中国大型互联网公司可能具有数据优势。首先,西方的服务在公司之间是相对分散的。例如,亚马逊用户可以购买杂货,但不能预订酒店。另一方面,中国科技公司已经创建了多合一超级应用程序。例如,中国科技公司腾讯拥有的应用程序微信,允许用户“打车,订餐,预订酒店,管理电话费以及购买飞往美国的航班” ,在美国,这些服务(以及数据)在Uber,Postmates,Expedia,Verizon和Venmo等公司之间划分。

其次,中国的科技公司已将自己融入到传统的离线活动中。例如,滴滴(Uber的中文版)已经购买了加油站和汽车维修店。此外,美团点评的起源与Yelp相似,不仅为用户提供了一个比较业务的平台,而且还可以处理送餐。因此,中国的互联网公司比美国的公司有机会收集更多种类和深度的数据。但是,应该指出的是,一些美国技术巨头的更广泛的全球影响力为其提供了自己的数据优势。例如,Facebook有超过20亿用户,而微信只有11亿用户。如果中国公司在国际上取得更多成功,例如使用社交媒体视频应用程序TikTok,则美国的优势将会减弱。

中国也没有充分利用其产生的数据。例如,几十年来,美国公司在保险和金融等行业中一直在收集结构化的数据,例如贷款偿还率。但是,中国公司采用企业数据存储的速度较慢,因此很难提取见解和数据。这些数据的价值。在建立标准以帮助组织跨平台共享数据方面,中国也落后于西方同行。政府机构忽略了数据收集的基本标准,导致计算机无法读取大量数据,从而降低了分析数据的质量和可用性。尽管在2015年将公开数据列为国家项目,但在向公众提供政府数据方面,中国仍然落后于同行。最后,尽管其他国家正在从全球跨境数据共享的增加中受益,但中国的互联网生态系统仍处于封闭状态,限制了它从国外共享和接收的数据量。这种“封闭性”减少了中国公司收集的数据的多样性。

八、AI系统依赖的硬件设备

AI系统依赖于可以每秒执行大量操作的半导体设备(例如集成电路)。实际上,作为并行执行数学运算的电路的图形处理单元(GPU)催化了最近AI的发展。此外,诸如超级计算机之类的技术结合了诸如GPU和中央处理器之类的处理单元,可以通过大量的计算能力来扩展AI系统的功能。例如,研究人员将超级计算机和机器学习技术相结合,以模拟气候变化以及黑洞的合并。

金准产业研究团队认为,出于以下几个原因,上述硬件对于提高一个国家的AI竞争力至关重要。首先,半导体产业薄弱的国家可能容易受到其他国家行动的影响。例如,在2018年,美国禁止美国公司向中国大型电信设备制造商中兴通讯提供零件和软件。由于中兴通讯依赖美国公司的半导体设备,该公司几乎破产了。尽管美国最终解除了禁令,但形势突出了中国对西方技术的依赖。最近,美国已阻止美国公司向五个特定的超级计算实体出售芯片,美国商务部已将华为列入黑名单,这阻止了公司未经许可就出售美国技术。其次,金准产业研究团队认为,专门为AI应用(例如自动驾驶汽车或面部识别)设计的AI芯片将胜过GPU等成熟技术。结果,诸如Apple,Alphabet和Amazon之类的非半导体公司正在设计自己的AI芯片以满足其特定需求,这可以提高其AI系统的性能,从而为它们提供竞争优势。第三,高性能计算推动了多个领域的突破性发现,而性能最佳的超级计算机的使用为各国提供了比其他国家更快地开发前沿武器系统和应用程序的优势。

8.1 AI依赖的硬件设备发展情况

半导体研究与开发支出:不仅半导体销售很重要,半导体公司的研发支出也很重要,这通常是影响谁开发最好芯片的主要因素。该指标考察了2017年研发支出排名前10位的半导体公司的数量。美国(5家公司)领先欧盟(0)和中国(0),其中5家美国公司在研发方面的总支出为240亿美元。

设计AI芯片的公司数量(2019):由于一些公司发现开发定制的AI芯片可以改善其AI系统的性能,因此跟踪设计AI芯片的公司数量也很重要。我们分析了包括CrunchBase在内的多个数据源,以跟踪为AI用例开发芯片的公司数量。美国(55家公司)领先中国(26家公司)和欧盟(12家公司)。每1000万工人中,美国(3)也领先于欧盟(0.5)和中国(0.3)。

2019设计AI芯片的公司

超级计算机数量(2019年):该指标统计性能排名前500位的超级计算机的数量。在超级计算机500强中,中国拥有的超级计算机数量(219)超过美国(116)和欧盟(92)的总和。每1000万工人中,美国(7个超级计算机)领先于欧盟(4个)和中国(3个)。

超级计算机数量(2019年)

超级计算机(综合系统性能,2019年):评估国家/地区的另一种方法是衡量排名前500位的超级计算机的综合系统性能。在全球前500强超级计算机中,美国的综合系统性能所占比例最高(38 %),领先于中国(30%)和欧盟(17%)。每10,000名工人中,美国(36 TFLOPs / s)也领先于欧盟(10)和中国(6)。

2009-2019年排名前500名的超级计算机的综合性能


8.2 美国在硬件方面仍然领先

数据分析显示,美国在硬件方面仍然领先,但中国在超级计算机方面挑战美国,中国在AI半导体方面正在崛起,而欧盟则落后于其他国家。

美国在发展世界上最快的超级计算机方面的地位既显示了其实力,但中国的能力在不断提高。例如,最快的10台超级计算机中有6台位于美国。此外,世界上最快的两个超级计算机,Summit和Sierra,位于美国能源部(DOE)的站点。此外,美国公司英特尔开发了500强超级计算机中96%的处理器。在使用加速器或协处理器来增强计算机性能的133台超级计算机中,有98%来自美国公司Nvidia或英特尔。

但是,从某些方面来说,中国已经赶超美国成为超级计算机的全球领导者。 2010年6月,全球500台性能最佳的超级计算机中有282台在美国。然而,在2018年,美国只有有109台世界500强,为历史最低水平。此外,美国和中国都在开发百亿亿次计算机,它们每秒可以执行五百亿次计算。

中国已经开始显示出它有可能减少与美国在半导体领域的差距,至少在人工智能芯片方面。在过去两年中,数家中国AI芯片初创企业已获得至少1亿美元的资金。金准产业研究团队认为,与在整个半导体市场相比,中国在人工智能芯片市场上的竞争优势更大。例如,为机器人开发人工智能芯片的Horizon Robotics在2018年的B轮融资中获得了6亿美元的投资,该轮融资由世界领先的韩国半导体公司SK Hynix牵头。同样,最初开发用于比特币采矿的芯片的比特大陆,已经开发了一种人工智能芯片,并在2017年至2018年期间获得了近7.65亿美元的资金。最后,Cambricon Technologies,在2016年开发了世界上第一台用于手机的商业深度学习处理器,获得了由中国政府支持的国家开发投资公司的拨款100万美元。

在中国崛起的同时,欧盟也在衰落。欧洲工业在传感器等领域仍具有市场份额,但它放弃了先进的数字半导体的生产。此外,有迹象表明,欧盟在开发先进的人工智能芯片方面仍然会滞后,后者成本高昂且开发周期长。首先,没有一家欧盟半导体公司在研发支出上排名前十。其次,一些最具创新性的芯片设计来自美国和中国公司,例如Alphabet,Facebook和百度。但是由于欧洲大陆分散的市场和竞争法规,欧盟的数字初创企业一直很难扩大规模。而且在欧洲,与Alphabet和Baidu相当的公司却没有钱和动力去设计AI芯片。第三,非欧盟公司正在收购有前途的欧洲半导体设计公司。日本企业集团软银在2016年以320亿美元的价格收购了英国半导体公司ARM。类似地,中国政府支持的私募股权公司Canyon Bridge收购了Imagination Technologies,后者也是英国的半导体设计师。

结语

金准产业研究团队认为,从这份报告的几项指标中,我们可以清晰地看到,虽然中国在数据、采纳率、科研等方面有部分优势,但整体上现阶段AI的发展仍是由美国主导,尤其在硬件和科研方面,但是正如文中所说,AI竞赛并不是一场“零和游戏”,这场竞争并不是要拼个“你死我活”,中国AI发展要清晰的认识到自己的优劣,充分发挥自己的长处,积极向外界学习,抓住这次难得的科技革命机会。


金准产业研究 2019年毫米波雷达行业研究及前景预测 2019-09-20 18:00:37

前言

由于发展中国家的中高端零部件制造业起步较晚,核心技术发展较慢等因素,导致了雷达市场长久以来被国外的老牌零部件制造业巨头企业所垄断,而近年来许多中国企业不断加大研发力度,雷达产业发展迅猛,行业竞争日趋激烈,在产业发展前景最为广阔的毫米波雷达这一细分领域,以车载雷达作为主要应用方向,取得了一定突破。

一、毫米波雷达性能出众,被广泛应用于多个领域

现代国家对于雷达技术的发展极为重视,无论是涉及国家安全的军事用途或是测距、防撞等民用技术都离不开作为核心元件的雷达传感器系统。近年来随着元器件水平的不断提升,电路设计、天线设计等相关技术日益成熟,毫米波雷达在军事、安防、汽车等多个领域得到了广泛运用。

与红外线、激光等光学介质相比,毫米波穿透雾、烟、灰尘的能力强,能够保证全天候全天时工作。基于毫米波制成的毫米波导引头凭借其体积小、质量轻和空间分辨率高等优势,与目前在军事、无人机、安防等领域被大量使用的传统传感器技术如红外、超声波相比,具有很强的替代性,拥有广阔的应用前景。

二、毫米波雷达市场多年持续高速增长

中国毫米波雷达行业市场规模与出货量增速均保持快速增长,市场规模由14.7亿元人民币增长至41.4亿元人民币,年复合增长率超过23%;而出货量由2014年的56.8万颗增长至2018年的358.5万颗,年复合增长率为44.6%。

图表 12014-2018年中国毫米波雷达市场规模及增速(单位:亿元)

 

在中国毫米波雷达市场高速增长的大背景下,其驱动因素主要包括以下几点:

1)政策大力扶持

中国政府在政策层面给予了包括毫米波雷达在内的高新技术产业巨大的政策支持和资金资助,通过设立重大专项研究课题、给予财政优惠政策等方式提高国内企业投入车载雷达行业的积极性,从而带动自主雷达材料、部件、系统和整机产业发展。

2)下游产业加速发展,需求端刺激毫米波雷达增长

现阶段,汽车、无人机、安防是民用毫米波雷达最主要的应用领域。其中车载雷达是毫米波雷达应用最为广泛的领域,中国汽车市场占全球30%以上,市场容量极为广阔;且随着大众对汽车主动安全性能的认可度提高,无人驾驶的可靠性越发重要,高精度的雷达传感系统是实现高级别无人驾驶的关键。金准产业研究团队了解到,无人机作为近年兴起的朝阳产业,近五年行业规模年复合增长率超过30%,在测距、防撞等方面能够与毫米波雷达的功能完美契合,亦是毫米波雷达的一大重要应用领域。下游产业的快速发展,必将在需求端拉动毫米波雷达的销量增长。

3)下游应用领域的技术革命

工作平台是雷达赖以存在的几何空间,也是雷达技术发展和体制创新的重要途径之一。工作平台的合理利用,可使雷达的探测方式、回波模型、信息提取、实现技术等方面发生根本性变化,进而为雷达技术的发展提供新的动力与机遇。例如近年来兴起的无人机、浮空平台、空间站等新兴技术或应用场景,为雷达的探测方式带来了根本性改变,使雷达探测的概念和体制发生极大变化,从而使雷达技术产生新的飞跃。

三、中国毫米波雷达行业现状:市场化大门即将开放

OFweek产业研究院持续关注毫米波雷达市场,对行业内多家毫米波雷达企业进行了全方位调研并统计了我国毫米波雷达近年来发展情况。据金准产业研究数据显示,在研发大力投入的催化作用下,在24GHz雷达方面,国内少数企业已有研发成果,市场化产品即将问世;但在77GHz毫米波雷达方面,核心技术依旧被老牌零部件制造商所掌控,国内仍处于初级阶段,只有极少数企业能做到77GHz雷达的样机产品,产业化进程仍待突破。

图表 2 2019年中国毫米波雷达企业研发进展状况

 

四、中国车载毫米波雷达需求量激增,供应商基本为外资企业

虽然国内毫米波雷达创业公司众多,但也面临技术不够成熟、产品未被验证的问题。对于追求成熟可靠的汽车行业来说,使用多年的硅锗工艺仍然是市场绝对主力,垄断市场多年的博世、大陆、安波福、电装、Veoneer等占据了绝大多数市场份额。

在乘用车短距毫米波雷达领域,主要供应商为维宁尔、大陆、海拉以及安波福等外资企业。作为技术壁垒与资金壁垒都较为明显的高新技术行业,其市场集中度较高,排名前三的头部企业占据了超过70%的总市场份额,并呈现出愈发集中的趋势。

而在乘用车长距毫米波雷达方面,主要供应商同样以外资企业为主,代表企业如博世、大陆、电装等。其中博世与大陆两家企业在长距毫米波雷达领域深耕已久,其市场份额之和约占市场总额的80%。

中国乘用车毫米波雷达市场从2017年开始明显加速,当年乘用车毫米波雷达出货量超过232万颗,同比增长104.6%,并在2018年延续了较快的增长趋势。同时,大批国产毫米波雷达芯片厂商进入市场;以厦门意行、清能华波、上海矽杰微、上海加特兰、南京问智微、杭州岸达等公司为代表的中国毫米波雷达芯片厂商在2017年后发布了多款毫米波雷达芯片。

另一方面,在众多国内毫米波雷达创业公司高速发展的同时,行业整体也面临着技术不够成熟、产品未被验证等问题,金准产业研究团队认为,国产企业以国外领先芯片企业为目标,以高分辨率成像、CMOS芯片为技术发展方向,仍有很长的路要走。

五、性价比、重服务或成中国毫米波雷达突围手段?

纵观中国目前的毫米波雷达行业竞争格局,金准产业研究团队认为,目前国内雷达制造商的竞争重点不是国内的同行,而是如何在国际企业的围剿中脱颖而出。以博世、安波福等为代表的老牌制造商掌握着大部分核心技术,行业壁垒较高,市场对中国国产雷达厂商普遍缺乏信心。

回首雷达产业在中国发展的历程中,倒车雷达和车机的国产化具有很大的借鉴意义。2010年前,国产倒车雷达的前装装配率不足5%,市场几乎被博世、法雷奥瓜分。但随着国内奥迪威在传感器技术上取得突破后,豪恩等集成商迅速响应,发挥了本土企业特有的服务能力强、反馈速度快、产品性价比高的优势,先从小客户做起,积累经验,扩大规模,锤炼品质,逐步抓住重要客户实现快速成长。截止2018年,国产倒车雷达的前装率已经提高到了70%,国内一线自主品牌基本上都切到了国内的供应商。

结语

倒车雷达和车机国产化经验,金准产业研究团队认为毫米波雷达的国产化一定会到来,以农村包围城市为主要思路,发挥性价比、重服务的优势将成国内毫米波雷达突围法宝。先锻炼队伍,在加大研发力度的同时做大规模并完成品质提升,彼时,国内厂商性价比和重服务的优势将得到充分的发挥,将有望切入一线车企的供应链。

金准产业研究 RISC V架构全面解析报告 2019-09-19 18:11:14

前言

RISC-V(发音为“risk-five”)是一个基于精简指令集(RISC)原则的开源指令集架构(ISA),简易解释为开源软件运动相对应的一种“开源硬件”。该项目2010年始于加州大学伯克利分校,但许多贡献者是该大学以外的志愿者和行业工作者。与大多数指令集相比,RISC-V指令集可以自由地用于任何目的,允许任何人设计、制造和销售RISC-V芯片和软件而不必支付给任何公司专利费。虽然这不是第一个开源指令集,但它具有重要意义,因为其设计使其适用于现代计算设备。设计者考虑到了这些用途中的性能与功率效率。该指令集还具有众多支持的软件,这解决了新指令集通常的弱点。

金准产业研究团队预测,基于RISC-V的IP和软件工具的全球收入将在2025年增加到11亿美元,高于2018年的5200万美元。本文从RISC V的技术特点、设计理念、历史沿革、优缺点等多方面解析RISC V架构。

一、什么是RISC V

1.1 RISC-V是一种基于“精简指令集(RISC)”原则的开源指令集架构

CPU(中央处理器),也被称为微处理器,相当于电子产品的大脑。在通信领域当中,几乎所有的重要信息都要由这个“大脑”所掌控,CPU芯片和操作系统是网信领域最基础的核心技术。CPU主要有两大指令集:复杂指令集(Complex Intruction Set Computer,CISC)架构——x86,精简指令集(Reduced Intruction Set Computer,RISC)架构——ARM、MIPS和RISC-V 。而 RISC-V正是一种基于“精简指令集(RISC)”原则的开源指令集架构。

 

CPU主流架构

CPU的架构一直以来是x86与ARM的天下,而自2010年RISC-V诞生以后 ,隐约在CPU架构呈现出三足鼎立的趋势:

X86:传统PC市场的主流,善于处理大数据,IP掌握在英特尔和AMD手中。

ARM:移动(手机)市场,处理快数据为主,目前也使用在便携笔记本中,IP大部分掌握在ARM公司。

RISC-V:当需要同时兼顾数据传输速度与传输量时,这两类主流架构的胜任能力有限。RISC-V表现出了较强的优势。

 

CPU架构三足鼎立趋势

1.2 RISC发展历程

1981年,在David Patterson的带领下,加州大学伯克利分校的一个研究团队起草了RISC-1,是今天RISC架构的基础。随后在1983年发布了RISC-II原型芯片,1984年和1988年发布了RISC-III和RISC-IV。RISC的设计理念也催生了一系列新架构,如MIPS、服务器的王者IBM PowerPC以及现在统治嵌入式市场的ARM。2010年,加州大学伯克利分校的研究团队设计并推出了一套基于BSD协议许可的免费开放的指令集架构RISC-V,其原型芯片也于2013年1月成功流片。

 

RISC发展历程

RISC-V最大的特性就在于“精简”。虽然与ARM同属于精简指令集架构,但因RISC-V是近年来才推出,没有背负向后兼容的历史包袱,架构短小精悍。相比于x86和ARM动辄几百数千页,RISC-V的规范文档仅有145页,且“特权架构文档”的篇幅也仅为91页。

1.3 RISC-V的优势

1、模块化:RISC-V将不同的部分以模块化的方式组织在一起,并试图通过一套统一的架构来满足各种不同的应用场景,这种模块化是x86与ARM架构所不具备的。

2、指令数目少:受益于短小精悍的架构以及模块化的特性,RISC-V架构的指令数目非常的简洁。基本的RISC-V指令数目仅有40多条,加上其他的模块化扩展指令也总共只有几十条指令。

3、RISC-V全面开源,且具有全套开源免费的编译器、开发工具和软件开发环境(IDE),其开源的特性允许任何用户自由修改、扩展,从而能满足量身定制的需求,大大降低指令集修改的门槛。

同类产品中,ARM需要支付高昂的IP费用才可使用,甚至需支付“预付款”才可看到细节。

 

RISC-V的模块化指令集

 

各指令集架构的代码密度比较

 

三类架构对比

2015年,RISC-V 基金会正式成立,吸引了包括英伟达、NXP、三星、Microsemi在内等企业的加入。迄今为止,该基金会已吸引了全球28个国家327多家会员加入。RISC-V基金会负责维护RSIC-V指令集标准手册与架构文档,每年RISC-V基金会都会举办各种专题讨论会和全球活动。

二、RISC-V优缺点

因为x86适合处理大量数据,在传统PC与服务器领域处于霸主地位, 在手机带来的科技革命趋势下,需要快速处理数据,ARM架构在手机处理器IP领域一统江湖。在半导体的历史上,X86、ARM作为主流架构一直都占有着很大的市场。随着物联网时代的来临,而RISC-V作为新兴架构,以其精简的体量,或许在未来的IoT领域中能取得绝对的优势。

 

不同架构与数据、应用扩展方式

2.1 RISC-V的应用之一:IoT的“碎片化”需求

RISC-V的应用之一:IoT的“碎片化”需求, 因为IoT领域对AI芯片即要求高计算能力,又需要低延迟, 所以,IoT芯片设计速度要快、成本要低、能量身定制。同时嵌入式市场具备少量多样的特点,在各细分应用场景并未形成真正壁垒,架构的选择五花八门。以上原因成就了RISC-V绝佳的突破口。RISC-V的开源能降低成本,也能让用户自由修改,可定制化,RISC-V生态与敏捷设计同源。目前,国内外已有多家芯片企业投入大量资金研发RISC-V在IoT领域的应用。

 

IoT领域结构

未来的物联网大概会有300亿个设备被链接起来,那么物联网安全并不是奢侈品,而是必需品。而RISC-V的开源特性允许广泛的受众检查其体系结构,并在它们成为大范围的安全事件之前纠正它们。RISC-V可以通过提供“修复”核心而无需实际更改核心的机会来影响我们现有的网络犯罪流行。

2.2 RISC-V的应用之二:手机市场

RISC-V的应用之二:手机市场。根据SiFive首席执行官Naveed Sherwani的预测,两年之后RISC-V就会进军手机市场,与高通、苹果、三星、联发科等ARM公司抢智能手机处理器市场,同时有可能威胁低功耗笔记本处理器。目前ARM公司的营收数据略有下滑,2017与2018年,ARM的设计IP市占率分别下滑1.6%及1.5%。因此,ARM也作出了相应的改善策略。2019年7月,Arm 推出新的授权模式“Flexible Access”:对于中低阶芯片的授权,未来客户不再需要缴纳“预付款”才能看到设计细节。

2.3 RISC-V的应用之三:服务器市场

RISC-V的应用之三:服务器市场。虽然目前RISC-V的高性能市场一片空白,但RISC-V本身用来设计高性能芯片是没有问题的,学术界已经有基于RISC-V架构的511核处理器(Celerity)。只是基于RISC-V的低门槛特点,进入的企业体量较为小巧,没有足够的资金做长期布局与研发,高性能等需要较长研发时间的领域尚无人尝试。

金准产业研究团队预测,5年后RISC-V指令的处理器就有可能进军服务器市场,AMD、英特尔这样的x86处理器公司也许将要担心。

 

基于RISC-V架构的511核处理器(Celerity)

2.4 RISC-V的应用之四:存储市场

RISC-V的应用之四:存储市场。硬盘本身并不需要像SSD那样庞大的计算资源,但是由于新的磁记录技术,更复杂的功能(例如,基于NAND Flash的
缓存,健康管理,QoS),它们的处理要求也在增长增强等。这对存储器中控制芯片的计算能力要求变高了。

硬盘本身并不需要像SSD那样庞大的计算资源,但是由于新的磁记录技术,更复杂的功能(例如,基于NAND Flash的缓存,健康管理,QoS),它们的处理要求也在增长增强等。这对存储器中控制芯片的计算能力要求变高了。

虽然数据可以就近传输到附近的服务器汇总进行处理,这需要更为强大的服务器,但服务器本身对处理快数据的效率不高,因此硬盘不仅存储数据,还需要处理它。

目前RISC-V被认为最适合应用在IoT市场。因为IoT市场的情况更为灵活,是一个“碎片化”的市场,客户需求相对多样化,目前尚无任一架构统一市场,而RISC-V具有低功耗、低成本、灵活可扩展及安全可靠的特性。

虽然RICS-V本身是开源免费的,但是用户对RICS-V的架构进行使用和修改后可以进行销售。根据金准产业研究团队的预测,基于RISC-V的IP和软件工具的全球收入将在2025年增加到11亿美元,高于2018年的5200万美元。

但是, RISC-V最大的缺点是目前尚缺少生态系统。CPU 架构的影响力主要是依赖他生长的一整套生态系统,比如基于x86的Windows,基于ARM的Android。RISC-V现在最缺的是生态系统,特别是IoT碎片化的性质,没有一个统一的软件栈生态。

RISC-V基金会其实对此并不做任何定义,生态系统的搭建交予使用者来自行发挥。并且生态系统并非一蹴而就,金准产业研究团队认为,唯有RISC-V MCU大规模量产,开发者真正随手可得,相应的软件生态才能大规模爆发。

而且,在AI芯片赛道上,RISC-V有个最强的竞争者 MIPS。ARM、MIPS和RISC-V皆属于精简指令集(RISC)架构。在智能手机时代,由于MIPS选择消费电子时,Arm选择了手机市场,即使ARM与MIPS的诞生时间相差些许,但更晚出现的Arm成为了智能手机时代的标签。MIPS和RISC-V两者的架构也相差不大。因此,在2018年12月MIPS宣布开源之后,MIPS可能成为RISC-V在AI时代强有力的竞争者。并且基于MIPS指令集的芯片已经有100亿颗的出货,这意味着MIPS处理器在机顶盒、录音笔、智能手表等市场已经非常成熟。未来,政策、生态、软件等方面的因素是两个指令集在AI时代竞赛的重要考量。

RISC-V是国内芯片自主可控一次弯道超车的机会。目前所有的通用x86架构处理器技术都掌握在英特尔和AMD公司手中,ARM则也受到美国政策的限制。同时信息安全也是近几年来一直在强调的话题。在政府、海关、金融、铁路、民航、医疗、军警等重要部门,保障其通信安全尤为重要。

RISC-V的开源特性,使得国内企业可以继续使用。同时因为其模块化的设计,可以直接应用模块,使用门槛不高。并且对于新时代IoT等趋势的驱动下,RISC-V对比其余架构存在较大的优势,国内企业提前布局,或可成为该行业巨头之一。自2018年开始,在国内的半导体技术圈里,已经掀起了一场关于RISC—V的讨论热潮。

9月20日上午,中国RISC-V产业联盟(China RISC-V Industry Consortium,CRVIC)成立大会在张江的上海集成电路行业协会会议室成功召开。吸引芯原控股、芯来科技、上海赛昉科技、杭州中天微、北京君正、兆易创新、紫光展锐等多家单位加入,芯原控股有限公司担任联盟首任理事长单位。

设立联盟为搭建产业交流平台,推动RISC-V 广泛应用;推动RISC-V 人才培养,建立高校培养计划;推动会员协同发展,建立长效合作机制;承接RISC-V 全球基金会活动,深化国际合作交流。

结语

金准产业研究团队认为,RISC-V的五大特点,精简、安全、开源、下游市场和生态决定了RISC-V在物联网时代将会大放异彩,而且RISC-V指令集可能是最适合中国国情的,它的方针与我国秉持的开放共享、互利共赢的发展理念完美贴合。PC时代成就了x86,移动互联网时代ARM是绝对的主流,即将到来的IoT时代,哪种指令集架构会成功?不少人看好RISC-V。RISC-V这个全球开放的架构没有知识产权的限制,对中国而言是一个很好的机会,随着RISC-V在中国越来越火爆,相信不远的未来我们就能看到基于RISC-V的自主可控芯片的诞生。

金准产业研究 华为战略布局分析报告 2019-09-17 18:00:35

前言

华为创立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商。华为当前业务可分为四大领域:运营商业务、企业业务、消费者业务和云服务。随着 5G、AI 等数字新技术的不断突破和广泛应用,ICT 行业正在从一个垂直行业演变成全社会的平台性产业,使能各行各业的数字化、智能化转型,驱动新一轮科技革命,发展空间广阔。华为四大业务领域相互协同、共同发展,拼接成华为生态战略布局版图。

一、华为战略布局:四大领域协同扩张

华为当前的业务可分为四大领域:运营商业务、企业业务、消费者业务和云服务。四大业务领域相互协同、共同发展,拼接成华为生态战略布局版图。

 

华为业务布局全景图

1.1运营商业务:5G 启动网络建设复苏新周期

随着5G大规模部署时点来临,人工智能、IoT、云计算等技术日趋重要,电信产业作为全球数字经济和智能世界的基石,将迎来历史性发展机遇。华为聚焦典型商业场景,致力于以创新技术和解决方案,推动运营商持续增长和数字化转型。华为的运营商业务主要由八个部分组成:5G规模部署、AI使能自动驾驶网络、无线网络、固定网络、云核心网、IT、网络能源和全球服务。

5G规模部署:5G大规模部署时机已经到来。根据华为2019年半年报,华为和全球运营商签定了50多个5G商用合同,累计超过15万个基站已发货。在2018世界移动大会上,华为正式面向全球发布了世界首款基于3GPP标准的5G终端芯片和基于该芯片的首款5G CPE。此外,华为实现了以“极简站点、极简架构、极简协议、极简运维”的最佳5G端到端解决方案。华为有比较领先的产品和解决方案,可支撑市场需求建设5G网络,通过5G网络实现更多的商业应用。

 

华为与其他设备商搭建5G商用网络性能对比

AI使能自动驾驶网络:华为在能源效率、性能提升、运维效率和业务体验提升领域深化布局,积极构建面向电信行业的全栈全场景AI能力。华为昇腾系统AI芯片拥有高达352TOPS超强算力,技术处于全球领先水平。华为进一步打造了MDC(Mobile Data Center)平台,这将有助于实现自动驾驶全栈全场景服务。

无线网络和固定网络:无线网络领域,华为致力于构建WTTx无线宽带网络,截至2018年,已在全球120多个国家和地区超过180张网络上部署WTTx;LTE Advanced Pro(4.5G)网络也已携手全球182家运营商完成部署。固定网络方面,Cloud Fabric解决方案和5G-Ready移动承载解决方案均实现在多个国家和地区的商用部署。以10G PON光纤技术为基础的千兆时代已经来临,宽带、用户体验和联接联接容量与前几个时代相比均有显著发展。

云核心网及IT:华为云化核心网解决方案积极投入研发智能运维、敏捷运营、转控分离、边缘计算等功能,在技术、架构、商用、生态建设等方面取得的成果领先于业界。截至2018年4月,华为云核心网在全球已获得400多张核心网云化网络商用合同,正式商用100多张,服务近10亿用户。华为IT在云计算、存储、智能计算等多个领域加大创新开发力度,加速运营商数字化与智能化进程。金准汗液研究团队了解到,根据华为2019上半年业绩发布会,华为IT产品和解决方案已经在全球超过170个国家和地区投入运用,覆盖政府、金融、交通、电信、运营商、卫生、教育等领域,帮助其实现数字化转型。

网络能源:“平台+AI+生态”是华为在网络能源发展方面采用的新模式。网络能源解决方案的打造突出“绿色高效”的特点。面向5G时代,华为在业界首发5G电源解决方案,不断降低部署成本,提高网络能效。同时,华为尝试从供配电、温控、营维和架构四大维度重构数据中心,实现数据中心价值最大化。

全球服务:华为创新性地提出品质家宽解决方案和智能运维解决方案,联合全球合作伙伴,共同构建万物互联的智能世界。根据华为发布的《2018年可持续
发展报告》,华为Mobile Money服务全球超过1.5亿用户,为170多个国家和地区1500多张网络提供7×24小时技术服务,与全球3400多家供应商签署网络安全协议,主力产品获得11个国际相关安全认证。

1.2 企业业务:构建产业数字化转型生态圈

在企业业务方面,华为积极联合客户、合作伙伴、开发者、产业联盟、标准化组织构建相互依存、共同成长的生态圈。截至2018年年底,华为与211家世界500强企业、48家世界100强企业成为数字化转型的合作伙伴,在智慧城市、平安城市、金融、能源、交通和企业生态等领域深度布局:

智慧城市领域:华为提出了1+1+N的智慧城市建设思路,即一个数字平台+一个智慧大脑+N个智慧应用。这种建设思路以城市数字平台为基础,叠加全栈全场景AI解决方案,整合城市数字化资源,实现数据共享、业务协同、开发敏捷。截至2019年5月,华为智慧城市与平安城市解决方案已布局全球超过100个国家、超过700个城市。

平安城市领域:华为凭借自己世界领先的ICT技术,通过与全球伙伴的合作,共同打造端到端公共安全解决方案。同时,华为通过多样化接入方式构筑360度防护,进而预防犯罪;使用“融合指挥、可视调度”的方式提升紧急状态下的响应速度;使用云平台与智能分析手段促进执法部门工作效率提升。

金融领域:华为持续与全球顶尖金融机构开展合作,加速金融机构的全面转型。华为目前已提出了全闪存解决方案、金融大数据解决方案、金融融合数据仓库解决方案、金融云解决方案和金融至简网络解决方案,服务超过300家大型金融机构。

能源领域:华为致力于成为电力行业一站式ICT解决方案供应商、智能电网建设的优选合作伙伴。在电力领域,华为提供输变电通信、配电自动化通信、Fushion Solar智能光伏、电力通信网络增值等解决方案。在油气领域,携手行业伙伴,提供油气生产物联网、智能炼厂通信、数字管道通信等解决方案。

交通领域:华为秉持“人便于行,物畅其流”的理念,致力于为客户提供数字铁路、数字城轨、智慧机场等创新解决方案,通过云计算、大数据、物联网、敏捷网络、BYOD、eLTE、GSM-R等新ICT技术提升行业信息化水平,帮助行业客户提升运输服务水平,让旅程更便捷、物流更高效、城市更通畅、运输保障更有力。截至2018年,华为已服务全球23万公里的铁路和高速公路、70多条城市轨道、60多家航空客户。

企业生态:华为积极践行“平台+AI+生态”战略的关键举措,通过与全球众多合作伙伴一起打造解决方案,积极发展行业生态。华为为了“为客户提供高品质的一致性服务体验”,强力建设面向行业客户的全球化服务能力,打造智能化服务平台;重点投资了行业云使能服务、客户支持与行业运维服务、行业解决方案服务等专业服务解决方案和云化统一工具平台。

教育领域:华为致力于成为全球教育信息化ICT合作伙伴,努力弥合“数字鸿沟”,提高教学质量,为教育的信息化和现代化提供高效、灵活、安全的解决方案。

零售领域:华为智慧零售解决方案能够通过Wi-Fi和云技术实现交易场景的网络全覆盖和数据获取,进而提升购物体验、增强顾客粘性;通过云服务和大数据实现各个业务环节的数据整合和分析,提升运营效率。华为在零售领域提供门店智能管理解决方案、电子价签解决方案、客群分析解决方案、商品管理解决方案、门店WIFI解决方案。

制造领域:在工业4.0时代,消费者“直达”工厂。华为公有云构建了C2M能力,携手遍布全球的合作伙伴基于云计算、大数据、IoT等技术快速响应大规模个性化定制需求、帮助制造行业客户重塑制造行业价值链,创新商业模式,实现新的价值创造。

ISP领域:华为ISP解决方案凭借业界领先的互联网数据中心以及接入、云化解决方案,使得ISP业务应用快速发放、资源弹性释放、大数据分析等需求,帮助ISP数字化转型,在数字时代保持竞争力。华为目前提供云数据中心网络解决方案、云数据中心能源解决方案、混合云服务。

医疗领域:华为“全联接医疗”通过大数据、云计算技术的深度融合打造健康档案区域医疗信息平台,利用最先进的物联网技术,可以实现患者与医务人员、医疗机构、医疗设备之间的互动,构建一个智慧化医疗服务体系。华为在医疗领域提供移动医疗解决方案、数字医院网络解决方案、中小医院解决方案。

1.3消费者业务:在创新迭代过程中推动国产自控

华为以“消费者业务的起点和终点都是最终消费者”为核心理念,积极推进国产自控技术的研发,重视自身产品的用户体验感,通过技术创新迭代和供应链效率提升产品性能,产品市场份额逐步提升。

 

华为逐步推进5G端到端系统商用化

创新创造价值:华为消费者业务积极推进技术的创新与迭代,在多个领域取得了突破。在芯片方面,麒麟980芯片凭借先进的7纳米制程与强悍的A76 Based+G76架构,再度提升手机的运行效率;在摄像头方面,首个潜望镜摄像头在加上ToF技术的组合,达成手机智慧摄影新高度;在充电方面,华为40W超级快充技术已应用到华为Mate20 Pro手机。

改写高端手机新格局:2019年上半年,华为Mate20X(5G)取得首张中国5G进网许可证,华为5G手机正式进入市场,并以华为P30系列、华为Mate20系列为代表的旗舰手机,带动华为智能手机业务整体增长。

科技与美学结合:华为通过结合AI的美学分析,EMUI10以平衡和舒适为设计理念,采用更科学的方式,将杂志化的布局引入到页面的设计中。积极研究女性和青年用户的消费习惯及喜好,不断探索科技与时尚、科技与潮流美学的融合。极光色渐变配色方案、新一代极点全面屏等一系列设计使得华为赢得了时尚女性和青年消费群体的关注,用户结构不断拓宽。

全场景布局:华为8月9日发布的最新系统EMUI10,首次基于分布式技术的应用,可实现全场景音视频通话、跨终端协同办公、智慧车载等场景化应用,给消费者带来全新的全场景智慧体验。

智慧生态布局:整个产业即将进入万物互联的“全场景智慧生活时代”,华为提出了“1+8+N”全场景智慧化生态战略。在智能家居领域,华为HILInk智能家居平台已经与全球150多家厂商合作,荣耀智慧屏将成为家庭中心,为行业带来巨大想象空间;在智能车载领域,以Ocean Connect物联网平台为核心、建构和ICT基础设施,并与车商进行合作提供相关服务,透过其在通讯网路设备影响力,从硬件底层起实现车联网应用,已与奥迪、奔驰、大众、丰田、通用等全球顶级车厂合作。

销服体系升级:华为积极拓展、升级线下零售阵地,聚焦于线下服务、线上服务、自助服务三大服务平台;通过三大服务平台,尝试给客户带来便捷、高效、高端的购买体验。

1.4云服务:开放合作云生态,构建鲲鹏系列生态体系

在云服务方面,云业务正处于快速成长的黄金阶段。华为持续加码创新,推进行业进入“AI新时代”,将AI与行业智慧相互结合,进而提升各行各业生产力;积极推进合作共赢云生态,促进华为云与开发者的合作。

华为云使能行业+智能:截至2019年6月,华为云已上线超过180个云服务,以及140多个解决方案。通过开发华为云EI和一站式AI开发平台,华为云在海量重复、专家经验、多域协同三大场景将AI与行业智慧相结合,尝试实现效率提升、专业传承和突破极限。

创新领域加速奔跑:作为中国全栈公有云平台领导者,华为云与全球伙伴在公有云领域开展合作,提供公有云、混合云、云+网+数字业务等创新解决方案。

共建开放合作云生态:华为坚持开放,合作,共赢的云生态。同时作为“智能世界”的黑土地,能够帮助合作伙伴快速融入当地生态。华为云恪守业务边界,尊重数据主权,不用客户数据做商业变现,携手合作伙伴联合创新,共享华为云服务成果。

生态体系:基于鲲鹏系列的芯片,华为提供了TaiShan服务器和鲲鹏云服务,并围绕鲲鹏相关的产品和服务构筑软件生态,使能与开发者合作。

二、5G 浪潮来袭,2019 年华为产业生态全面布局

2.1基站部署:5G 商用开启,无线通信大规模换代周期来临

2019年是我国5G商用元年,国内5G基站规划宏大,运营商投资额大幅增加,为主设备商打开业绩释放机会。华为在5G建设领域布局较早,技术先导助力华为5G业务在全球蓬勃开展:

2018年3月6日,华为发布新一代小基站5G Lamp Site,是业界首个同时支持5GNR和 4G LTE的多频一体化室内小基站;

2018年3月21日,华为率先完成了IMT-2020(5G)推进组组织的中国5G技术研发试验第三阶段NSA功能测试;

2018年4月,华为获得全球首张5G产品CE-TEC认证证书;

2018年5月,华为携手与NTT DOCOMO完成首个39Ghz频段的5G IAB场外测试;

2018年10月,韩国运营商LG U+采用华为设备,率先在韩国建设5G网络;

2018年全年,华为已取得22个5G商用合同,向全球客户提供了1万多套5G基站;2019年初,华为发布全球首款5G基站核心芯片华为天罡,大规模集成有源PA(功放)和无源阵子以缩减天面尺寸,降低5G基站建设的难度和成本。

2019年年中,根据华为2019年半年报,华为和全球运营商签定了50多个5G商用合同,累计超过15万个基站已发货。

 

截止19年7月底,全球商用发布28张5G商用网络

与此同时,金准产业研究团队认为,5G基站和终端朝高频高速和小型化方向演进,带动上游导热材料、PCB、滤波器和天线领域升级换代浪潮。

2.2鸿蒙 OS:实现全场景体验的多终端适配操作系统

2019年8月9日,华为在东莞松山湖举行的华为开发者大会上正式发布自主研发的操作系统鸿蒙OS。金准产业研究团队认为,随着华为全场景智慧生活战略不断展开,鸿蒙OS成为华为向全场景体验时代迈出的第一步。作为首个真正能用同一系统覆盖所有硬件,实现全场景应用的系统,鸿蒙OS具有终端无缝协同、低延时、可信安全,以及跨终端生态共享四大技术特性:

终端无缝协同:鸿蒙OS可降低分布式应用的底层技术实现难度,便于开发人员依据自身业务逻辑开发跨终端分布式应用,实现适用于各场景的跨终端无缝协同体验。

低延时:鸿蒙OS可于任务执行前确定任务执行的优先级及时限,使应用响应时延降低25.7%。此外,鸿蒙内核结构小巧,可提升IPC性能,实现比现有系统高5倍的进程通信效率。

可信安全:鸿蒙OS采用微内核设计,首次将形式化方法用于终端TEE,使得安全等级显著提升。此外,鸿蒙微内核代码量极小,只有Linux宏内核的千分之一,大幅降低了其受攻击率。

跨终端生态共享:鸿蒙OS可使开发者基于同一工程高效构造多端自动运行APP,实现一次开发、多端部署,实现跨终端的生态共享。此外,作为首个取代Android虚拟机模式静态编译器,华为方舟编译器可在开发环境中将高级语言一次性编译成机器码,大幅度提高开发效率。

跨终端生态共享:鸿蒙OS可使开发者基于同一工程高效构造多端自动运行APP,实现一次开发、多端部署,实现跨终端的生态共享。此外,作为首个取代Android虚拟机模式静态编译器,华为方舟编译器可在开发环境中将高级语言一次性编译成机器码,大幅度提高开发效率。

 

华为鸿蒙OS与物联网战略的深度融合

2.3耀星计划:构筑全场景创新数字服务生态

“耀星计划”是华为开发者联盟于2017年11月宣布启动的一项计划,旨在为开发者提供联合营销、推广资源、云资源等一系列的资金与资源扶持,推进智慧生态发展。截至2019年7月,共245款创新应用获得了耀星激励,同时华为投放了2亿耀星券,帮助开发者实现了1500亿次曝光和5000多万次应用下载和更新。

金准产业研究团队了解到,耀星计划的激励主要面向终端能力开放、数字服务创新、生态共建三大领域板块鼓励开发者围绕AR/VR、 人工智能、 物联网等领域创新,构筑全场景创新数字服务生态;以创新性、商业价值评估为依据,采取分级激励的方式,回馈开发者。2019年8月9日-11日,华为开发者大会在华为东莞松山湖基地举行,华为正式宣布耀星计划全面升级。耀星激励资源将从10亿元人民币增至10亿美元,并且从中国市场全面推向全球,加速激励和扶持全球开发者创新。

终端能力开放:可以通过接入华为终端已开放HiAI、AR、VR等一项或者多项的应用,为华为终端用户提供可感知的差异化体验。

数字服务创新:可以接入华为应用市场的应用及游戏,基于数字服务创新合作,培养潜在千万级应用,引领体验。

生态共建:生态共建用来激励与华为共建创新生态的快应用,快服务的合作伙伴,以及长期坚定支持华为重大产品/商业活动的聚合服务伙伴,提供海量或高质量应用/服务/内容/客户的聚合服务。

智慧屏应用生态开发者激励计划:华为通过智慧屏应用生态开发者激励计划开发者提供包括立体式的联合营销、整合线上线下的资源及应用推广平台海量资源支持。为了激励开发者加入智慧屏应用生态,“耀星计划”更是制定了两项专属激励政策:一方面,华为“零分成”让利开发者,2019年12月31日,“零分成”将保证成功上架到智慧屏应用市场的应用开发者得到百分百的收益,最大程度让利开发者;另一方面,开辟为智慧屏应用的开发者提供参与“耀星计划”评选的优先通道,根据评选结果开发者可获得相应的推广资源。

2.4鲲鹏产业生态:携手产业合作伙伴,构建计算产业生态

2019年7月23日,以“鲲鹏展翅,力算未来,开创计算新时代”为主题的华为鲲鹏计算产业发展峰会在北京召开,金准产业研究团队分析,华为将携手产业合作伙伴一起构建鲲鹏计算产业生态,共同为各行各业提供基于鲲鹏处理器的领先IT基础设施及行业应用。

鲲鹏社区:华为公司为了发展鲲鹏的软件生态体系,做大鲲鹏产业, 围绕鲲鹏技术体系打造的技术支持、知识共享和产业互助平台。通过共建开放、共赢的鲲鹏生态,持续在操作系统,编译器及工具链,基础软件&中间件等大力战略投入,使能合作伙伴成功,共同做大鲲鹏产业。

软件生态:基于鲲鹏系列的芯片,华为提供了TaiShan服务器和鲲鹏云服务,并围绕鲲鹏相关的产品和服务构筑软件生态,使能合作伙伴和开发者。在OS领域方面,华为和业界主流的OS系统厂家完成兼容性测试,并提供自研的欧拉OS操作系统。在工具链层面,华为提供完善的代码迁移、优化加速,编译工具&运行环境,同时,华为联合各大开源社区,实现了常见的基础软件和中间件对鲲鹏的支持,方便开发者做应用开发和应用迁移。

 

华为业务布局全景图

鲲鹏凌云伙伴计划:鲲鹏凌云伙伴计划是华为云推出的一项面向鲲鹏(兼容ARM)开放生态的合作伙伴计划。华为云为合作伙伴提供培训、技术、营销、市场的全方位支持,以帮助伙伴基于华为鲲鹏云服务进行开发、应用移植,并开辟云市场鲲鹏专区,帮助业界商业变现。目前该计划已经与用友、金山办公、思普软件等企业建立紧密合作关系。

鲲鹏生态涉及到的合作领域包括:服务器与部件、虚拟化、存储、数据库、中间件、大数据平台、行业应用等领域,其中服务器与部件与行业应用作为华为最互补的两大领域,也是市场空间最大的两个领域。根据金准产业研究团队预测,到2023年服务器与部件的市场规模将达到4121亿元,行业应用将达到1920亿元。

结语

金准产业研究团队认为,自1987年至今,华为在过去30年里,先后历经多次重大战略转型,正是基于一次次成功的战略“转身”,华为在动荡的行业浪潮之中存活下来,并不断发展壮大。近期,在中美贸易战大背景下,华为遭到美国政府的围追堵截,又到了一次战略转型节点。目前,除了华为,全世界还没有一家企业在一个平台上,同时做云、管、端。云,就是面向企业,它的直接用户是全世界的企业,主要是云和大数据;管是面向运营商;端,就是面向消费者,也就是手机终端。通过鸿蒙系统、耀星计划、鲲鹏计划的发布,我们可以看到华为围绕云、管、端做出了十分具体的生态建设战略,相信不远的未来,华为终将成为一个伟大的世界级科技企业。

 

金准产业研究 摄像头芯片,CMOS图像传感器行业报告 2019-09-16 18:20:54

前言

1873 年,科学家约瑟·美(Joseph May)及伟洛比·史密夫(Willough by Smith)就发现了硒元素结晶体感光后能产生电流,由此,电子影像发展开始,随着技术演进,图像传感器性能逐步提升。

一、图像传感器的历史沿革

20 世纪50 年代——光学倍增管(Photo Multiplier Tube,简称PMT)出现。

1965年-1970年,IBM、Fairchild等企业开发光电以及双极二极管阵列。

1970年,CCD图像传感器在Bell实验室发明,依靠其高量子效率、高灵敏度、低暗电流、高一致性、低噪音等性能,成为图像传感器市场的主导。

90年代末,步入CMOS时代。

 

图像传感器的历史沿革

1.1光电倍增管

光电倍增管(简称PMT),真空光电管的一种。工作原理是:由光电效应引起 ,在PMT入射窗处撞击光电阴极的光子产生电子,然后由高压场加速,并在二次加工过程中在倍增电极链中倍增发射。

光电倍增管是一种极其灵敏的光检测器,可探测电磁波谱紫外,可见和近红外范围内光源,提供与光强度成比例的电流输出,广泛应用于验血,医学成像,电影胶片扫描(电视电影),雷达干扰和高端图像扫描仪鼓扫描仪中。

 

光电倍增管

1.2 CCD

CCD全称为Charge Coupled Device,中文翻译为"电荷藕合器件"。它使用一种高感光度的半导体材料制成,能把光线转变成电荷。因而具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点。CCD是电子设备, CCD在硅芯片(IC)中进行光信号与电信号之间的转换,从而实现数字化,并存储为计算机上的图像文件。

数字成像始于1969年,由Willard Boyle和George E. Smith于AT&T贝尔实验室发明。最初致力于内存→“充电'气泡'设备”,可以被用作移位寄存器和区域成像设备。

2009年, Willard Boyle和George E. Smith获得诺贝尔物理学奖。

1997年,卡西尼国际空间站使用CCD相机(广角和窄角)。美国宇航局局长丹尼尔戈尔丁称赞CCD相机“更快,更好,更便宜”;声称在未来的航天器上减少质量,功率,成本,都需要小型化相机。而电子集成便是小型化的良好途径,而基于MOS的图像传感器便拥有无源像素和有源像素(3T)的配置。

1.3 CMOS图像传感器

CMOS全称为Complementary Metal-Oxide Semiconductor,中文翻译为互补性氧化金属半导体。CMOS的制造技术和一般计算机芯片没什么差别,主要是利用硅和锗这两种元素所做成的半导体,使其在CMOS上共存着带N(带–电)和P(带+电)级的半导体,这两个互补效应所产生的电流即可被处理芯片纪录和解读成影像。

CMOS图像传感器使得“芯片相机”成为可能,相机小型化趋势明显。

 

“芯片相机”上的带有有缘像素转换器的CMOS有效像素传感器

1995年2月,Photobit公司成立,将CMOS图像传感器技术实现商业化。

1995-2001年间,Photobit 增长到约135人,主要包括:私营企业自筹资金的定制设计合同、SBIR计划的重要支持(NASA / DoD)、战略业务合作伙伴的投资,这期间共提交了100多项新专利申请。

CMOS图像传感器经商业化后,发展迅猛,应用前景广阔,逐步取代CCD成为新潮流。

2001年11月 ,Photobit被美光科技公司收购并获得许可回归加州理工学院。与此同时,到2001年,已有数十家竞争对手崭露头角,例如Toshiba,ST Micro,Omnivision,CMOS图像传感器业务部分归功于早期的努力促进技术成果转化。后来,索尼和三星分别成为了现在全球市场排名第一,第二。后来,Micron剥离了Aptina,Aptina被ON Semi收购,目前排名第4。CMOS传感器逐渐成为摄影领域主流,并广泛应用于多种场合。

 

CMOS应用领域

 

CMOS图像传感器发展历程

二、CMOS图像传感器技术特点

CMOS图像传感器(CIS)是模拟电路和数字电路的集成。主要由四个组件构成:微透镜、 彩色滤光片(CF)、光电二极管(PD)、像素设计。

 

CIS结构

微透镜:具有球形表面和网状透镜;光通过微透镜时,CIS的非活性部分负责将光收集起来并将其聚焦到彩色滤光片。

彩色滤光片(CF):拆分反射光中的红、绿、蓝(RGB)成分,并通过感光元件形成拜尔阵列滤镜。

光电二极管(PD):作为光电转换器件,捕捉光并转换成电流;一般采用PIN二极管或PN结器件制成。

像素设计:通过CIS上装配的有源像素传感器(APS)实现。APS常由3至6个晶体管构成,可从大型电容阵列中获得或缓冲像素,并在像素内部将光电流转换成电压,具有较完美的灵敏度水平和的噪声指标。

感光元件上的每个方块代表一个像素块,上方附着着一层彩色滤光片(CF),CF拆分完反射光中的RGB成分后,通过感光元件形成拜尔阵列滤镜。经典的Bayer阵列是以2x2共四格分散RGB的方式成像,Quad Bayer阵列扩大到了4x4,并且以2x2的方式将RGB相邻排列。

 

Bayer阵列滤镜与像素

滤镜上每个小方块与感光元件的像素块对应,也就是在每个像素前覆盖了一个特定的颜色滤镜。比如红色滤镜块,只允许红色光线投到感光元件上,那么对应的这个像素块就只反映红色光线的信息。随后还需要后期色彩还原去猜色,最后形成一张完整的彩色照片。感光元件→Bayer滤镜→色彩还原,这一整套流程,就叫做Bayer阵列。

 

彩色滤镜块工作原理

早期的CIS采用的是前面照度技术FSI(FRONT-SIDE ILLUMINATED),拜尔阵列滤镜与光电二极管(PD)间夹杂着金属(铝,铜)区,大量金属连线的存在对进入传感器表面的光线存在较大的干扰,阻碍了相当一部分光线进入到下一层的光电二极管(PD),信噪比较低。技术改进后,在背面照度技术BSI(FRONT-SIDE ILLUMINATED)的结构下,金属(铝,铜)区转移到光电二极管(PD)的背面,意味着经拜尔阵列滤镜收集的光线不再众多金属连线阻挡,光线得以直接进入光电二极管;BSI不仅可大幅度提高信噪比,且可配合更复杂、更大规模电路来提升传感器读取速度。

 

前面照度技术和背面照度技术

帧率(Frame rate):以帧为单位的位图图像连续出现在显示器上的频率,即每秒能显示多少张图片。而想要实现高像素CIS的设计,很重要的一点就是Analog电路设计,像素上去了,没有匹配的高速读出和处理电路,便无办法以高帧率输出出来。

索尼早于2007年chuan'gan发布了首款Exmor传感器。Exmor传感器在每列像素下方布有独立的ADC模数转换器,这意味着在CIS芯片上即可完成模数转换,有效减少了噪声,大大提高了读取速度,也简化了PCB设计。

 

Exmor架构

三、CMOS图像传感器的应用

2017年为CMOS图像传感器高增长点,同比增长达到20%。金准产业研究团队了解到2018年,全球CIS市场规模155亿美元,预计2019年同比增长10%,达到170亿美元。

目前,CIS市场正处于稳定增长期,金准产业研究团队预计2024年市场逐渐饱和,市场规模达到240亿美元。

 

CIS市场规模

3.1车载领域

车载领域的CIS应用包括:后视摄像(RVC),全方位视图系统(SVS),摄像机监控系统(CMS),FV/MV,DMS/IMS系统。

汽车图像传感器全球销量呈逐年增长趋势。后视摄像(RVC)是销量主力军,呈稳定增长趋势,2016年全球销量为5100万台,2018年为6000万台,2019年预计达到6500万台。FV/MV全球销量增长迅速,2016年为1000万台,2018年为3000万台,金准产业研究团队预计FV/MV将依旧保持迅速增长趋势,预计2019年销量可达4000万台,2021可达7500万台,直逼RVC全球销量。

 

汽车图像传感器全球市场

HDR技术方法。HDR解决方案,即高动态范围成像,是用来实现比普通数位图像技术更大曝光动态范围。时间复用。相同的像素阵列通过使用多个卷帘(交错HDR)来描绘多个边框。好处:HDR方案是与传统传感器兼容的最简单的像素技术。缺点:不同时间发生的捕获导致产生运动伪影 。

空间复用。单个像素阵列帧被分解为多个,通过不同的方法捕获:1.像素或行级别的独立曝光控制。优点:单帧中的运动伪影比交错的运动伪影少。缺点:分辨率损失,且运动伪影仍然存在边缘。2.每个像素共用同一微透镜的多个光电二极管。优点:在单个多捕获帧中没有运动伪影;缺点:从等效像素区域降低灵敏度。

非常大的全井产能。

闪变抑制技术。多个集成周期(时间多路传输)。在每个整合期内对光电二极管充电进行多次进行采样,样品光电二极管比LED源频率更高。

多个光电二极管(空间多路复用)。使用较大的光电二极管捕捉较低的轻松的场景;使用较小的不灵敏光电二极管在整个帧时间内集成(减轻LED闪烁)。

每个像素由两个光电二极管构成。其中包含一个大的灵敏光电二极管和一个小的不灵敏光电二极管,小型不灵敏光电二极管可在整帧中合并,从而减轻LED闪烁。优势在于有出色的闪变抑制、计算复杂度低;劣势在于更大更复杂的像素架构、更复杂的读数和电路定时、大型光电二极管和小型光电二极管和之间的光谱灵敏度不匹配。

阵列摄像机。阵列摄像机是一种新兴的摄像机技术,是指红外灯的内核为LED IR Array的高效长寿的红外夜视设备,可能是可行的LED检测解决方案。

用于LED检测的低灵敏度摄像头可以实现图像融合的组合输出,并能够实现单独输出,或同时输出。主要优势在于亮度高、体积小、寿命长,效率高,光线匀。

3.2手机领域

2000年,夏普首次推出可拍照的手机;随后智能手机时代到来,主摄像头素质不断提升;目前,双摄/多摄已成为主流。前置摄像头素质同步提升,目前越来越多厂商加入人脸识别功能。

 

摄像模组构成

随着技术的发展,越来越多的手机开始注重拍照的硬件升级。摄像头和CMOS成为了产品突出差异性的卖点之一。抛开镜头差异,成像质量与CMOS大小成正比,主摄像素提升推动CMOS迭代升级。

随着技术的发展,手机的CMOS也在日益增大,1/1.7英寸级的CMOS如今成为手机摄像头传感器的新选择。而更多手机也用上了1/2.3英寸级的传感器。

手机摄像头过去以像素升级为主;受CMOS尺寸限制,手机摄像开始注重变焦能力。

变焦有光学变焦与数码变焦两种。光学变焦通过光学原理调整焦距,成像画质无损。数码变焦就是通过软件算法来放大/缩小,通过插值计算,成像有损,有较多噪点。

为了进一步提升手机成像素质,注重变焦能力;而传统专业相机的光学系统无法移植到手机上。手机变焦往往会采用“双摄变焦”,采用两个定焦镜头,利用其物理焦距的不同,实现变焦效果;显然,单摄已经无法满足对光学变焦的需求了。

目前主流的 3D 深度摄像主流有两种种方案:结构光、TOF。iPhone采用前者,华为采用后置。结构光(Structured Light):结构光投射特定的光信息到物体表面后,由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。

结构光(Structured Light):结构光投射特定的光信息到物体表面后,由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。

金准产业研究团队统计,平均每部智能手机CMOS图像传感器数量在2024年将达到3.4个,年复合增长率达到6.2%。

手机摄像头数量增加,CIS出货量成倍增长。为了提高照相画质,手机引入了双摄、甚至三摄、四摄。

3.3安防领域

闭路电视监控系统发展历程:录像带录像机(VCR)→数字视频录像机(DVR)→网络视频录像机(NVR)。视频监控系统越来越复杂,性能也不断升级。

 

闭路电视监控系统发展历程

红外线摄像技术。红外线摄像技术分为被动和主动两种类型。被动型:拍摄对象自身发射红外光被摄像机接受以成像。这类设备昂贵并且对周围环境不能良好反映,所以在夜视系统中基本不采用。被动型:拍摄对象自身发射红外光被摄像机接受以成像。这类设备昂贵并且对周围环境不能良好反映,所以在夜视系统中基本不采用。

主动型红外摄像机包含摄像机、防护罩、红外灯、供电散热单元。它贴切的名称为红外线增强摄像机。感光元件的频谱足够宽时能对红外线到可见光的连续谱产生感应,形成包括红外线在内的光敏感。在普通可见光强下,宽范围感光元件增加了红外频段,在弱光条件下,也能获得清楚的图像。

全球红外摄像机设备市场规模在2017年近30亿美元,其中商用摄像机市场规模20亿美元,军用摄像机市场规模10亿美元。金准产业研究团队预计2016-2022年商用领域红外摄像机市场规模年均复合增长率为5.6%,军用领域的年均复合增长率为8.8%。2022年市场总规模将近43亿美元。

 

全球视频监控设备市场规模

全球安防摄像机市场销量在2015年约28万件,其中监视摄像机约8万件,安保系统摄像机约20万个。金准产业研究团队预计到2021年安防摄像机市场销量约64万件,其中监视摄像机约22万件,年均复合增长率为18%,安保系统摄像机约42万个,年均复合增长率约13%。

 

全球安防摄像机销量情况及预测

3.4医疗影像

与其他具有更高产量和更高成本敏感性的市场相比,图像传感器在医疗影像市场应用有其鲜明的特点:其封装步骤通常由设备制造商控制;

图像传感器技术正逐渐在行业中创造颠覆性力量,从2014年开始,市场发展迅速,行业竞争加剧:韩国和中国出现更多新参与者,成为现有大型企业的潜在障碍,行业完全整合的可能性降低。

图像传感器在医疗影像市场具有多元应用场景:X-ray、内窥镜、分子成像、光学相干断层扫描以及超声成像。

 

医疗影像市场应用

医疗成像设备行业是一个巨大的350亿美元的市场,2016-2022年预计复合年增长率达5.5%。

2016年,医疗传感器市场规模3.5亿美元,预计2016-2022年复合增长率8.3%,到2022年将达6亿美元。

根据应用技术不同,医疗图像传感器可分为CCD,CIS,a-Si FPD(非晶硅薄膜晶体管平面探测器),a-Se FPD(非晶硒薄膜晶体管平板探测器),SiPM(硅光电倍增管)、cMUT(电容微机械超声换能器)和pMUT(压电微机械超声换能器)。

CMOS传感器凭借其在通过更小的像素尺寸获得更高分辨率、降低噪声水平和暗电流以及低成本方面的优越性在医疗影像领域得到越来越广泛的应用,未来市场看涨。

CCD市场保持稳定。医用a-Si FPD因其简单性和大面板内置能力仍应用广泛;SiPM专用于分子成像;cMUT用于超声成像,可提供更高分辨率,更高速度和实时3D成像。

目前,CMOS图像传感器主要应用于X-Ray以及内窥镜领域。

X-Ray。X射线成像的第一次应用是在医疗领域,由Wilhelm Röntgen于1895年完成。如今,X射线成像技术应用已拓展到工业无损检测(NDT)以及安全领域。但医疗市场仍是X-Ray射线成像的主力应用场景。

2018年X射线探测设备市场价值20亿美元,预计2018-2024年复合年增长率5.9%,2024年达到28亿美元。

2018年,医疗领域市值达14.8亿美元,占比约74%,预计2017-2024年复合增长率4.5%,2024年市值达19亿美元。

目前,X射线成像几乎完全基于半导体技术。使用非晶硅(aSi)和CMOS的平板探测器占据了市场的最大份额,其次是硅光电二极管阵列探测器。预计铟镓锌氧化物(IGZO)平板将于2021年进入市场,直接与aSi和CMOS竞争,但CMOS仍然是主流应用。

2018年,以CMOS X-Ray成像设备市场收入2.45亿美元,预计2024年将增长到5.1亿美元,年复合增长率13%。

内窥镜。内窥镜检查不但能以最少的伤害,达成观察人体内部器官的目的,也能切取组织样本以供切片检查,或取出体内的异物。二十世纪末微创手术的发展进一步促进了内窥镜的应用。

普通电子内窥镜:将微型图像传感器在内窥镜顶部代替光学镜头,通过电缆或光纤传输图像信息。电子内窥镜与光纤内窥镜类似,有角度调节旋钮、充气及冲水孔、钳道孔、吸引孔和活检孔等。

CMOS电子内窥镜:照明光源通过滤色片,变成单色光,单色光通过导光纤维直达电子内窥镜前部,再通过照明镜头照在受检体的器官粘膜。器官粘膜反射光信号至非球面镜头,形成受检部位的光图像,CMOS图像传感器接收光图像,将其转换成电信号,再由信号线传至视频处理系统,经过去噪、储存和再生,显示在监控屏幕上。CMOS电子内窥镜可得到高清晰度图像,无视野黑点弊端,易于获得病变观察区信息。

 

CMOS电子内窥镜原理图

CIS模块的小型化是其应用于医疗设备的关键,特别是对于较小的柔性视频内窥镜。如喉镜,支气管镜,关节镜,膀胱镜,尿道镜和宫腔镜。

 

小直径视频内窥镜发展历程

结语

金准产业研究团队认为,图像传感器是当今应用最普遍、重要性最高的传感器之一。其主要采用感光单元阵列和辅助控制电路获取对象景物的亮度和色彩信号,并通过复杂的信号处理和图像处理技术输出数字化的图像信息。而后起之秀CMOS近些年优势越来越突出,已经占据了大部分图像传感器市场,CMOS 图像传感器芯片采用了适合大规模生产的标准流程工艺,批量生产时,单位成本非常低。手机是 CMOS 传感器的最大应用市场,汽车、安防等新应用领域高速成长。随着多摄像头手机的普及以及自动驾驶技术的发展,相信CMOS传感器的高速发展仍不会停止。

 

金准产业研究 2019年中国产业创新孵化器行业研究报告 2019-09-11 18:44:12

一、孵化器概念界定及分类

1.1孵化器对比众创空间、加速器等概念具有显著差异

在初创企业服务市场及创业圈中,孵化器与众创空间、加速器等概念经常被同时提起。从定位及服务形式来看,三者都聚焦于为初创团队及创业个人提供包括办公场地、社交空间、外包服务及资源共享等多维度的周边服务,助力初创公司快速成长。但三者无论从软硬件条件、服务对象及服务门槛上来看都存在明显区别:孵化器更多定位于服务新创办的科技型中小企业,基于此类企业的发展特点为其提供较为规整优质的办公环境,并配套政府及运营母公司丰富优质的产业资源与资金支持,入孵筛选规则相对严格;加速器是在孵化器孵化基础上,对具备一定发展基础的初创企业进行技术与商业模式的快速升级迭代,加速其成长过程并与资本紧密对接;众创空间组织相对灵活,面向所有创新创业群体开放,与传统意义的孵化器相比门槛更低。

 

1.2中国孵化器分类及商业延展性

商业化途径存在困境,产业型孵化器接替产业革新重担

通过对比孵化器属性和核心服务模式,可将中国整体孵化器行业分为五类,它们分别为产业型孵化器、创投型孵化器、空间/物业型孵化器、媒体型孵化器和地产型孵化器,此外由于孵化器行业仍处于初期探索阶段,整体服务模式与盈利模式并不完全成熟,也存在例如产业+地产、创投+空间等复合型孵化器类型。

随着“大众创业,万众创新”政策红利淡出行业舞台,孵化器服务逐渐回归商业本质,即如何依托自身运营能力实现稳定发展,从而达到投资回报或商业落地的目的成为行业核心探讨问题。在各类孵化器中,由于产业型孵化器多由企业主导,且与企业业务结合较为紧密,所以具有更高的商业落地可能性,成为行业核心探索方向之一。

 

二、中国孵化器行业发展历程

虽已历经四次迭代,但行业仍处于较为初期的发展阶段。

中国孵化器行业发展起步较早,最初主要以提供基础的空间租赁作为核心服务,多依存于高校和研究院所发展。而在近十年期间由于国家双创政策和资本的双重推动,行业先后经历了政策赋能阶段和资本赋能阶段。在政策赋能阶段孵化器服务在空间租赁基础上,除提供政策申报外,延伸出提供代记账、人才招聘等多样化服务。而后行业进入资本赋能阶段,在此期间由于资本的大量涌入,针对企业资金需求直接入股投资或其他资本对接的孵化模式逐渐成熟。现阶段以企业为主导的产业创新型孵化器,通过企业自身丰富的产业资源赋能入孵企业发展成为行业发展核心探索模式。

虽然中国孵化器行业已经历4个发展阶段,但从国内孵化器整体的盈利情况、运营稳定性和品牌影响力来看,整体行业的仍处于较为初期的发展阶段,如何结合中国特色政策与商业环境,构建稳定可持续的商业化服务模式仍需未来持续探索。

 

三、中国孵化器行业PEST分析

3.1外部环境基础良好,有利于孵化器行业发展

 

 

3.2中国孵化器行业供需分析

新增企业保持持续稳定增长,为孵化器市场带来广阔机遇。

党的十八大以来,全国实有企业数量和注册资本(金)年平均增长率分别为16.7%和27.9%,市场主体得以充分发展。大量初创企业的持续涌现,对各类型孵化器的需求日趋明显,推动其市场规模快速增长。金准产业研究团队统计,截至2017年底,全国共有孵化器4063家,场地面积接近1.2亿平方米,带动创业就业人数接近260万人,在孵科技型中小企业达17.75万家,在孵企业总收入6335.7亿元,累计毕业企业达11.1万家。未来,随着政策的不断利好与产业集聚创新趋势深化,中国孵化器行业市场想象发展空间仍然可期。

 

 

 

 

3.3中国孵化器行业投融资情况

资本投资逐步恢复理性,聚焦于早期孵化团队扶持.

2015年至2019年4月,国内孵化器行业累计发生融资事件78起,呈逐年下降趋势,孵化器行业已由资本热炒阶段进入依靠实力打磨与商业模式创新提升自身竞争力的全新发展阶段。另一方面,由于产业创新孵化器的崛起,大型国有、民营及外资企业倾向于内部整合资源对孵化器进行投入,商业资本投资空间受到一定程度影响。从融资轮次来看,金准产业研究团队分析,国内孵化器行业的融资主要集中于天使轮和A轮,说明投资机构普遍看好处于早期发展阶段的优秀孵化团队,希望通过资本布局加速科技企业的孵化进程。

 

 

 

3.4中外孵化器服务对比分析

国外孵化器重视技术前沿探索,国内同行受政策驱动影响大。

1959年第一家孵化器诞生于美国纽约,为中小企业快速发展打开了一扇全新窗口。随着上世纪七八十年代以微电子、新型材料和生物工程为支柱的一系列最新科学技术的突破和应用,全世界范围内进入科技革命高潮,小微企业成为技术创新的核心力量,借助孵化器将最新科技成果快速商业化落地,形成经济社会发展的全新增长极。相对比而言,国内外孵化器行业发展的驱动因素有所不同:国外孵化器的兴起反映的是信息技术产业逐渐形成的市场化过程,加速技术与资本流动成为核心诉求;国内孵化器演进过程受国家推动新兴产业发展意志影响较大,以探索技术实现首次商业化与提供适配产业发展的管理咨询、投融资等周边服务为主要目标。此外,国外孵化器产业商业化程度普遍较高,孵化链条可锁定至新兴产业发展的科技前期,国内孵化器更多关注技术应用领域的发展期企业,对种子期企业的孵化效果有限。

 

中外孵化器服务对比分析(2/2)

国外孵化器重视企业价值收益,国内同行依赖补贴与营收

国内外孵化器的目标客户都锁定在早期、特定行业、具有商业前景的初创企业,致力于为其提供成长初期缺乏的资源,以协助其实现商业价值快速增长。根据价值链管理理论,可将商业模式内涵拆分为价值定位、价值创造、价值实现与价值传递等维度。尽管在这四个维度内国内外孵化器存在普遍的核心诉求,但受限于体制、经济与文化等方面差异,国内外产业创新孵化器的探索方向及落地形式有所不同。国外孵化器更注重创客文化以及高技术投资回报,倾向于以获取在孵企业股份或抛售在孵企业股票收获溢价作为主要的盈利方式,并形成持续自主经营能力,通过技术累积与项目展示收获口碑;国内孵化器紧密围绕政策导向和产业价值定位制定预期发展目标,通过打通产学研环节以加速资源交换与集聚,为被孵企业提供空间租赁、申请政府补贴、获得税收分成、组织各类培训等获得收益,并不断积累资源与品牌影响力形成雪球效应。

 

四、产业创新孵化器

4.1概念界定

产业创新孵化器由企业主导运营并提供完整商业服务

随着初创企业及创业团队快速涌现,既有的孵化器数量与运营模式已很难满足市场需求。各行业内头部企业(国企/民企/外企)与知名商业机构利用自身特色资源集聚与行业认知优势,从内部项目孵化起步,逐步发展为对外提供初创企业综合孵化服务的产业创新孵化器模式。与传统孵化器由政府或成熟科技园区发起、设立并提供资源支持的运营模式不同,产业创新孵化器指在政府扶持下由企业主导运营,为经过一定筛选条件的初创企业提供固定办公场所,并以商业规划、投融资撮合、工商税外包、人才招聘等服务模式创新作为核心竞争力的运营机构,可为被孵企业创造良好的外部发展环境,可以有效推动被孵企业商业化进程,并加速产业整体高质量发展。

 

 

4.2中国产业创新孵化器分类及特征

不同类型产业创新孵化器具备各自核心优势特征。

产业创新孵化器由于主导企业的类型不同,又可分为国企主导型、央企主导型、外企主导型、传统私企主导型和互联网巨头主导型,其中前两类主要通过政策倾斜和产业资源集聚的方式来赋能创业企业发展,外企主导类则利用其强大的品牌影响力和全球化市场资源,帮助创业企业高效对接业务拓展,加速其市场化进程和产品实践,传统私企主导类和互联网巨头主导类则在自身产业生态基础上,系统性推进创业企业商业落地的良性转化。

现阶段由于国央企改革仍在进程中,虽然国央企主导类产业创新孵化器在赋能产业创新的过程中动力十足,但由于企业机制的复杂性,创业企业的商业实践与原产业结合过程中仍存在多方位掣肘,面临较大挑战。对比之下以传统私企主导和互联网巨头主导的产业创新孵化器则更为灵活。未来传统私企主导类和互联网巨头主导类将优先于其他产业创新孵化器进入快速发展阶段,但国央企主导类仍是行业最具有发展潜力的主体。

 

4.3中国产业创新孵化器相关产业链剖析

产业参与主体大浪淘沙,共同建构行业转型升级新引擎。

中国孵化器产业链参与主体不断丰富,产业生态逐渐健壮。位于产业链中游的产业创新孵化器区别于其他孵化器,由于其客户定位不同,核心服务对象是母公司,价值服务也更加关注如何为母公司带来价值,即提供何种机制和组织安排,协助母公司践行开放式创新。作为创业团队与公司内部机构之间的缓冲区,产业创新孵化器不但可以降低彼此间的影响,更重要的是可以藉此引入外部技术资源,加快技术的商业化进程,降低企业创新成本。同时,也可以为内部闲置的创新成果提供外部商业化路径从而激发公司内部的“企业家精神”,并与外部资源方共同分担创新风险。正因如此,其中的大型企业对于产业创新孵化器的发展具有决定性作用,在其细分产业链中具有绝对话语权。但也正是这部分大型企业不断驱动着现阶段中国孵化器行业的转型升级征程。

 

 

4.4中国产业创新孵化器服务领域聚焦

核心覆盖新科技领域,联动性辐射各细分赛道。

中国产业创新孵化器覆盖领域由于多依托于大型企业,现阶段主要聚焦在新科技领域,例如人工智能、云计算、大数据、物联网等,此外由于互联网巨头的参与,覆盖领域持续增加包括社交、电商、营销、视频和教育等。随着科技创新及技术落地加速实践,未来产业创新孵化器生态将进一步健硕和丰富,但其中新科技将仍为发展道路上的核心主旋律。

 

 

4.5中国产业创新孵化器服务核心价值

作为市场创新系统的核心中介扮演多种角色

与发达国家不同,中国作为新兴市场国家市场体系并不十分完善,存在一定的商业制度缺失,孵化器服务能够起到制度中介作用。产业创新孵化器在客户定位上偏重于对母公司负责,更多定位于服务母公司的创新战略,对于母公司而言孵化器是其践行开放式创新理念的重要平台。此外产业创新孵化器对企业具有潜在的实际商业价值,例如租金现金回报、投资回报、收并购提高企业市值回报、降低研发成本并提高产能效率的技术回报、提高企业短期影响力及公益性回报等。总体来看产业创新孵化器作为市场创新系统核心中介,既是区域核心系统重要组成部分,又是解决企业创新探索失灵的制度设计。随着科技创新与技术创业成为世界各国发展经济重要力量,产业创新孵化器正在成为整合技术、知识与资本的重要工具,在国家创新体系中正扮演者越来越重要的角色。

 

 

4.6中国产业创新孵化器商业化探索

两条路径下的多种盈利选择,但机构多采用组合模式灵活增收

目前中国产业创新孵化器服务机构主要通过空间租赁、政府补贴、培训/咨询费、持股孵化辅导、投资回报和税收分成等方式实现盈利。其中以空间租赁、政府补贴和税收分成作为主导盈利方式的产业创新孵化器,核心竞争优势来自于资源获取能力和政府关系维护能力,对于国央企主导类有更高的适应性;而将持股孵化辅导、投资回报、培训/咨询作为主要盈利模式的产业创新孵化器,核心竞争优势主要来自于自身市场化运作能力,私企主导类、外企主导类和互联网巨头主导类更具发展优势。但目前产业创新孵化服务机构多采用组合盈利模式,以丰富孵化器营收途径。

 

 

4.7中国产业创新孵化器行业发展困境

中国产业创新孵化器渐入发展期面临的转型困境

孵化器作为特殊经济技术组织形态,对科技成果转化、新创企业扶植、区域经济繁荣以及高新技术产业的发展起到了重要作用。目前中国产业创新孵化器作为产业服务核心环节的中坚力量,正由探索期逐步进入多元发展期,尽管总体上发展良好但也面临诸多困境。宏观层面,我国整体创新能力不足,企业尚未真正成为技术创新的主体,缺乏创新的动力和机制;企业层面,我国产业创新孵化器仍面临运营、资金和创新等发展困境。

 

 

五、产业创新孵化器未来发展趋势

5.1发展趋势-基于宏观背景明确定位

未来定位赋能辅助角色,提振产业发展动能并优化创新方式

当前,中国经济处于新旧动能转换特殊时期,随着劳动力成本和资源耗费的增加,传统行业增长动力与盈利能力开始下降,宏观经济整体面临下行风险。与此同时,由科技创新推动的产业升级将成为未来促进中国经济发展的重要力量,以人工智能为代表的新兴技术将逐步与实体经济深度融合,为传统产业赋能改造的同时,裂变催生出全新的产业赛道与商业模式。产业创新孵化器作为承接技术转移与资源外溢的优质载体,应定位于赋能辅助者。一方面,产业创新孵化器可以快速集聚一批产业链上中下游初创技术企业,为产业结构优化与质量提升带来新鲜血液,补齐关键缺失环节,强化主导企业在相关产业领域的布局力度;另一方面,产业创新孵化器可通过主导企业的集聚效应和示范带动,打通创新要素流动渠道,最大限度利用资源强化底层通用技术与产品研发,推动创新模式由单一领域的离散式突破向跨领域的群体性突破转变,构建新型创新应用生态环境。

 

 

5.2发展趋势-产业国际化融合

通过“引进来与走出去”助力中国企业的国际化融合进程

中国作为世界后发经济体在国际化过程中一直以来都面临市场和技术双重劣势的窘境,这两种后发劣势长期积累的情况下,模式和技术创新是现阶段中国企业国际化探索的关键。产业创新孵化器作为中国企业和国际创新的核心承载者,一方面不断引进国外头部企业产业资源和创新服务模式,另一方面积极推动中国企业国际化融合探索创新机制的建立与改革,持续助力中国企业加速实现从模仿者到引领者的转化,未来产业创新孵化器在中国企业国际化融合过程中的价值将进一步凸显。

 

5.3发展趋势-差异化发展带来更多想象空间

立足自身资源禀赋与愿景,形成差异化服务模式与发展路径

当前,产业创新孵化器提供的服务内容比较有限,且大部分产业创新孵化器缺乏差异化服务能力与商业模式活力。同时,产业创新孵化器在发展路径选择上还有待明确,与政府、资本以及其它合作方的纽带需进一步研究梳理。未来,产业创新孵化器会逐步明确目标市场,对不同入孵企业进行分项研究与差异化战略制定,不断发掘企业成长过程中产生的新型需求,创新变现及盈利模式,实现良性“造血式”运营发展;在发展路径选择上,也会向产业生态、资本合作、平台对接以及政府服务等细分方向延伸,提供差异化的创业企业服务价值。

金准产业研究 布局RISCV,进军IoT研究报告 2019-09-10 20:22:19

前言

RISC-V(发音为“risk-five”)是一个基于精简指令集(RISC)原则的开源指令集架构(ISA),简易解释为开源软件运动相对应的一种“开源硬件”。该项目2010年始于加州大学伯克利分校,但许多贡献者是该大学以外的志愿者和行业工作者。与大多数指令集相比,RISC-V指令集可以自由地用于任何目的,允许任何人设计、制造和销售RISC-V芯片和软件而不必支付给任何公司专利费。虽然这不是第一个开源指令集,但它具有重要意义,因为其设计使其适用于现代计算设备。设计者考虑到了这些用途中的性能与功率效率。该指令集还具有众多支持的软件,这解决了新指令集通常的弱点。

根据金准产业研究团队的预测,基于RISC-V的IP和软件工具的全球收入将在2025年增加到11亿美元,高于2018年的5200万美元。

一、什么是RISCV

CPU(中央处理器),也被称为微处理器,相当于电子产品的大脑。在通信领域当中,几乎所有的重要信息都要由这个“大脑”所掌控,CPU芯片和操作系统是网信领域最基础的核心技术。CPU主要有两大指令集:复杂指令集(Complex Intruction Set Computer,CISC)架构——x86,精简指令集(Reduced Intruction Set Computer,RISC)架构——ARM、MIPS和RISC-V。而RISC-V正是一种基于“精简指令集(RISC)”原则的开源指令集架构。

 

CPU主流架构

CPU的架构一直以来是x86与ARM的天下,而自2010年RISC-V诞生以后,隐约在CPU架构呈现出三足鼎立的趋势:

X86:传统PC市场的主流,善于处理大数据,IP掌握在英特尔和AMD手中。

ARM:移动(手机)市场,处理快数据为主,目前也使用在便携笔记本中,IP大部分掌握在ARM公司。

RISC-V:当需要同时兼顾数据传输速度与传输量时,这两类主流架构的胜任能力有限。RISC-V表现出了较强的优势。

 

CPU架构三足鼎立趋势

1981年,在David Patterson的带领下,加州大学伯克利分校的一个研究团队起草了RISC-1,是今天RISC架构的基础。随后在1983年发布了RISC-II原型芯片,1984年和1988年发布了RISC-III和RISC-IV。RISC的设计理念也催生了一系列新架构,如MIPS、服务器的王者IBMPowerPC以及现在统治嵌入式市场的ARM。2010年,加州大学伯克利分校的研究团队设计并推出了一套基于BSD协议许可的免费开放的指令集架构RISC-V,其原型芯片也于2013年1月成功流片。

 

RISC发展历程

RISC-V最大的特性就在于“精简”。虽然与ARM同属于精简指令集架构,但因RISC-V是近年来才推出,没有背负向后兼容的历史包袱,架构短小精悍。相比于x86和ARM动辄几百数千页,RISC-V的规范文档仅有145页,且“特权架构文档”的篇幅也仅为91页。

金准产业研究团队分析,RISC-V的优势:

1、模块化:RISC-V将不同的部分以模块化的方式组织在一起,并试图通过一套统一的架构来满足各种不同的应用场景,这种模块化是x86与ARM架构所不具备的。

2、指令数目少:受益于短小精悍的架构以及模块化的特性,RISC-V架构的指令数目非常的简洁。基本的RISC-V指令数目仅有40多条,加上其他的模块化扩展指令也总共只有几十条指令。

3、RISC-V全面开源,且具有全套开源免费的编译器、开发工具和软件开发环境(IDE),其开源的特性允许任何用户自由修改、扩展,从而能满足量身定制的需求,大大降低指令集修改的门槛。

同类产品中,ARM需要支付高昂的IP费用才可使用,甚至需支付“预付款”才可看到细节。

 

三类架构对比

2015年,RISC-V基金会正式成立,吸引了包括英伟达、NXP、三星、Microsemi在内等企业的加入。迄今为止,该基金会已吸引了全球28个国家327多家会员加入。RISC-V基金会负责维护RSIC-V指令集标准手册与架构文档,每年RISC-V基金会都会举办各种专题讨论会和全球活动。

二、RISC-V优缺点

因为x86适合处理大量数据,在传统PC与服务器领域处于霸主地位,在手机带来的科技革命趋势下,需要快速处理数据,ARM架构在手机处理器IP领域一统江湖。在半导体的历史上,X86、ARM作为主流架构一直都占有着很大的市场。金准产业研究团队认为,随着物联网时代的来临,而RISC-V作为新兴架构,以其精简的体量,或许在未来的IoT领域中能取得绝对的优势。

 

不同架构与数据、应用扩展方式

RISC-V的应用之一:IoT的“碎片化”需求,因为IoT领域对AI芯片即要求高计算能力,又需要低延迟,所以,IoT芯片设计速度要快、成本要低、能量身定制。同时嵌入式市场具备少量多样的特点,在各细分应用场景并未形成真正壁垒,架构的选择五花八门。以上原因成就了RISC-V绝佳的突破口。RISC-V的开源能降低成本,也能让用户自由修改,可定制化,RISC-V生态与敏捷设计同源。金准产业研究团队了解到,目前,国内外已有多家芯片企业投入大量资金研发RISC-V在IoT领域的应用。

 

IoT领域结构

金准产业研究团队预测,未来的物联网大概会有300亿个设备被链接起来,那么物联网安全并不是奢侈品,而是必需品。而RISC-V的开源特性允许广泛的受众检查其体系结构,并在它们成为大范围的安全事件之前纠正它们。RISC-V可以通过提供“修复”核心而无需实际更改核心的机会来影响我们现有的网络犯罪流行。

RISC-V的应用之二:手机市场。根据SiFive首席执行官Naveed Sherwani的预测,两年之后RISC-V就会进军手机市场,与高通、苹果、三星、联发科等ARM公司抢智能手机处理器市场,同时有可能威胁低功耗笔记本处理器。目前ARM公司的营收数据略有下滑,2017与2018年,ARM的设计IP市占率分别下滑1.6%及1.5%。因此,ARM也作出了相应的改善策略。2019年7月,Arm推出新的授权模式“Flexible Access”:对于中低阶芯片的授权,未来客户不再需要缴纳“预付款”才能看到设计细节。

RISC-V的应用之三:服务器市场。虽然目前RISC-V的高性能市场一片空白,但RISC-V本身用来设计高性能芯片是没有问题的,学术界已经有基于RISC-V架构的511核处理器(Celerity)。只是基于RISC-V的低门槛特点,进入的企业体量较为小巧,没有足够的资金做长期布局与研发,高性能等需要较长研发时间的领域尚无人尝试。

金准产业研究团队预测,5年后RISC-V指令的处理器就有可能进军服务器市场,AMD、英特尔这样的x86处理器公司也许将要担心。

 

基于RISC-V架构的511核处理器(Celerity)

RISC-V的应用之四:存储市场。硬盘本身并不需要像SSD那样庞大的计算资源,但是由于新的磁记录技术,更复杂的功能(例如,基于NANDFlash的
缓存,健康管理,QoS),它们的处理要求也在增长增强等。这对存储器中控制芯片的计算能力要求变高了。

硬盘本身并不需要像SSD那样庞大的计算资源,但是由于新的磁记录技术,更复杂的功能(例如,基于NAND Flash的缓存,健康管理,QoS),它们的处理要求也在增长增强等。这对存储器中控制芯片的计算能力要求变高了。

虽然数据可以就近传输到附近的服务器汇总进行处理,这需要更为强大的服务器,但服务器本身对处理快数据的效率不高,因此硬盘不仅存储数据,还需要处理它。

目前RISC-V被认为最适合应用在IoT市场。因为IoT市场的情况更为灵活,是一个“碎片化”的市场,客户需求相对多样化,目前尚无任一架构统一市场,而RISC-V具有低功耗、低成本、灵活可扩展及安全可靠的特性。

虽然RICS-V本身是开源免费的,但是用户对RICS-V的架构进行使用和修改后可以进行销售。根据Tractica的预测,基于RISC-V的IP和软件工具的全球收入将在2025年增加到11亿美元,高于2018年的5200万美元。

但是,RISC-V最大的缺点是目前尚缺少生态系统。CPU架构的影响力主要是依赖他生长的一整套生态系统,比如基于x86的Windows,基于ARM的Android。RISC-V现在最缺的是生态系统,特别是IoT碎片化的性质,没有一个统一的软件栈生态。

RISC-V基金会其实对此并不做任何定义,生态系统的搭建交予使用者来自行发挥。并且生态系统并非一蹴而就,根据RISC-V基金会亚太区副秘书长郭雄飞所言,唯有RISC-VMCU大规模量产,开发者真正随手可得,相应的软件生态才能大规模爆发。

而且,在AI芯片赛道上,RISC-V有个最强的竞争者MIPS。ARM、MIPS和RISC-V皆属于精简指令集(RISC)架构。在智能手机时代,由于MIPS选择消费电子时,Arm选择了手机市场,即使ARM与MIPS的诞生时间相差些许,但更晚出现的Arm成为了智能手机时代的标签。MIPS和RISC-V两者的架构也相差不大。因此,在2018年12月MIPS宣布开源之后,MIPS可能成为RISC-V在AI时代强有力的竞争者。并且基于MIPS指令集的芯片已经有100亿颗的出货,这意味着MIPS处理器在机顶盒、录音笔、智能手表等市场已经非常成熟。未来,政策、生态、软件等方面的因素是两个指令集在AI时代竞赛的重要考量。

 

MIPS架构与MIPS公司的发展历程

RISC-V是国内芯片自主可控一次弯道超车的机会。目前所有的通用x86架构处理器技术都掌握在英特尔和AMD公司手中,ARM则也受到美国政策的限制。同时信息安全也是近几年来一直在强调的话题。在政府、海关、金融、铁路、民航、医疗、军警等重要部门,保障其通信安全尤为重要。

RISC-V的开源特性,使得国内企业可以继续使用。同时因为其模块化的设计,可以直接应用模块,使用门槛不高。并且对于新时代IoT等趋势的驱动下,RISC-V对比其余架构存在较大的优势,国内企业提前布局,或可成为该行业巨头之一。自2018年开始,在国内的半导体技术圈里,已经掀起了一场关于RISC—V的讨论热潮。

9月20日上午,中国RISC-V产业联盟(ChinaRISC-VIndustry Consortium,CRVIC)成立大会在张江的上海集成电路行业协会会议室成功召开。吸引芯原控股、芯来科技、上海赛昉科技、杭州中天微、北京君正、兆易创新、紫光展锐等多家单位加入,芯原控股有限公司担任联盟首任理事长单位。

设立联盟为搭建产业交流平台,推动RISC-V广泛应用;推动RISC-V人才培养,建立高校培养计划;推动会员协同发展,建立长效合作机制;承接RISC-V全球基金会活动,深化国际合作交流。

结语

金准产业研究团队认为,RISC-V的五大特点,精简、安全、开源、下游市场和生态决定了RISC-V在物联网时代将会大放异彩,而且RISC-V指令集可能是最适合中国国情的,它的方针与我国秉持的开放共享、互利共赢的发展理念完美贴合。PC时代成就了x86,移动互联网时代ARM是绝对的主流,即将到来的IoT时代,哪种指令集架构会成功?不少人看好RISC-V。RISC-V这个全球开放的架构没有知识产权的限制,对中国而言是一个很好的机会,随着RISC-V在中国越来越火爆,相信不远的未来我们就能看到基于RISC-V的自主可控芯片的诞生。