晶片約占人工智慧比重的15%，結合我國人工智慧市場規模，推算出2016年我國人工智慧晶片市場規模約為20億元。中國的人工智慧晶片行業發展尚處於起步階段。以下對智能晶片市場分析。

　　智能晶片市場分析，2016年人工智慧晶片市場規模達到6億美金，2016-2021年中國智慧卡晶片行業市場需求與投資諮詢報告預計到2021年將達到52億美金，年複合增長率達到53%，增長迅猛，發展空間巨大。

　　未來晶片的發展前景取決於生態，有望統一在主流的軟體框架下，形成CPU+GPU/TPU+FPGA(可選)的多晶片協同場景。據測算，未來雲端晶片的空間2020年有望達105億美元，其中GPU、ASIC、FPGA分別貢獻50億美、35億美、20億美元。現從人工智慧晶片三個市場需求類別來了解智能晶片市場分析

　　用於訓練的晶片：主要面向各大AI企業及實驗室的訓練環節市場。智能晶片市場分析，目前被業內廣泛接受的是「CPU+GPU」的異構模式，由於 AMD 在通用計算以及生態圈構建方面的長期缺位，導致了在深度學習 GPU 加速市場 NVIDIA 一家獨大。面臨這一局面，谷歌 2017年發布TPU 2.0能高效支持訓練環節的深度網絡加速。我們在此後進行具體分析;

　　用於雲側推斷的晶片：在雲端推斷環節，GPU不再是最優的選擇，取而代之的是，目前3A(阿里雲、Amazon、微軟 Azure)都紛紛探索「雲伺服器+FPGA」模式替代傳統CPU以支撐推斷環節在雲端的技術密集型任務。智能晶片市場分析，但是以谷歌TPU為代表的ASIC也對雲端推斷的市場份額有所希冀;

　　用於端側推斷的晶片：智能晶片市場分析，未來在相當一部分人工智慧應用場景中，要求終端設備本身需要具備足夠的推斷計算能力，而顯然當前 ARM 等架構晶片的計算能力，並不能滿足這些終端設備的本地深度神經網絡推斷，業界需要全新的低功耗異構晶片，賦予設備足夠的算力去應對未來越發增多的人工智慧應用場景。我們預計在這個領域的深度學習的執行將更多的依賴於 ASIC。

　　智能晶片市場分析，智能安防對數據流計算速度要求較高，AI首先落地政府市場，長期看千億市場空間。智能駕駛除計算能力外對晶片的穩定性和突發狀況處理速度要求較高，目前英偉達、高通等巨頭均以GPU大力布局，國內地平線通過ASIC切入汽車市場，隨著ADAS定製化需求的增加，未來專用晶片將成為主流。智慧型手機、音箱、AR/VR終端受限於電池容量，對低功耗的要求更高，ASIC方案是未來。