不久前，德邦證券研報曾將1976年以來的全球半導體銷售額同比增速與GDP增速進行比較，發現全球半導體年度銷售額歷史增速呈現出大約每10年一個「M」形的波動特徵，且主要與技術驅動產品疊代有關。
（來源：德邦證券研報）
如若進一步觀察歷年的半導體製造技術的發展，也可以發現它伴隨著每個十年的變革而躍上一個新的高度。
從家用電器時代到台式機時代，再到功能手機/筆記本電腦、3G/4G/智慧型手機、5G、AIoT/消費電子/汽車。隨著不斷拓展的下游應用領域，半導體行業在全球銷售額上呈現了持續的成長，從1976年到2022年的時間跨度內，銷售額增長了整整202倍。
這裡揭示了一個簡單的大道理：周期的本質，不是簡單潮起潮落原單踏步，而是不斷的螺旋式向上發展。
（來源：德邦證券研報）
2023年，剛好也成為AI爆發的元年，無疑預示著半導體行業也迎來了一個新的紀元，也被視為新一輪周期的重啟——AI技術的爆發對晶片的需求提出更高的要求，同時也為該行業帶來了前所未有的機遇。
隨著資本市場掀起的炒作熱潮，AI晶片也成為資本追捧的熱門。
但是，實際上，並非所有人對AI晶片都有準確的認識，接下來，我們將深入分析不同類別的AI晶片，揭示它們的獨特作用、技術特性以及涉及其中的相關公司。
機器學習算法在實際應用中通常分為兩個主要步驟：訓練（Training）和推理（Inference）。這兩個步驟對應了不同的計算需求和晶片設計，因此衍生出了兩種主要類型的AI晶片：訓練晶片和推理晶片。
從技術架構來看，AI晶片主要分為圖形處理器（GPU）、現場可編程門陣列（FPGA）、專用集成電路（ASIC）、中央處理器（CPU）四大類。
此外根據其在網絡中的位置，還可以分為按「雲-邊-端」進行劃分，得到雲端AI晶片 、邊緣和終端AI晶片。
（來源：公開材料）
CPU：它是計算機系統的核心組件，負責執行各種計算任務和算法。CPU在AI應用中的應用非常廣泛。它可以用於訓練和推理任務，包括圖像識別、語音識別、自然語言處理等。CPU的高性能和靈活性使得它成為處理各種類型數據的理想選擇。
GPU：其又稱顯示核心、視覺處理器、顯示晶片，是一種專門在個人電腦、工作站、遊戲機和一些移動設備(如平板電腦、智慧型手機等)上做圖像和圖形相關運算工作的微處理器。
FPGA：是在PAL(可編程陣列邏輯)、GAL(通用陣列邏輯)等可編程器件的基礎上進一步發展的產物。作為專用集成電路(ASIC)領域中的一種半定製電路而出現，既解決了定製電路的不足，又克服了原有可編程器件門電路數有限的缺點。
ASIC：指為特定用戶要求和特定電子系統的需要而設計、製造的集成電路。目前主流是用CPLD(複雜可編程邏輯器件)和FPGA來進行設計，它們都具有用戶現場可編程特性，都支持邊界掃描技術，但兩者在集成度、速度及編程方式上有各自的特點。
ASIC應用領域包括但不限於智慧型手機、可穿戴設備、安防前端攝像頭、智能家居設備以及無人機等。而國內設計製造ASIC的公司中，寒武紀、雲天勵飛、航宇微、ICG（聰鏈集團）等廠商都在各細分領域占據了相當市場份額，有一些甚至全球領先，值得進行深入的挖掘和持續的跟蹤。