随着半导体行业逐步走出下行周期，存储作为半导体行业中周期性波动更为明显的细分领域，在2023年第四季度出现较为明显的复苏迹象。
Wind数据显示，经过2023年二季度和三季度的磨底，DRAM Wafer现货平均价在2023年9月触底后开始持续反弹，至2024年3月已上涨30%。同时由于下游模组厂库存低于正常季节水准，引发终端抢货，存储模组价格随之上涨，存储进入新一轮上行周期。
根据最新披露的2023年年报和2024年一季报，存储领域明显的复苏态势已开始呈现出来。未来，随着AI的发展，下游市场对HBM和DDR5等高端存储需求将持续增长。半导体周期上行撞上AI浪潮带动高端存储需求，存储产业链的确定性进一步提升。
周期见底，一季度存储公司复苏态势延续
根据Gartner数据，2023年全球存储器市场规模下降了37%，是半导体市场中降幅最大的细分领域。也因此，2023年A股主要存储公司营收、利润多数下滑。
其中，兆易创新（603986.SH）2023年实现营收57.61亿元，同比下滑29.14%，净利润则下降9成以上。其在年报中表示，2023年，终端市场需求疲弱，同行业竞争激烈，产品价格下降明显。2023年前三季度公司所有产品线单价都呈下滑态势，到第四季度多条产品线价格接近或触达底部区域。产品价格下降导致公司毛利下滑明显，综合毛利率由47.66%下降到34.42%。
闪存盘的发明者朗科科技（300042.SZ）2023年营收下降38.63%，归母净利润下滑170%至亏损4376万元，主要缘于终端需求不振与企业库存高位所引起的存储市场供过于求。
恒烁股份（688416.SH）、同有科技（300302.SZ）、江波龙（301308.SZ）、佰维存储（688525.SH）的利润下滑或亏损则更为严重，主要原因也是行业周期波动、计提存货减值准备等。
半导体属于周期性行业，这在存储芯片领域体现得更为明显。由于标准化程度更高，存储周期波动幅度大于其他细分市场。
目前，DRAM和NAND Flash占据95%以上半导体存储份额。根据Gartner统计，2023年DRAM营收下降38.5%，至484亿美元；NAND Flash营收下降37.5%，至362亿美元。
在经历了较长的行业下行周期之后，结合原厂消减资本开支、减少晶圆产能等多重措施，存储市场供需逐渐回归平衡，目前存储行业已周期见底并开启周期上行。
市场调查机构集邦咨询（Trend Force）数据显示，DRAM产品合约价自2021年第四季开始下跌，连跌八季，至2023年第四季起涨。NAND Flash方面，合约价自2022年第三季开始下跌，连跌四季，至2023年第三季起涨。Gartner预计，2024年存储市场将增长66.3%，而全球半导体市场规模预计将同比增长16.8%。
周期上行在部分A股存储公司的业绩上已有所体现：2023年四季度，江波龙营收环比增长23.9%，同比增长108.31%；佰维存储营收环比增长50.72%，同比增长83.46%；德明利（001309.SZ）营收环比增长107.32%，同比增长124.60%；同有科技营收环比增长125.09%。
2024年一季度，存储复苏态势延续，兆易创新一季度营收环比增长19.10%，同比增长21.32%；朗科科技一季度营收环比大增311.54%，但同比仍然下降；江波龙、聚辰股份（688123.SH）、佰维存储、普冉股份（688766.SH）、德明利等企业营收连续两季度环比增长。
但聚焦汽车和工业存储领域的北京君正（300223.SZ）一季度未见明显复苏。北京君正表示，汽车和工业2023年各季度基本是市场底部波动的情况，目前景气度还没有看到明显变化，预计2024年年中会开始看到市场的恢复。
AI浪潮奔涌，高端存储需求快速爆发
AI时代正在到来，大模型等将加速AI应用与AI普惠，存储尤其是高端存储需求快速爆发。山西证券根据多家存储大厂发布的生产指引测算，2024年资本开支整体预计高于2023年，且主要为支持HBM（高带宽存储器）、DDR5等高端存储产品。
AI大模型运行计算需要传输大量模型数据，由于存储墙的限制，AI对高带宽内存芯片的需求迫切。HBM基于2.5/3D封装技术，能够以低功耗产生高带宽，近年大部分高端数据中心GPU和ASIC均使用HBM作为内存方案。
目前HBM的量产由海外三大存储厂占据。据悉，三星、SK海力士、美光的第四代HBM3产品均已量产，第五代HBM3E亦计划于2024年开始量产。对于最先进的第六代HBM4，SK海力士计划在2024年启动开发，三星和美光则计划分别于2025和2026年推出。
DDR多用于服务器、云计算、网络、笔记本电脑、台式机以及嵌入式等应用，支持更高的通道宽度、更高的密度和更低的延时，目前最新的主流标准是DDR5，将成为AI服务器的标配。行业主流观点认为，DDR5下游渗透率将在今年年中超过50%，下半年将进一步提升。
目前DDR5全球主要参与者为澜起科技（688008.SH）、瑞萨电子和Rambus三家。随着支持DDR5第二子代内存产品（支持速率5600MT/S）的主流服务器CPU上市，DDR5内存接口芯片的子代迭代已正式开启，澜起科技的DDR5第二子代RCD芯片从2023年第三季度开始规模出货，并在第四季度出货量保持增长。2023年10月，澜起科技在业界率先试产DDR5第三子代RCD芯片，并于2024年1月推出DDR5第四子代RCD芯片。
聚辰股份与澜起科技合作开发了配套新一代DDR5内存模组的SPD产品，有望持续受益此轮DDR5渗透率提升浪潮。聚辰股份在2023年年报中表示，随着下游内存模组厂商库存水位的逐步改善，以及DDR5内存模组渗透率的持续提升，公司第四季度特别是12月份以来的SPD产品销量及收入环比实现较大幅度增长，相关业务回暖趋势明显。
佰维存储表示，2023年其DDR5内存模组和LPDDR5嵌入式存储产品持续导入市场。
AI浪潮下，存储领域最为受益的除HBM和DDR5外，企业级SSD（固态硬盘）也值得关注。
由于AI服务器进行大模型训练时产生的数据保存价值远远高于传统服务器运行时产生的数据，相应的保存数据所消耗的时间、能源越来越成为AI服务器运营方的敏感要素，在此情形下SSD的高速度、低能耗优势为其大面积取代HDD（混合硬盘）创造了良好的基础。综合看，AI服务器对SSD的需求将成为NAND Flash产品未来新的重要增长动力。
佰维存储是国产PC领域SSD产品的主力供应商，目前已经进入联想、Acer、HP、同方等国内外PC厂商；其企业级存储包括SATA SSD、PCIe SSD和CXL内存三大类别，主要应用于数据中心、通用服务器、AI/ML服务器、云计算、大数据等场景。
江波龙近年来持续拓展企业级和高端消费级SSD市场。年报显示，该公司已经推出多款高速SSD产品，产品覆盖从480GB至3.84TB的主流容量范围。NVMe SSD与SATA SSD两大产品系列已成功完成与鲲鹏、海光、龙芯、飞腾、兆芯、申威多个国产CPU平台服务器的兼容性适配，企业级SSD已实现量产出货，可广泛应用于通信运营商、金融、互联网等多个行业领域。
人工智能产业发展深度报告：格局、潜力与展望
人
工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸
近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。
人工智能市场格局
人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 7.1 万亿美元。
多角度人工智能产业比较
战略部署：大国角逐，布局各有侧重
全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。
美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。
伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。
日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。
基础层面：技术薄弱，芯片之路任重道远
基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。 受限于技术积累与研发投入的不足，国内在基础层领域相 对薄弱。具体而言，在 AI 芯片领域，国际 科技 巨头芯片已基本构建产业生态，而中国尚 未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术 （SDN）、 开发语音等核心技术被掌握在亚马逊、微软等少数国外 科技 巨头手中。虽国内 阿里、华为等 科技 公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传 感器多种产品类型，而在中国也涌现了诸如汇顶 科技 的指纹传感器等产品，但整体产业布 局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数 据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。
“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。
依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。
GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。
FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内网络、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。
ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如网络、华为和阿里）在细分领域也有所建树。
总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。
技术层面：乘胜追击，国内头部企业各领风骚
技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。
具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，网络的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。
在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。
作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。
计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 69.4%，其中商汤市场份额 20.6%排名第一。
应用层面：群雄逐鹿，格局未定
应用场景市场空间广阔，全球市场格局未定。 受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到360.5 亿元，约是技术层的1.67 倍，基础层的2.53 倍。 在全球范围内，人工智能仍处在产业化和市场化的 探索 阶段，落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企 业，在很多细分领域的市场竞争格局尚未定型。
中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早，以谷歌、亚马逊等企业为首的 科技 巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国 人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于 世界前列。例如，中国 AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。
整体来看 ，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看， 我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。 但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终 端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。
透析人工智能发展潜力
基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对 中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重 后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。
从智能产业基础的角度
产业化程度：增长强劲，产业规模仅次美国
中国人工智能尚在产业化初期，但市场发展潜力较大。 产业化程度是判断人工智能发展活 力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能 市场规模分别是 213、71.25 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度， 据清华大学 科技 政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家） 人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展 望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的 增长态势，发展潜力较大。
技术创新能力：专利多而不优，海外布局仍有欠缺
专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申 请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出 量首超美国，并长期雄踞申请量首位。
从专利申请领域来看， 深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重 点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界 第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI科技 热潮兴起后 申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁 荣的结构性不均衡问题。
中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。 尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少， 仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布 局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示， 受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效， 而美国 85.6%的专利仍能得到有效保留。
人才储备：供需失衡，顶尖人才缺口大
人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布 不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有 名人工智能人才，位居全球第一，占全球总量的 21.1%。美国和中国分别以 、 列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 2.26 倍，基础层人才数是中国的 13.8 倍。
我国人工智能人才供需严重失衡，杰出人才缺口大。 据 BOSS 直聘测算，2017 年国内人 工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着 至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄 厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰 出人才（977 人）比例仍明显偏低，不足欧美的 1/5。
人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。 根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看， 国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 43.9%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。
从学术生态的角度
技术创新能力：科研产出表现强劲，产学融合尚待加强
科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 69.64%。近些年，中国积极开展前瞻性 科技 布 局， AI发展势头强劲，从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%， CAGR17.94%。2018 年，中国以 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。
我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact， 加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世 界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高 于全球平均水平的 36.78%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文 影响力增幅明显，2018 年，中国 FWCI 为 0.80，较 2010 年增长 44.23%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出 为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量 论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。
从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成 果转化的短板。 而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 7.36 倍，欧盟的 1.92 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%，与以色列（10.06%）、美国（9.53%）、日本（6.47%）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。
中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。 据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中， 美国（168 所）独占鳌头，占据全球的 45.7%。中国拥有 20 所高校与英国并列第三，数 量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。
从创新环境的角度
研发投入：中美研发投入差距收窄
中国研发高投入高强度，在全球研发表现中占据重要地位。 从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投 入总和占全球总量的比例已达 60.77%。其中，美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 14.43%，同期美国 CAGR 仅 2.99%。由于经济疲软等 诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测， 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体 上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 1.97%，低于日本和美国 1.53、0.87 个百分点。
资本投入：资金多而项目缺，资本投向侧重终端市场
中美是全球人工智能“融资高地”。 人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总 融资额的 50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第 二大融资体，融资总额占全球 35.5%。考虑到已有格局和近期变化，其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人 工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。
相比较美国，中国资本投向侧重易落地的终端市场。 从融资层面来看，中国各领域发展较 为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示， 芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场 高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。
基于信息熵的 TOPSIS 法：综合指标评估
数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。 具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在 高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场 的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研 产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来， 若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。
展望
转自丨 信息化协同创新专委会
IBM使用Ceph作为底层的AI数据存储
IBM 推进 AI 背景下的 Ceph 储存技术革命
Ceph, 作为开源的存储软件巨头，正被 IBM 看作是推动AI工作负载数据存储的基石，特别是在大规模并行文件系统之后，它扮演着关键的底层存储角色。IBM 的这一战略转型始于2019年对 Red Hat 的收购，Ceph 成为了IBM Storage Ceph 的核心组成部分。随着IBM Storage总经理 Denis Kennelly 的最新阐述，Ceph 的重要性在AI和混合云领域日益凸显。
Kennelly透露，IBM 在2023年的存储市场中稳步扩张，DS8000和FlashSystem全闪存阵列的销售业绩良好，而Ceph 的贡献也得到了肯定。在混合云和AI的浪潮中，Ceph 提供了对非结构化数据的无缝访问，这对于支撑大型语言模型的处理系统至关重要。
在数据恢复和弹性方面，IBM 通过Cohesity-Veritas的收购增强了其在备份市场的竞争力。Kennelly表示，备份市场的整合趋势正在加速，Ceph凭借其软件定义存储的优势，与OpenShift和容器技术紧密结合，正推动IBM在商用硬件上实现完整的软件定义存储堆栈。
IBM 近来对Ceph的扩展包括对NVMe/TCP的支持，提升了其块存储性能和可用性，特别是在AI项目中，100 TB 的存储需求过去可能需要繁琐的配置，现在只需简单地扩展Ceph集群即可。WatsonX团队，IBM 的AI创新引擎，正与Ceph密切协作，利用其数据处理能力。
对于GPU直接访问（GPUDirect）的支持，IBM正在深入研究，尽管Storage Scale及其并行文件系统已经具备了这种能力。Scale的AFM高性能文件系统层与Ceph的集成，使得数据能在本地和远程集群间无缝流动，为快速查询提供了关键支撑，与Snowflake和Databricks等供应商的“数据迁移查询”模式形成鲜明对比。
Kennelly强调，Storage Scale-Ceph的组合旨在实现数据原地存储和高效查询，这不仅提升了性能，而且符合IBM在AI时代对存储需求的前瞻性思考。他透露，今年晚些时候，IBM将继续优化并发布Storage Scale的基准测试结果，预示着一个激动人心的未来，AI将推动存储技术的革新。
综上所述，Ceph在IBM的AI战略中扮演着基石角色，作为底层数据存储，它支持LLM在GPU服务器中处理的数据，为AI的快速发展提供了强大且灵活的基础设施支持。
ai存储芯片核心上市公司有哪些
德明利和江波龙。
1、德明利位于深圳市福田区梅林街道梅都社区中康路136号深圳新一代产业园1栋A座2501H产业链核心标的，主控芯片放量+模组产品升级，成立于2008年，总部设立在深圳市福田区。
2、江波龙位于广东省深圳市南山区科发路8号金融服务技术创新基地1栋8楼，国产模组龙头，信创存储之茅，成立于1999年4月，是一家聚焦NANDFlash闪存应用和存储芯片定制、存储软硬件开发的存储企业。
全球芯片排名前十
1、英特尔
成立时间：1968年；总部：美国加州圣格拉拉
英特尔是一家成立于1968年的个人计算机零件和CPU制造商，拥有50年的市场领导历史，在1971年推出第一个微处理器，就为世界带来了计算机和互联网的革命，主要领域在半导体、微处理器、芯片组、板卡、系统及软件等，位于福布斯2019全球企业2000强排行榜第44位，在2019年第一季度半导体市场以158亿美元营收排在第一位，也是世界三大芯片生产商之首。
2、三星
成立时间：1969年
三星是全球著名的跨国企业集团，三星电子作为旗下最大的子公司，主要领域涉及到IT解决方案、生活家电、无线、网络、半导体及LCD事业等，在1983年研制64K动态随机存储器成为了当时世界半导体领导者，之后在移动设备领域一直处在领先地位，也是智能手机市场份额最多的企业。
3、高通
成立时间：1985年；总部：美国加利福尼亚州圣迭戈
高通公司是全球知名的移动设备和处理器制造商，旗下的骁龙处理器是业界最为领先的移动智能设备处理器，向多家制造商提供技术支持，在国内基本除了华为使用自己的研制的麒麟处理器外，小米、oppo、vivo等大部分手机制造商都会搭载骁龙处理器，也是知名的世界品牌500强之一。
4、超威
成立时间：1969年；地点：美国加州硅谷桑尼维尔
美国超威半导体AMD，也是知名的显卡制造商，涉及CPU、显卡、主板电脑硬件设备等领域，在计算机显卡领域和英伟达占据大半市场，但近年来似乎有所下降。
5、美光
成立时间：1978年；地点：美国西北部爱达荷州
美光也是世界十大芯片公司之一，也是世界最大的半导体储存及影像产品制造商之一，在全球拥有两万六千多名员工，在国内北京和深圳都营销办事处。
我国有多少家私~芯片公司？
1、英特尔
英特尔公司成立于1968年，是半导体行业和计算创新领域的全球领先厂商。英特尔公司是世界上最大的半导体芯片制造厂商，它拥有了几十年的生产历史，从英特尔推出全球第一个处理器之后，就对我们的生活作出了重大的改变，同时也引发了之后的信息技术革命。
2、高通
高通成立于1985年美国，是较大的无生产线半导体生产商、无线芯片组及软件技术供应商，是目前5G研发、商用与实现规模化的推动力量之一，致力于发明突破性基础科技，变革了世界连接、计算和沟通的方式。高通芯片事物gpu性能强，在游戏过程中很占优势。兼容性好，是移动cpu里兼容性最好的。
3、英伟达
英伟达始创于1993年美国，是全球知名的电脑显卡供应商，也是较早推出图形处理器技术。Nvidia的芯片架构能够在通用性和效率之间实现一个很好的平衡，而在这个基础上，一套易用且能充分调动芯片架构潜力的软件生态则会让Nvidia在机器学习模型社区拥有巨大的影响力。
4、联发科技
联发科技是台湾上市公司，始创于1997年，是一家专注于创造横跨信息科技、消费电子及无线通信领域的IC解决方案的现代化企业，目前已经是全球第四大半导体公司，旗下研发的芯片一年会驱动超过15亿台智能终端设备。
5、海思
海思是华为技术公司旗下的从1991年就开始专注于制造消费电子、通信等领域的光网络芯的企业，海思芯片虽然大多数自用，但仅是华为手机的销量，已经让海思曾经在国内手机芯片市场超过高通，还曾进入了全球半导体前十大供应商，可见海思实力有多强。
6、博通
博通是全球基础架构技术供应商，创立于1991年美国，专注于提供半导体和基础设施软件解决方案，拥有产品组合多样性、良好的执行力与运营、工程深度等多种优势。博通的ETC芯片的占市场份额七成，但ETC占博通收入只有可怜的10%左右，ETC芯片在博通集成公司收入占比可以说微不足道，忽略不计的。
AMD创立于1969年美国硅谷，在2006年时收购了芯片巨头ATI公司，是一家专注于微处理器设计和制造的大型跨国公司，从成立以来，去多诸多突破性的行业创新，公司始终处于半导体产品领域的前沿。
8、TI德州仪器
TI始于1930年的美国，总部位于得克萨斯州的达拉斯，以开发制造半导体和计算机技术而闻名于世，75年来TI公司卓有成效地推动着社会发展。从默默无闻地开发德州油田到在全球市场占据领先地位，TI 在其员工理念的指引下逐步发展壮大。
9、ST意法半导体
ST意法半导体是意大利的SG微电子公司与法国Thomson半导体公司合并而成的，成立于1988年，是目前世界较大的半导体公司，旗下不仅有知识产权含量高的专用产品，还有多领域的创新产品，如安全性智能卡芯片、高性能微控制器等。
NXP源自于荷兰，前身是飞利浦旗下的分支公司，是全球性汽车半导体品牌，全球前十大半导体公司，总部位于荷兰Eindhoven。nxp电源管理芯片可以开发新的工艺、封装和电路设计技术，也将出现性能更好的设备，进步功率密度，延伸电池寿命，减少电磁干扰，增强电源和信号完整性，进步体系安全性，让国际各地的工程师可以立异国际。
网络百科-英特尔、网络百科-高通、网络百科-NVIDIA、网络百科-联发科、网络百科-深圳市海思半导体有限公司、网络百科-broadcom、网络百科-AMD、网络百科-TI、网络百科-意法半导体、网络百科-恩智浦半导体公司
深圳目前在建的芯片公司有几家
企查查数据显示，我国现存芯片相关企业1429万家。2022年上半年，我国新增芯片相关企业308万家。近10年来，我国芯片相关企业注册量不断增加。2019年新增091万家，同比增长1372%。2020年新增237万家，同比增长%。2021年新增479万家，同比增长%。从区域分布来看，广东以474万家芯片相关企业排名第一。江苏、山东分别有169万家、087万家，位居前三。从城市分布来看，深圳以256万家排名第一。其次是广州、上海、西安等城市。
1、2022年上半年新增芯片相关企业308万家
企查查数据显示，我国现存芯片相关企业1429万家。2022年上半年，我国新增芯片相关企业308万家。近10年来，我国芯片相关企业每年注册量不断增加。2017年我国新增芯片相关企业062万家，同比增长2124%。2018年新增080万家，同比增长2840%。2019年新增091万家，同比增长1372%。2020年新增237万家，同比增长%。2021年新增479万家，同比增长%。
2、芯片相关企业区域分布：广东最多
企查查数据显示，从区域分布来看，广东以474万家芯片相关企业排名第一。江苏、山东分别有169万家、087万家芯片相关企业，位居前三。此后依次为浙江、上海、陕西等。
3、芯片相关企业城市分布：深圳最多
企查查数据显示，从城市分布来看，深圳以256万家芯片相关企业排名第一。广州、上海分别有芯片相关企业141万家、079万家，排名前三。此后依次为西安、苏州、南京等城市。
半导体芯片龙头股排名
三个。深圳，简称“深”，别称鹏城，是广东省副省级市、计划单列市、超大城市，国务院批复确定的中国经济特区、全国性经济中心城市和国际化城市。截止2022年10月7日，中国仍处在缺芯的形势下。于是中芯国际抓住了机会，坚持提升产能，决定继续推进老厂扩建，还有中芯京城、上海临港、中芯深圳三个新厂项目的新建建设。一旦这三个项目都满产，中芯总产能将会翻倍。
半导体芯片龙头股排名前十如下：
1华为海思半导体有限公司
2紫光展锐
3中兴微电子技术有限公司
4华大半导体有限公司
5北京智芯微电子科技有限公司
6深圳市汇顶科技股份有限公司
7超华科技
8弘信电子
9泰晶科技
10晶方科技
据了解中国每年的半导体+集成电路进口金额就已经达到几千亿美元，总体比粮食和石油加起来都多，国内芯片产业目前难以实现统一化以及规模化。由于芯片产业入门的门槛较高，很多芯片企业由于资金缘故半途而废。
另外，由于全球缺芯对汽车行业的影响也比较大，加上美国政府对华为公司的制裁，未来不仅是汽车产业受到影响，而且也会波及到其他产业。我国的芯片产业目前正处发展关键时期，任重道远，产业还需自强。
国产芯片概念股龙头有：
1、澜起科技：国产芯片龙头。
2021年第二季度，公司实现总营收425亿，同比增长-2844%，净利润为174亿，毛利润为2591亿。
公司在内存接口芯片领域深耕十多年成为全球可提供从DDR2到DDR4内存全缓冲/伴缓冲完整解决方案的主要供应商之一。
2、紫光国微：国产芯片龙头。
公司2021年第二季度实现总营收134亿，同比增长6373%；净利润为552亿，同比增长%。
公司为集成电路设计专业企业，核心业务包括智能卡芯片设计和特种集成电路两部分。
国产芯片概念股其他的还有： 明微电子、三安光电、亚翔集成、北京君正、瑞芯微、华峰测控、阳谷华泰、芯原股份、洁美科技、大豪科技、睿创微纳、北方华创、安集科技、圣邦股份、国民技术、华灿光电等、雅克科技、派瑞股份、扬杰科技、晶盛机电、英唐智控、台基股份等。
