一、应用概况：算力向边缘侧移动，逐渐专注于特殊场景的优化
随着技术成熟化，AI芯片的应用场景除了在云端及大数据中心，也会随着算力逐渐向边缘端移动，部署于智能家居、智能制造、智慧金融等领域；同时还将随着智能产品种类日渐丰富，部署于智能手机、安防摄像头、及自动驾驶汽车等智能终端，智能产品种类也日趋丰富。未来，AI计算将无处不在。
二、云端：当前仍是AI的中心，需更高性能计算芯片以满足市场需求
当前，大多数AI训练和推理工作负载都发生在公共云和私有云中，云仍是AI的中心。在对隐私、网络安全和低延迟的需求推动下，云端出现了在网关、设备和传感器上执行AI训练和推理工作负载的现象，更高性能的计算芯片及新的AI学习架构将是解决这些问题的关键。
互联网是云端算力需求较旺盛产业，因此除传统芯片企业、芯片设计企业等参与者外，互联网公司纷纷入局AI芯片产业，投资或自研云端AI芯片。
三、边缘侧：数据向边缘下沉，随着行业落地市场将有很大增量
5G与物联网的发展以及各行业的智能化转型升级，带来了爆发式的数据增长。海量的数据将在边缘侧积累，建立在边缘的数据分析与处理将大幅度的提高效率、降低成本。
随着大量的数据向边缘下沉，边缘计算将有更大的发展，IDC预测，未来，超过50%的数据需要在边缘侧进行储存、分析和计算，这就对边缘侧的算力提出了更高的要求。芯片作为实现计算能力的重要基础硬件，也将具备更多的发展。ABI Research预测，2025年，边缘AI芯片市场将超过云端AI芯片。
在人工智能算法的驱动下，边缘AI芯不但可以自主进行逻辑分析与计算，而且可以动态实时地自我优化，调整策略，典型的应用如黑灯工厂等。
四、终端设备：终端产品类型逐渐多样，出货量增加催生大量芯片需求
根据数据测算，中国自动驾驶行业规模增速在2022年将达到24%；智能摄像头产品出货量增速超15%；手机、平板、VR/AR眼镜等智能产品出货量也均有较大增速，催生出大量的智能芯片需求。
同时，智能终端产品种类也逐渐多样，智能音响、服务/商用机器人等消费硬件、工业/数控设备等工业产品以及通信产品等日渐丰富，不同产品类型也对芯片性能与成本提出更多的要求。
