Der globale Markt für neuromorphe Chips wurde im Jahr 2023 auf 65,43 Millionen USD geschätzt. Er soll im Jahr 2032 2.175,47 Millionen USD erreichen und im Prognosezeitraum (2024–32) eine durchschnittliche jährliche Wachstumsrate von 47,6 % aufweisen. Neuromorphe Chips ahmen die Struktur und Funktionalität des menschlichen Gehirns nach und ermöglichen so die effiziente Verarbeitung komplexer KI-Algorithmen und neuronaler Netzwerke. Da KI-Anwendungen in Branchen wie dem Gesundheitswesen, der Automobilindustrie, der Robotik und dem Finanzwesen immer häufiger zum Einsatz kommen, steigt auch die Nachfrage nach neuromorphen Chips.
Aktuelle Deep-Learning-Techniken und die zugehörige Hardware stehen vor mehreren Hürden, wie etwa der Ökonomie des Mooreschen Gesetzes, die es Start-ups erheblich erschwert, im KI-Bereich zu konkurrieren, was den Wettbewerb einschränkt. Der Datenüberfluss macht aktuelle Speichertechnologien zu einem limitierenden Faktor. Außerdem hat der exponentielle Anstieg des Bedarfs an Rechenleistung für jede Anwendung eine Hitzemauer geschaffen. Gleichzeitig verlangt der Markt mehr Echtzeit-Spracherkennung und -Übersetzungsleistung, Echtzeit-Videoverständnis und Echtzeitwahrnehmung für Roboter und Autos. Mehrere Anwendungen erfordern mehr Intelligenz, die Sensorik und Rechenleistung kombiniert.
Diese erheblichen Hürden führten zu einer Disruption, die zu einem neuen Technologieparadigma führte, in dem sich Start-ups von der Konkurrenz abheben können. Dabei könnten die Vorteile neuer Speichertechnologien genutzt und Bandbreite, Daten- und Energieeffizienz deutlich verbessert werden. Das neueste Paradigma ist der neuromorphe Ansatz, ein ereignisbasierter Ansatz, bei dem Berechnungen nur bei Bedarf und nicht bei jedem Taktschritt durchgeführt werden. Die Methode ermöglicht enorme Energieeinsparungen, die für die Ausführung stromintensiver KI-Algorithmen unerlässlich sind. Dies treibt die Verwendung neuromorpher Chips voran, da dies wahrscheinlich der nächste Schritt in der KI-Technologie ist.
| Berichtsmetrik | Einzelheiten |
|---|---|
| Basisjahr | 2023 |
| Regelstudienzeit | 2020-2030 |
| Prognosezeitraum | 2025-2033 |
| CAGR | 47.6% |
| Marktgröße | 2023 |
| am schnellsten wachsende Markt | Europa |
| größte Markt | Nordamerika |
| Berichterstattung | Umsatzprognose, Wettbewerbslandschaft, Wachstumsfaktoren, Umwelt & Umwelt; Regulatorische Landschaft und Trends |
| Abgedeckt |
|
Steigende Nachfrage nach Mikrochips auf Basis künstlicher Intelligenz
Es werden erhebliche Unternehmensinvestitionen in künstliche Intelligenz (KI) getätigt, und der Chipmarkt stößt auf immer größeres Interesse der Märkte. Endbenutzer übernehmen derzeit viele Anwendungen, und es wird erwartet, dass bald viele neue Anwendungen erscheinen werden. CPUs und KI-Beschleuniger sind derzeit zugängliche Halbleiter für KI-Anwendungen. Da CPUs in ihrer Rechenleistung eingeschränkt sind, dominieren KI-Beschleuniger den Markt. Anwendungsspezifische integrierte Schaltkreise (ASICs), GPUs und Field-Programmable Gate Arrays sind allesamt KI-Beschleuniger, die derzeit auf dem Markt sind (FPGAs). GPUs haben einen erheblichen Vorteil bei der Verarbeitung von KI-Training und Inferenz, da sie viele parallele Verarbeitungskerne enthalten. Sie verbrauchen jedoch viel Strom, was sie für den zukünftigen Einsatz unhaltbar macht.
Trotz geringerer Leistung können neue FPGAs zehnmal energieeffizienter sein als GPUs. FPGAs können in Anwendungen eingesetzt werden, bei denen Energieeffizienz oberste Priorität hat. ASICs weisen unter den KI-Beschleunigern die beste Leistung, den niedrigsten Stromverbrauch und die höchste Effizienz auf. Forschung und Entwicklung im Bereich KI konzentrieren sich hauptsächlich auf die Verbesserung und Nutzung tiefer neuronaler Netzwerke und KI-Beschleuniger. KI hängt von der Generierung von Datenanalysen in nahezu Echtzeit ab. Neuromorphes Computing soll diese Lücke schließen, indem bestimmte Aspekte der Gehirnfunktionen emuliert werden. Diese vom Gehirn inspirierte Architektur, die Berechnung und Speichersimulation von Neuronen und Synapsen kombiniert, kann möglicherweise die Anforderungen von KI-Systemen der nächsten Generation erfüllen.
Neuer Trend: Das Konzept der Neuroplastizität mit Elektronik zu kombinieren
Aktuelle Computer sind erheblich durch die Menge an Energie begrenzt, die zur Verarbeitung großer Datenmengen benötigt wird. Biologische neuronale Systeme verarbeiten jedoch große Informationsmengen auf komplexe Weise und verbrauchen dabei deutlich weniger Energie. Energieeinsparungen werden bei neuronalen Systemen durch die sparsame Nutzung von Hardwareressourcen in Zeit und Raum erzielt. Da mehrere reale Probleme energiebegrenzt sind und große Datenmengen verarbeiten müssen, bieten neuromorphe Chips eine große Chance. Die Struktur des menschlichen Gehirns verändert sich im Laufe des Lebens, wenn man lernt und neue Aufgaben übernimmt; ein Phänomen, das als Neuroplastizität bezeichnet wird. Ingenieure, die neuromorphe Chips entwickeln, integrieren das Konzept der Neuroplastizität in die Elektronik. Beispielsweise besteht der neuromorphe Chip Loihi von Intel aus einem Mehrkernnetz von Neuronen, das rekurrierende und hierarchische neuronale Netzwerktopologien unterstützen kann.
Im März 2020 gab Intel die Bereitschaft von Pohoiki Springs bekannt, seinem leistungsstärksten und neuesten neuromorphen Forschungssystem, das die Rechenkapazität von fast 100 Millionen Neuronen bietet. Das Cloud-basierte System steht den Mitgliedern der Intel Neuromorphic Research Community (INRC) zur Verfügung und erweitert ihre neuromorphe Arbeit, um bedeutendere, komplexere Probleme zu lösen. Das System besteht aus 24 Nahuku-Boards mit jeweils 32 Chips, die insgesamt 768 Loihi-Chips integrieren. Mehrere Programme, wie Systems of Neuromorphic Adaptive Plastic Scalable Electronics (SyNAPSE), entstehen und unterstützen einen multidisziplinären Ansatz zur Koordinierung bedeutender Technologieentwicklungsaktivitäten in den Bereichen Architektur, Hardware und Simulation. In der ersten Phase von SyNAPSE wurden elektronische synaptische Komponenten im Nanometermaßstab entwickelt, die die Verbindungsstärke zwischen zwei Neuronen analog zu biologischen Systemen variieren konnten, und der Nutzen dieser synaptischen Komponenten in Kernmikroschaltkreisen wurde simuliert, was die Gesamtsystemarchitektur unterstützte.
Bedarf an hoher Präzision und Komplexität im Hardware-Design
Das Design neuromorpher Chips verfolgt das Ziel, Teile des biologischen Nervensystems zu modellieren. Ziel ist es, dessen Rechenfunktionalität und insbesondere seine Fähigkeit, kognitive und perzeptive Aufgaben effizient zu lösen, zu reproduzieren. Um dies zu erreichen, müssen Netzwerke mit ausreichender Komplexität in Bezug auf die Anzahl der Neuronen und die Anzahl der synaptischen Verbindungen modelliert werden. Das Gehirn und seine Fähigkeit, zu lernen und sich an spezifische Probleme anzupassen, sind noch immer Gegenstand neurowissenschaftlicher Grundlagenforschung. Hochintegrierte analoge Schaltkreisanordnungen, komplexe Schnittstellen sowie die Schwierigkeiten und Fallstricke des physischen Standardzellendesigns könnten Standardwerkzeuge an ihre Grenzen bringen. Dies könnte ein gemeinsamer Nenner der meisten neuromorphen Hardwaredesigns sein. Daher ist die Entwicklung nicht standardmäßiger Designabläufe oder benutzerdefinierter Tools ein wesentlicher Bestandteil des gesamten Designprozesses.
Darüber hinaus sind analoge Schaltkreise aufgrund von Fehlanpassungseffekten anfällig für Abweichungen mehrerer Parameter und müssen zusätzlich kalibriert werden, um einen Zielbetriebspunkt zu erreichen. Während einzelne Komponenten oft mit herkömmlichen Simulationsstrategien einem Unit-Test unterzogen werden können, ist die Beurteilung der Funktionalität eines kompletten Schaltkreises aufgrund von gegenseitigen Abhängigkeiten und Fehlerfortpflanzung der Parameter begrenzt. Insbesondere bei komplexen Schaltkreisen mit hochdimensionalen Parameterräumen können mehrdimensionale Abhängigkeiten schwer aufzulösen sein. Die Überprüfung solcher komplexen Schaltkreise stellt daher eine erhebliche Herausforderung dar.
Entwicklung neuer Techniken
Neue Techniken zur Herstellung neuromorpher Chips werden auf Universitätsniveau getestet. So kooperierte beispielsweise FRANZ, eine globale Keramikmarke, im April 2021 mit der Abteilung für Biomedizintechnik der National Yang-Ming Chiao Tung University, um eine neue Technik zur Herstellung neuromorpher Chips mithilfe der keramischen 3D-Drucktechnologie einzuführen. Solche Chips zielen darauf ab, neuroelektrische Signale und Neurotransmitterkonzentrationen zu erkennen und eine tiefe Hirnstimulation zu ermöglichen. In Zukunft könnten diese neuromorphen Chips in der medizinischen Versorgung zur Behandlung von Krankheiten wie neurodegenerativen Erkrankungen eingesetzt werden. Daher bietet die Entwicklung solcher Techniken ein enormes Potenzial für Marktwachstum.
Nach Regionen ist der globale Markt für neuromorphe Chips in Nordamerika, Europa, Asien-Pazifik und den Rest der Welt unterteilt.
Nordamerika hatte den größten Marktanteil und wird im Prognosezeitraum voraussichtlich um durchschnittlich 46,7 % wachsen. Einige der bedeutendsten Marktteilnehmer, darunter Intel Corporation und IBM Corporation, haben ihren Sitz in Nordamerika. Aufgrund von Faktoren wie Regierungsinitiativen, Investorenaktivität und anderen Gründen wächst der Markt für neuromorphe Chips in der Region. Einer der wichtigsten Faktoren für das Wachstum des nordamerikanischen Marktes ist das Interesse staatlicher Stellen an neuromorphem Computing. So kündigte das Energieministerium (Department of Energy, DOE) im September 2020 die Finanzierung von 2 Millionen USD für fünf Grundlagenforschungsprogramme zur Entwicklung neuromorphen Computings an. Die Bemühungen des DOE fördern die Entwicklung von Hardware und Software für neuromorphes Computing, die vom menschlichen Gehirn inspiriert ist.
Andererseits konzentriert sich die kanadische Regierung auf KI-Technologie, die in den kommenden Jahren voraussichtlich auch Wachstumschancen für neuromorphes Computing eröffnen wird. So haben beispielsweise die Regierungen von Kanada und Quebec im Juni 2020 zusammengearbeitet, um die ethische Weiterentwicklung der KI zu fördern. Der Schwerpunkt wird auf vielen Themen liegen, darunter zuverlässige KI, Kommerzialisierung, Datenverwaltung sowie zukünftige Arbeit und Innovation. Die zunehmende Zahl KI-basierter Prozessoren treibt den Markt für neuromorphe Chips in Kanada an.
Europa ist die zweitgrößte Region. Der erwartete Wert wird bis 2030 auf 360 Millionen USD geschätzt, was einer durchschnittlichen jährlichen Wachstumsrate von 48,9 % entspricht. Aufgrund staatlicher Initiativen, Investitionen von Anbietern usw. wird auch in der europäischen Region ein Anstieg der Zahl neuromorpher Chips erwartet. Es werden Kooperationen mit mehreren langwierigen Forschungsprojekten angestrebt, die auf die Verbesserung der neuromorphen Technologie abzielen. So kündigte CEA-Leti, ein in Frankreich ansässiges Forschungsinstitut für Elektronik und Informationstechnologien, im April 2021 den Start von EU-Projekten zur Entwicklung einer neuartigen Klasse von Algorithmen, Geräten und Schaltkreisen an, die die Verarbeitung biologischer neuronaler Systeme auf mehreren Zeitskalen reproduzieren. Die Ergebnisse sollen neuromorphe Computersysteme aufbauen, die reale sensorische Signale und natürliche Zeitreihendaten effizient in Echtzeit verarbeiten und dies mit einem praktischen Laborprototyp demonstrieren können. Das Projekt bringt europäische Organisationen wie Imec, IBM Schweiz, die Universität Zürich, CSIS, CNR, SynSense und UOG zusammen. Das Projekt soll voraussichtlich im Juni 2023 abgeschlossen sein und die Europäische Union hat über 3 Millionen Euro beigesteuert. Das Human Brain Project (HBP) in Europa ist ein zehnjähriges Projekt, das 2013 gestartet wurde. Das Projekt befindet sich in seiner Endphase (April 2020 bis März 2023) und konzentriert sich auf drei Kernbereiche: Gehirnnetzwerke, ihre Rolle im Bewusstsein und künstliche neuronale Netzwerke. Vor kurzem wurden die Projekteinrichtungen in Betrieb genommen, um die Zusammenarbeit und wissenschaftliche Forschung zu fördern. Lokale Anbieter in der Region konzentrieren sich dank Investitionen zahlreicher Risikokapitalgeber auf die Entwicklung neuromorpher Halbleiter. Solche Ausgaben werden voraussichtlich die Innovation des Marktes beeinflussen.
Der asiatisch-pazifische Raum ist die drittgrößte Region. Die Region Asien-Pazifik ist einer der am schnellsten wachsenden Technologiebereiche. Die Region verzeichnet dank staatlicher Unterstützung, Forschungsinvestitionen und Innovationsaktivitäten ein rasantes Wachstum im Bereich der neuromorphen Technologie. Im März 2021 kündigte die chinesische Regierung an, dass das Land seine Forschungs- und Entwicklungsausgaben zwischen 2021 und 2025 um mehr als 7 % erhöhen werde, um technologische Durchbrüche zu erzielen. In seinem 14. Fünfjahresplan legte das Land sieben Technologiebereiche fest, auf die sich die Forschung konzentrieren soll, darunter künstliche Intelligenz, Quantencomputer, Halbleiter und Weltraum. Die Technologie konzentriert sich auf die Gehirnforschung, auch als Gehirn-Computer-Fusionstechnologie bezeichnet, die bei der Behandlung von Krankheiten helfen könnte. Als Teil seiner umfassenden Strategie, bis 2030 ein weltweit führender Anbieter von KI-Theorien, -Technologien und -Anwendungen zu werden, gab China an, dass seine Fähigkeit, hochmoderne KI-Chips im eigenen Land herzustellen, für seinen Erfolg von entscheidender Bedeutung sei. Um die Herausforderungen bei der Herstellung von Chips und der Eigenständigkeit zu überwinden, beginnen Anbieter im Land mit der Entwicklung von KI-Chips. So plant beispielsweise auch ByteDance, Halbleiter zu bauen. Das Unternehmen verfügt über ein Team, das sich mit der Entwicklung von KI-Chips beschäftigt. Solche Aktivitäten schaffen Wachstumschancen für neuromorphe Chips im Land.
Der globale Markt für neuromorphe Chips ist nach Endverbraucherbranche und Region segmentiert.
Auf der Grundlage der Endverbraucherindustrie
Nach Endverbraucherbranchen ist der globale Markt für neuromorphe Chips in Finanzdienstleistungen und Cybersicherheit, Automobil (ADAS/autonome Fahrzeuge), Industrie (IoT-Ökosystem, Überwachung und Robotik), Unterhaltungselektronik und andere Endverbraucherbranchen (Medizin, Raumfahrt, Verteidigung usw.) unterteilt. Die Unterhaltungselektronik hatte den größten Marktanteil und wird im Prognosezeitraum voraussichtlich mit einer durchschnittlichen jährlichen Wachstumsrate von 45,7 % wachsen. Die Unterhaltungselektronikbranche erkennt neuromorphes Computing als vielversprechendes Werkzeug an, um diese Ziele durch Hochleistungsrechnen und extrem niedrigen Stromverbrauch zu erreichen. Beispielsweise verlassen sich KI-Dienste wie Alexa und Siri auf Cloud-Computing mit dem Internet, um gesprochene Befehle und Fragen zu analysieren und darauf zu reagieren. Neuromorphe Chips haben das Potenzial, mehreren Arten von Sensoren und Geräten eine intelligente Funktionsweise zu ermöglichen, ohne dass eine Internetverbindung erforderlich ist. Smartphones werden voraussichtlich der Auslöser für die Einführung des neuromorphen Computing sein. Mehrere Vorgänge, wie z. B. Biometrie, sind stromhungrig und datenintensiv. Beispielsweise werden bei der Spracherkennung Audiodaten in der Cloud verarbeitet und dann an das Telefon zurückgegeben.
Darüber hinaus erfordert künstliche Intelligenz (KI) mehr Rechenleistung. Dennoch könnte neuromorphes Computing mit niedrigem Energieverbrauch Anwendungen, die sich derzeit in der Cloud befinden, künftig deutlich dazu verhelfen, direkt auf dem Smartphone ausgeführt zu werden, ohne den Telefonakku wesentlich zu belasten. Anstatt KI-Aufgaben an Cloud-Systeme zu übergeben, die Unmengen an Kühlung und Strom benötigen, könnten diese Aufgaben aufgrund des geringen Energiebedarfs des neuromorphen Computings möglicherweise von Hardware wie Smartphones, Tablets, Drohnen und Wearables ausgeführt werden. Neuromorphes Computing könnte zu einer erheblich integrierten kollaborativen Technologiebranche führen, in der Computing zu einem End-to-End-Systemdesignproblem wird. Alle oben genannten Faktoren treiben das Marktwachstum voran.
Das Industriesegment ist das zweitgrößte. Neuromorphe Chips könnten Bild-, Sprach- und Signaldaten, die in verschiedenen IoT-Benutzeroberflächen und Sensoren enthalten sind, effizient verarbeiten. Außerdem sind die Chips bis auf Serverebene skalierbar, was IoT-Szenarien, die hybride Architekturen erfordern, zugute kommen kann. Künstliche neuronale Netzwerke werden in großem Umfang in Lösungen eingesetzt, die von Robotersteuerung und maschinellem Lernen bis hin zu Bilderkennung und Spielen reichen. Obwohl die Ergebnisse effektiv sind, basieren sie auf einem sehr vereinfachten Modell biologischer Neuronen. Die Neurowissenschaft hat viel genauere Modelle geliefert, aber ihre Implementierung in Computer ist derzeit erheblich komplizierter. Stattdessen entwickeln Wissenschaftler und Industrie alternative Computerarchitekturen, um gehirnähnlichere Berechnungen zu unterstützen. Die Nutzung neuromorpher Technologie verspricht auch, den Stromverbrauch der Robotik zu senken, was ein Hauptziel der neuromorphen Technologie ist. Alle diese Faktoren tragen zum Marktwachstum bei.
