Informe de análisis del tamaño, la cuota de mercado y las tendencias del mercado de chips neuromórficos por aplicación (reconocimiento de imágenes, reconocimiento de señales, minería de datos, optimización de procesos, otros), por oferta (hardware, software), por sector de usuario final (servicios financieros y ciberseguridad, automoción (ADAS/vehículos autónomos), industria (ecosistema de IoT, vigilancia y robótica), electrónica de consumo, otros sectores de usuario final (médico, espacial, defensa, etc.)) y por región (América del Norte, Europa, Asia-Pacífico, Oriente Medio y África, Latinoamérica). Previsiones para el periodo 2024-2032.

Factores de crecimiento

Creciente demanda de microchips basados ​​en inteligencia artificial

Se están realizando importantes inversiones corporativas en inteligencia artificial (IA), y el mercado de chips está atrayendo cada vez más interés. Los usuarios finales ya utilizan numerosas aplicaciones, y se prevé que pronto aparezcan muchas nuevas. Las CPU y los aceleradores de IA son semiconductores disponibles actualmente para aplicaciones de IA. Debido a las limitaciones de las CPU en la capacidad de realizar cálculos, los aceleradores de IA dominan el mercado. Los circuitos integrados de aplicación específica (ASIC), las GPU y las matrices de puertas programables en campo (FPGA) son algunos de los aceleradores de IA disponibles actualmente en el mercado. Las GPU ofrecen una ventaja significativa en el procesamiento del entrenamiento y la inferencia de IA, ya que contienen muchos núcleos de procesamiento paralelo. Sin embargo, consumen mucha energía, lo que las hace insostenibles para su uso futuro.

Sin embargo, a pesar de tener un rendimiento inferior, los nuevos FPGA pueden ser diez veces más eficientes energéticamente que las GPU.FPGAsPueden sustituir en aplicaciones donde la eficiencia energética es la máxima prioridad. Los ASIC exhiben el mejor rendimiento, el menor consumo de energía y la mayor eficiencia entre los aceleradores de IA. La investigación y el desarrollo en IA se centran principalmente en mejorar y utilizar redes neuronales profundas y aceleradores de IA. La IA depende de la generación de análisis de datos casi en tiempo real. La computación neuromórfica pretende cubrir esta brecha emulando ciertos aspectos de las funciones cerebrales. Esta arquitectura inspirada en el cerebro, que combina computación y memoria simulando neuronas y sinapsis, puede potencialmente cumplir con los requisitos de los sistemas de IA de próxima generación.

Tendencia emergente de combinar el concepto de neuroplasticidad con la electrónica.

Las computadoras actuales están considerablemente limitadas por la cantidad de energía necesaria para procesar grandes volúmenes de datos. Sin embargo, los sistemas neuronales biológicos procesan volúmenes sustanciales de información de forma compleja, consumiendo mucha menos energía. El ahorro de energía en los sistemas neuronales se observa en la escasa utilización de los recursos de hardware en el tiempo y el espacio. Dado que varios problemas del mundo real están limitados por la energía y requieren el procesamiento de grandes volúmenes de datos, los chips neuromórficos ofrecen una gran promesa. La estructura del cerebro humano cambia a lo largo de la vida a medida que se aprende y se realizan nuevas tareas; un fenómeno llamado neuroplasticidad. Los ingenieros de chips neuromórficos están integrando el concepto de neuroplasticidad en la electrónica.

• Por ejemplo, en el chip neuromórfico Loihi de Intel, el chip consta de una malla de neuronas de múltiples núcleos capaz de soportar topologías de redes neuronales recurrentes y jerárquicas.

En marzo de 2020, Intel anunció la disponibilidad de Pohoiki Springs, su sistema de investigación neuromórfica más potente y reciente, que ofrece la capacidad computacional de casi 100 millones de neuronas. Este sistema basado en la nube está disponible para los miembros de la Comunidad de Investigación Neuromórfica de Intel (INRC), ampliando su trabajo en neuromórfica para resolver problemas más complejos y significativos. El sistema consta de 24 placas Nahuku con 32 chips cada una, integrando un total de 768 chips Loihi. Se están desarrollando múltiples programas, como Sistemas de Electrónica Neuromórfica Adaptativa y Escalable (SyNAPSE), que respaldan un enfoque multidisciplinario para coordinar importantes actividades de desarrollo tecnológico en arquitectura, hardware y simulación. La primera fase de SyNAPSE desarrolló componentes sinápticos electrónicos a escala nanométrica que podían variar la fuerza de conexión entre dos neuronas, de forma análoga a la observada en sistemas biológicos, y simuló la utilidad de estos componentes sinápticos en microcircuitos centrales que soportaban la arquitectura general del sistema.

Factores restrictivos

Necesidad de un alto nivel de precisión y complejidad en el diseño de hardware.

El diseño de chips neuromórficos persigue el objetivo de modelar partes del sistema nervioso biológico. La meta es reproducir su funcionalidad computacional y, especialmente, su capacidad para resolver eficientemente tareas cognitivas y perceptivas. Para lograrlo, se requiere modelar redes con la complejidad suficiente en términos del número de neuronas y conexiones sinápticas. El cerebro y su capacidad de aprendizaje y adaptación a problemas específicos aún son objeto de investigación neurocientífica básica. Las matrices de circuitos analógicos altamente integrados, las interfaces complejas y las dificultades y escollos del diseño físico de celdas estándar podrían llevar al límite las herramientas convencionales. Este podría ser un denominador común en la mayoría de los diseños de hardware neuromórfico. Por lo tanto, el desarrollo de flujos de diseño no estándar o herramientas personalizadas es fundamental para el proceso de diseño general.

Además, los circuitos analógicos son propensos a múltiples desviaciones de parámetros debido a efectos de desajuste y requieren calibración adicional para alcanzar un punto de operación objetivo. Si bien los componentes individuales a menudo pueden probarse mediante estrategias de simulación tradicionales, la capacidad de evaluar la funcionalidad de un circuito completo es limitada debido a las interdependencias y la propagación de errores de los parámetros. Especialmente en circuitos complejos con espacios de parámetros de alta dimensión, las dependencias multidimensionales pueden ser difíciles de resolver. Por lo tanto, verificar dichos circuitos complejos representa un desafío importante.

Oportunidades de mercado

Desarrollo de nuevas técnicas

Se están probando nuevas técnicas para la fabricación de chips neuromórficos a nivel universitario.

• Por ejemplo, en abril de 2021, FRANZ, una marca global de cerámica, se asoció con el Departamento de Ingeniería Biomédica de la Universidad Nacional Yang-Ming Chiao Tung para adoptar una nueva técnica de producción de chips neuromórficos mediante impresión 3D de cerámica. Estos chips tienen como objetivo detectar señales neuroeléctricas y la concentración de neurotransmisores, proporcionando una estimulación cerebral profunda. En el futuro, estos chips neuromórficos podrían aplicarse en el ámbito médico para el tratamiento de enfermedades como los trastornos neurodegenerativos. Por lo tanto, el desarrollo de estas técnicas ofrece un enorme potencial de crecimiento del mercado.

Perspectivas regionales

América del Norte es una región dominante con una tasa de crecimiento anual compuesta (CAGR) del 46,7%.

América del Norte representó la mayor cuota de mercado y se estima que crecerá a una tasa de crecimiento anual compuesta (TCAC) del 46,7 % durante el período de pronóstico. Algunos de los actores más importantes del mercado, como Intel Corporation e IBM Corporation, tienen su sede en América del Norte. Debido a factores como las iniciativas gubernamentales, la actividad de los inversores y otras razones, el mercado de chips neuromórficos se está expandiendo en la región. Uno de los factores clave que impulsan el crecimiento del mercado en América del Norte es el interés mostrado por los organismos gubernamentales en la computación neuromórfica.

• Por ejemplo, el Departamento de Energía (DOE) anunció en septiembre de 2020 una financiación de 2 millones de dólares para cinco programas de investigación básica destinados al desarrollo de la computación neuromórfica. Esta iniciativa del DOE fomenta la creación de hardware y software para la computación neuromórfica inspirados en el cerebro humano.

Por otro lado, el gobierno canadiense se está centrando en la tecnología de IA, que también se prevé que abra oportunidades de crecimiento en la computación neuromórfica en los próximos años.

• Por ejemplo, los gobiernos de Canadá y Quebec colaboraron en junio de 2020 para fomentar el desarrollo ético de la IA. Se hará hincapié en diversos temas, como la IA fiable, la comercialización, la gobernanza de datos y el trabajo e innovación futuros. El creciente número de procesadores basados ​​en IA impulsa el mercado de chips neuromórficos en Canadá.

Europa es la segunda región más grande. Se estima que alcanzará un valor de 360 ​​millones de dólares para 2030, con una tasa de crecimiento anual compuesta (TCAC) del 48,9 %. También se prevé un aumento en el uso de chips neuromórficos en Europa debido a iniciativas gubernamentales, inversiones de proveedores, etc. Se están llevando a cabo diversas colaboraciones en proyectos de investigación de larga duración con el objetivo de mejorar la tecnología neuromórfica.

• Por ejemplo, en abril de 2021, CEA-Leti, un instituto de investigación en electrónica y tecnologías de la información con sede en Francia, anunció el lanzamiento de proyectos de la UE para desarrollar una nueva clase de algoritmos, dispositivos y circuitos que reproducen el procesamiento multitemporal de sistemas neuronales biológicos. Se espera que los resultados construyan sistemas de computación neuromórfica que puedan procesar de manera eficiente señales sensoriales del mundo real y datos de series temporales naturales en tiempo real, y demostrarlo con un prototipo práctico de laboratorio. El proyecto reúne a organizaciones europeas, como Imec, IBM Suiza, la Universidad de Zúrich, CSIS, CNR, SynSense y UOG. Se espera que el proyecto finalice en junio de 2023, y la Unión Europea ha contribuido con más de 3 millones de euros. El Proyecto Cerebro Humano (HBP) en Europa es un proyecto de diez años lanzado en 2013. El proyecto se encuentra en su fase final (de abril de 2020 a marzo de 2023), centrándose en tres áreas principales: redes cerebrales, su papel en la conciencia y redes neuronales artificiales. Recientemente, los centros del proyecto entraron en funcionamiento para fomentar la colaboración y la investigación científica. Los proveedores locales de la zona se están centrando en la creación de semiconductores neuromórficos gracias a la inversión de numerosos inversores de capital riesgo. Se prevé que estas inversiones influyan en la innovación del mercado.

Asia Pacífico es la región de más rápido crecimiento.

Asia-Pacífico es la tercera región más grande. Es una de las regiones que más rápidamente adoptan tecnología. La región está experimentando un rápido crecimiento en tecnología neuromórfica gracias al apoyo gubernamental, las inversiones en investigación y las actividades de innovación. En marzo de 2021, el gobierno chino anunció que aumentaría el gasto en investigación y desarrollo en más del 7 % entre 2021 y 2025 para impulsar avances tecnológicos. En su 14.º plan quinquenal, el país estableció siete áreas tecnológicas en las que centrar la investigación, incluyendo inteligencia artificial, computación cuántica, semiconductores y el sector espacial. La tecnología se centra en la neurociencia, también conocida como tecnología de fusión cerebro-computadora, que podría ayudar a tratar enfermedades. Como parte de su estrategia integral para convertirse en líder mundial en teorías, tecnologías y aplicaciones de IA para 2030, China indicó que su capacidad para producir chips de IA de vanguardia a nivel nacional sería fundamental para su éxito. Para superar los desafíos en la producción de chips y lograr la autosuficiencia, los proveedores del país están incursionando en el desarrollo de chips de IA.

• Por ejemplo, ByteDance también tiene planes para fabricar semiconductores. La compañía cuenta con un equipo dedicado a explorar el desarrollo de chips de IA. Estas actividades están generando oportunidades de crecimiento para los chips neuromórficos en el país.

Análisis de segmentación

Por sector de usuario final

Por sector de usuario final, el mercado global de chips neuromórficos se segmenta en servicios financieros y ciberseguridad, automoción (ADAS/vehículos autónomos), industria (ecosistema de IoT, vigilancia y robótica), electrónica de consumo y otros sectores de usuario final (médico, espacial, defensa, etc.). La electrónica de consumo representó la mayor cuota de mercado y se estima que crecerá a una tasa de crecimiento anual compuesta (CAGR) del 45,7% durante el período de pronóstico.electrónica de consumoLa industria reconoce la computación neuromórfica como una herramienta prometedora para lograr computación de alto rendimiento y un consumo de energía ultrabajo. Por ejemplo, los servicios de IA, como Alexa y Siri, dependen de la computación en la nube con conexión a internet para analizar y responder a comandos y preguntas de voz. Los chips neuromórficos tienen el potencial de permitir que diversos sensores y dispositivos funcionen de forma inteligente sin necesidad de conexión a internet. Se espera que los teléfonos inteligentes impulsen la introducción de la computación neuromórfica. Varias operaciones, como la biometría, consumen mucha energía y generan gran cantidad de datos. Por ejemplo, en el reconocimiento de voz, los datos de audio se procesan en la nube y luego se envían al teléfono.

Además, la inteligencia artificial (IA) requiere mayor potencia de cálculo. Sin embargo, la computación neuromórfica de bajo consumo podría impulsar significativamente las aplicaciones que actualmente se ejecutan en la nube, permitiendo que en el futuro se ejecuten directamente en los teléfonos inteligentes sin agotar considerablemente la batería. En lugar de delegar las tareas de IA a sistemas en la nube que requieren mucha refrigeración y energía, el bajo consumo energético de la computación neuromórfica implica que estas tareas podrían realizarse mediante hardware como teléfonos inteligentes, tabletas, drones y dispositivos portátiles. La computación neuromórfica podría dar lugar a una importante industria tecnológica integrada y colaborativa, donde la computación se convierte en un problema de diseño de sistemas integral. Todos los factores mencionados impulsan el crecimiento del mercado.

El segmento industrial es el segundo más grande. Los chips neuromórficos podrían procesar eficientemente datos de imagen, voz y señales en diversas interfaces de usuario y sensores de IoT. Además, estos chips son escalables a nivel de servidor, lo que puede beneficiar a escenarios de IoT que requieren arquitecturas híbridas. Las redes neuronales artificiales se utilizan ampliamente en soluciones que van desde el control de robots y el aprendizaje automático hasta el reconocimiento de imágenes y los videojuegos. Si bien los resultados son efectivos, se basan en un modelo muy simplificado de neuronas biológicas. La neurociencia ha proporcionado modelos mucho más precisos, pero su implementación en computadoras es actualmente muy compleja. Por ello, científicos e industria están desarrollando arquitecturas informáticas alternativas para soportar una computación más similar a la del cerebro. La utilización de la tecnología neuromórfica también promete reducir el consumo de energía necesario para la robótica, un objetivo primordial de esta tecnología. Todos estos factores contribuyen al crecimiento del mercado.