神经形态芯片市场规模、份额及趋势分析报告，按应用（图像识别、信号识别、数据挖掘、流程优化及其他）、产品（硬件、软件）、终端用户行业（金融服务与网络安全、汽车（ADAS/自动驾驶汽车）、工业（物联网生态系统、监控和机器人）、消费电子、其他终端用户行业（医疗、航天、国防等））和地区（北美、欧洲、亚太、中东和非洲、拉丁美洲）划分，预测期为2026-2034年。

生长因子

对人工智能微芯片的需求不断增长

企业正在人工智能 (AI) 领域投入巨资，芯片市场也日益受到关注。终端用户目前已采用多种应用，预计未来还将涌现更多新应用。CPU 和 AI 加速器是目前 AI 应用可用的半导体器件。由于 CPU 的计算能力有限，AI 加速器占据了市场主导地位。专用集成电路 (ASIC)、GPU 和现场可编程门阵列 (FPGA) 都是目前市场上常见的 AI 加速器。GPU 在处理 AI 训练和推理任务方面具有显著优势，因为它们包含大量并行处理核心。然而，GPU 功耗很高，因此未来可能难以持续应用。

然而，尽管性能较差，但新型 FPGA 的能效却比 GPU 高出十倍。FPGA在以能效为首要考量的应用中，专用集成电路（ASIC）可以作为替代方案。ASIC在人工智能加速器中展现出最佳性能、最低功耗和最高效率。人工智能的研究与开发主要集中在改进和利用深度神经网络和人工智能加速器上。人工智能依赖于近乎实时的数据分析。神经形态计算旨在通过模拟大脑功能的某些方面来弥补这一差距。这种受大脑启发的架构，结合了模拟神经元和突触的计算和存储功能，有望满足下一代人工智能系统的需求。

将神经可塑性概念与电子技术相结合的新兴趋势

当前计算机的处理能力很大程度上受限于处理海量数据所需的算力。然而，生物神经系统能够以复杂的方式处理大量信息，同时消耗的算力却显著降低。神经系统之所以能够节省算力，是因为它们在时间和空间上对硬件资源的利用非常稀疏。由于许多现实世界的问题都受到算力限制，并且需要处理海量数据，因此神经形态芯片展现出巨大的潜力。人脑的结构会随着学习和承担新任务而不断变化，这种现象被称为神经可塑性。神经形态芯片的工程师们正在将神经可塑性的概念融入到电子技术中。

• 例如，在英特尔的神经形态芯片 Loihi 中，该芯片包含一个多核神经元网格，能够支持循环和分层神经网络拓扑结构。

2020年3月，英特尔宣布其最新、功能最强大的神经形态研究系统Pohoiki Springs正式上线，该系统拥有近1亿个神经元的计算能力。这套基于云端的系统面向英特尔神经形态研究社区（INRC）成员开放，助力他们拓展神经形态研究，解决更具挑战性和复杂性的问题。该系统由24块Nahuku开发板组成，每块开发板包含32个芯片，共集成768个Loihi芯片。多个项目正在涌现，例如神经形态自适应可扩展电子系统（SyNAPSE），这些项目支持采用多学科方法，协调架构、硬件和仿真等重要技术开发活动。SyNAPSE的第一阶段开发了纳米级电子突触组件，这些组件能够像生物系统中那样调节两个神经元之间的连接强度，并模拟了这些突触组件在支撑整个系统架构的核心微电路中的应用。

制约因素

硬件设计需要高精度和高复杂性

神经形态芯片的设计目标是模拟生物神经系统的部分功能。其目的是重现生物神经系统的计算功能，尤其是高效解决认知和感知任务的能力。要实现这一目标，需要构建足够复杂的网络模型，包括大量的神经元和突触连接。大脑及其学习和适应特定问题的能力仍然是基础神经科学研究的课题。高度集成的模拟电路阵列、复杂的接口以及物理标准单元设计的种种困难和缺陷，都可能使标准工具的性能达到极限。这或许是大多数神经形态硬件设计的共同难题。因此，开发非标准设计流程或定制工具是整个设计过程中不可或缺的一部分。

此外，模拟电路由于失配效应容易出现多种参数偏差，需要额外的校准才能达到目标工作点。虽然传统的仿真策略通常可以对单个元件进行单元测试，但由于参数间的相互依赖性和误差传播，评估整个电路功能的能力受到限制。特别是对于具有高维参数空间的复杂电路，多维依赖关系可能难以解决。因此，验证此类复杂电路是一项重大挑战。

市场机遇

新技术的开发

大学层面正在测试用于制造神经形态芯片的新技术。

• 例如，2021年4月，全球陶瓷品牌FRANZ与国立阳明交通大学生物医学工程系合作，采用陶瓷3D打印技术制造神经形态芯片。这类芯片旨在检测神经电信号和神经递质浓度，并提供深部脑刺激。未来，这些神经形态芯片有望应用于医疗领域，用于治疗神经退行性疾病等。因此，此类技术的发展蕴藏着巨大的市场增长潜力。

细分分析

按最终用户行业划分

按终端用户行业划分，全球神经形态芯片市场可细分为金融服务和网络安全、汽车（ADAS/自动驾驶汽车）、工业（物联网生态系统、监控和机器人）、消费电子以及其他终端用户行业（医疗、航天、国防等）。消费电子行业占据最大的市场份额，预计在预测期内将以45.7%的复合年增长率增长。消费电子产品业界普遍认为，神经形态计算是一种极具前景的工具，能够实现高性能计算和超低功耗，从而达成上述目标。例如，Alexa 和 Siri 等人工智能服务依赖于云计算和互联网来解析和响应语音指令和问题。神经形态芯片有望使多种传感器和设备无需互联网连接即可智能运行。智能手机有望成为神经形态计算普及应用的催化剂。许多操作，例如生物识别，都需要消耗大量电力和数据。例如，在语音识别中，音频数据在云端进行处理，然后再返回到手机。

此外，人工智能 (AI) 需要更强大的计算能力。然而，低能耗神经形态计算有望推动目前运行在云端的应用程序在未来直接在智能手机上运行，​​而不会大幅消耗手机电量。神经形态计算的低功耗特性意味着，人工智能任务无需交给需要大量冷却和电力的云系统，即可由智能手机、平板电脑、无人机和可穿戴设备等硬件完成。神经形态计算有望催生一个庞大的集成协作技术产业，使计算成为一个端到端的系统设计问题。上述所有因素都将推动市场增长。

工业领域是第二大市场。神经形态芯片能够高效处理各种物联网用户界面和传感器中涉及的图像、语音和信号数据。此外，这些芯片可扩展至服务器级别，这可能有利于需要混合架构的物联网应用场景。人工神经网络已被广泛应用于从机器人控制和机器学习到图像识别和游戏等各种解决方案中。尽管其效果显著，但它们基于非常简化的生物神经元模型。神经科学已经提供了更为精确的模型，但目前在计算机上实现这些模型仍然非常复杂。因此，科学家和工业界正在开发替代的计算机架构，以支持更接近大脑的计算。神经形态技术的应用还有望降低机器人所需的功耗，这也是神经形态技术的主要目标之一。所有这些因素都促进了市场增长。

区域洞察

北美是主导地区，复合年增长率为 46.7%。

北美占据最大的市场份额，预计在预测期内将以46.7%的复合年增长率增长。包括英特尔公司和IBM公司在内的一些最重要的市场参与者都位于北美。由于政府举措、投资者活动和其他因素，神经形态芯片市场在该地区正在扩张。推动北美市场增长的重要因素之一是政府机构对神经形态计算的关注。

• 例如，美国能源部 (DOE) 于 2020 年 9 月宣布拨款 200 万美元，用于五个基础研究项目，以开发神经形态计算。能源部的这项举措旨在鼓励开发受人脑启发的神经形态计算硬件和软件。

另一方面，加拿大政府正集中精力发展人工智能技术，预计该技术也将在未来几年为神经形态计算的发展带来机遇。

• 例如，加拿大和魁北克省政府于2020年6月合作，旨在促进人工智能的合乎伦理的发展。合作重点将涵盖诸多议题，包括可靠的人工智能、商业化、数据治理以及未来的工作和创新。人工智能处理器的日益普及推动了加拿大神经形态芯片市场的发展。

欧洲是第二大市场。预计到2030年，其市场规模将达到3.6亿美元，年复合增长率（CAGR）为48.9%。由于政府举措、厂商投资等因素，欧洲地区的神经形态芯片需求预计也将增长。目前，多个旨在提升神经形态技术的长期研究项目正在开展合作。

• 例如，2021年4月，位于法国的电子与信息技术研究机构CEA-Leti宣布启动欧盟项目，旨在开发一类新型算法、设备和电路，以重现生物神经系统的多时间尺度处理过程。该项目的成果有望构建神经形态计算系统，该系统能够高效地实时处理真实世界的感官信号和自然时间序列数据，并通过实际的实验室原型进行验证。该项目汇集了欧洲多家机构，例如Imec、IBM瑞士公司、苏黎世大学、CSIS、CNR、SynSense和UOG。该项目预计将于2023年6月完成，欧盟已为此投入超过300万欧元。欧洲的“人脑计划”（HBP）是一个为期十年的项目，于2013年启动。该项目目前处于最后阶段（2020年4月至2023年3月），重点关注三个核心领域：脑网络、脑网络在意识中的作用以及人工神经网络。近期，项目设施中心已投入运营，旨在促进合作与科学研究。得益于众多市场风险投资家的投资，当地供应商正集中精力研发神经形态半导体。预计这些投资将对市场创新产生积极影响。

亚太地区是增长最快的地区

亚太地区是全球第三大区域，也是技术应用速度最快的地区之一。由于政府的支持、研发投入和创新活动，该地区在神经形态技术领域正迅速发展。2021年3月，中国政府宣布，为实现技术突破，2021年至2025年间，研发投入将增长7%以上。在“十四五”规划中，中国提出了七大重点研发领域，包括人工智能、量子计算、半导体和航天。这些技术重点关注脑科学，也称为脑机融合技术，该技术有望用于疾病治疗。作为其到2030年成为人工智能理论、技术和应用领域全球领导者的宏伟战略的一部分，中国表示，自主研发尖端人工智能芯片的能力对其成功至关重要。为了克服芯片生产和自主研发方面的挑战，中国国内的供应商正积极投身人工智能芯片的研发。

• 例如，字节跳动也在计划进军半导体制造领域。该公司已组建团队探索人工智能芯片的研发。这些举措正在为中国神经形态芯片的发展创造机遇。