公司：深圳市創寶來科技有限公司
聯系人：蘇先生
聯系方式：18923859947QQ:3005367043
公司網址：www.szcblic.com
專做進口原裝，誠信經營，大量現貨庫存，歡迎您隨時咨詢
三、AI芯片行業產業鏈及商業模式
半導體行業產業鏈長，具有資本和技術壁壘雙高的行業特點
半導體行業產業鏈從上游到下游大體可分為：設計軟件（EDA）、設備、材料（晶圓及耗材）、IC設計、代工、封裝等。
Fabless與IDM廠商負責芯片設計工作，其中IDM廠商是指集成了設計、制造、封裝、銷售等全流程的廠商，一般是一些科技巨頭公司，Fabless廠商相比IDM規模更小，一般只負責芯片設計工作。
分工模式（Fabless-Foundry）的出現主要是由于芯片制程工藝的不斷發展，工藝研發費用及產線投資升級費用大幅上升導致一般芯片廠商難以覆蓋成本，而 Foundry廠商則是統一對Fabless和IDM的委外訂單進行流片，形成規模化生產優勢，保證盈利的同時不斷投資研發新的制程工藝，是摩爾定律的主要推動者。當前在半導體產業鏈中，我國在上游軟件、設備、高端原材料以及代工制造與全球一線廠商差距較大，而在封裝環節擁有長電、華天、通富微等行業前十企業，今年來在IC設計領域也逐漸涌現了以海思為代表的一批優秀企業。
半導體行業商業模式主要可分為：IP授權與流片生產模式
行業主要存在兩種商業模式IP授權和流片模式。其中在IP授權模式中，IP設計公司將自己設計的芯片功能單元，如：CPU、GPU、DSP、NPU等，授權給其他的IC設計公司，如華為海思麒麟970、980芯片獲得了寒武紀NPU的IP授權。被授權方將會向授權方支付一筆授權費來獲得IP，并在最終芯片產品銷售中，以芯片最終售價的1%~3%向授權方支付版稅。授權費用實現IP開發成本的覆蓋，而版稅作為IP設計公司的盈利。但正如手機芯片市場，優質的IP資源往往集中在科技巨頭手中，擁有單一或少量IP的創業公司往往因為自身IP競爭力不足、或是難以提供具有綜合競爭力的完整解決方案而最終落得被收購或退出市場的境地。
流片生產模式雖然前期投入較大，但一款成功的產品將會使公司獲得豐厚的利潤，一般芯片產品定價采取8:20原則，即硬件成本：最終產品售價=8：20。該比率可能會隨廠商對市場話語權不同而上下波動，因此一款成功的芯片銷售毛利應在60%以上。但公司是否能夠最終實現盈利，還需要在毛利中進一步扣除前期研發費用。
芯片設計需要廠商承擔昂貴的EDA費用及高昂的人力成本
芯片整體設計制造流程大體包括：1）IC設計公司進行芯片架構設計，2）將設計完成的芯片“圖紙”文件交由Foundry廠商進行流片，3）裸片將會交由OSAT廠商進行封裝，4）產品銷售。研發費用主要包括：研發團隊人力成本、EDA軟件及IP授權費用及其他場地租金、水電費用等。
其中，人力成本占研發成本主要部分，項目開發效率與資深工程師數量正相關，國內資深芯片設計工程師年薪一般在50~100萬元之間。EDA工具是芯片設計工具，是發展超大型集成電路的基石，EDA工具可有效提升產品良率。目前，該領域被海外廠商高度壟斷，CR3大于70%。EDA廠商主要是通過向IC設計公司進行軟件授權獲取盈利，根據調研，20人的研發團隊設計一款芯片所需要的EDA工具采購費用在100萬美元/年左右（包括EDA和LPDDR等IP購買成本）。英偉達開發Xavier，動用了2000個工程師，開發費用共計20以美金，Xlinix ACAP動用了1500個工程師，開發費用總共10億美金。
芯片設計技術積累+市場洞察力=芯片產品市場推廣成功與否
在IP授權和流片生產兩大類商業模式中，IP授權由于不涉及芯片制造，僅需要考慮研發費用，資金占用相對小、風險較低。流片除前期的研發投入以外，還需要向代工廠支付巨額的代工費用，對資金占用極大，需要芯片銷售達到一定量級才能分攤掉前期巨額投入實現盈利，若期間出現流片失敗（即流片未達設計期望性能指標）或者市場推廣失利等情況，芯片設計廠商需要承擔前期巨額的研發和制造投入、費用損失。芯片單位硬件成本主要包含掩膜、封裝、測試和晶圓成本，并受到制程工藝、產量、芯片面積等多因素的影響。
我們簡要測算16nm制程工藝下，不同產量不同面積的芯片單位成本，可以看出芯片單位硬件成本隨芯片面積、產量上升逐漸下降。因此，一款芯片能否獲得廣大的市場認可，并擁有較長的產品生命周期，實現芯片產品的規模銷售和生產顯著決定了企業的盈虧情況。
四、國內外AI芯片企業融資概況
從2012年開始，英偉達將其GPU產品應用于AI并行運算應用中，人們意識到了AI芯片的巨大潛力，傳統半導體行業巨頭、科技巨頭和眾多創業團隊紛紛加入到該領域的產品研發中來。國內創業公司多成立于15年以后，從2017年開始大量的AI計算芯片產品陸續發布，產品逐步開始實現落地。
傳統的半導體巨頭和科技巨頭也在布局AI芯片領域，除自主研發以外，基于資金優勢通過對外投資收購優質資產及創業團隊等手段加速自身的AI芯片業務發展，典型代表如Intel，大手筆收購了包括Altera、Nervana、Movidius以及Mobileye在內的多家AI芯片企業，阿里巴巴也通過先后投資、收購布局AI芯片的開發。
國內大量的AI芯片創業公司都是在2015-2017年成立，2018年新增企業數量減少。資本方面，受到宏觀經濟影響雖然行業內投融資事件相比2017年同比增長了32%，但行業整體投融資金額驟減，但頭部企業在2018年依然持續獲得投資人青睞，多家企業創造了估值新高。
五、國內外 AI 芯片廠商概覽
1、整體排名
近年來，各類勢力均在發力 AI 芯片，參與者包括傳統芯片設計、IT 廠商、技術公司、互聯網以及初創企業等，產品覆蓋了 CPU、GPU、FPGA 、ASIC 等。在市場調研機構 Compass Intelligence 2018年發布的 AI Chipset Index TOP24 榜單中，前十依然是歐美韓日企業，國內芯片企業如華為海思、聯發科、Imagination（2017 年被中國資本收購）、寒武紀、地平線機器人等企業進入該榜單，其中華為海思排 12 位，寒武紀排 23 位，地平線機器人排 24 位。
2、芯片企業
芯片設計企業依然是當前 AI 芯片市場的主要力量，包括英偉達、英特爾、AMD、高通、三星、恩智浦、博通、華為海思、聯發科、Marvell（美滿）、賽靈思等，另外，還包括不直接參與芯片設計，只做芯片 IP 授權的 ARM 公司。其中，英偉達、英特爾競爭力最為強勁。
英偉達：AI 芯片市場的領導者，計算加速平臺廣泛用于數據中心、自動駕駛等場景
英偉達創立于 1993 年，最初的主業為顯卡和主板芯片組。其主板芯片組主要客戶以前是 AMD，但是在 AMD 收購 ATI 推出自研芯片組之后，英偉達在該領域的優勢就蕩然無存。于是，公司全面轉向到 GPU 技術研發，同時進入人工智能領域。2012 年，公司神經網絡技術在其 GPU 產品的支持下取得重大進展，并在計算機視覺、語音識別、自然語言處理等方面得到廣泛應用。
2016 年，全球人工智能發展加速，英偉達迅速推出了第一個專為深度學習優化的 Pascal GPU。2017年，英偉達又推出了性能相比 Pascal 提升 5 倍的新 GPU 架構 Volta，同時推出神經網絡推理加速器TensorRT 3。至此，英偉達完成了算力、AI 構建平臺的部署，也理所當然成為這一波人工智能熱潮的最大受益者和領導者。公司的戰略方向包括人工智能和自動駕駛。
人工智能方面，英偉達面向人工智能的產品有兩類，Tesla 系列 GPU 芯片以及 DGX 訓練服務器。
Tesla 系列是專門針對 AI 深度學習算法加速設計 GPU 芯片，DGX 則主要是面向 AI 研究開發人員設計的工作站或者超算系統。2018 年，公司包含這兩款產品的數據中心業務收入大幅增長 52%，其中Tesla V100 的強勁銷售是其收入的主要來源。
自動駕駛方面。英偉達針對自動駕駛等場景，推出了 Tegra 處理器，并提供了自動駕駛相關的工具包。2018 年，基于 Tegra 處理器，英偉達推出了 NVIDIA DRIVE AutoPilot Level 2+，并贏得了豐田、戴姆勒等車企的自動駕駛訂單。同時，2018 年，公司也正在積極推動 Xavier 自動駕駛芯片的量產。
值得關注的是，英偉達還正在通過投資和并購方式繼續加強在超算或者數據中心方面的業務能力。
2019 年 3 月，英偉達宣稱將斥資 69 億美元收購 Mellanox。Mellanox 是超算互聯技術的早期研發和參與者。通過與 Mellanox 的結合，英偉達將具備優化數據中心網絡負載能力的能力，其 GPU 加速解決方案在超算或者數據中心領域的競爭力也將得到顯著提升。
英特爾加速向數字公司轉型，通過并購+生態優勢發力人工智能
英特爾作為傳統的 CPU 設計制造企業，在傳統 PC、服務器市場有著絕對的統治力。隨著互聯網時代的到來以及個人電腦市場的飽和，公司也在開始加快向數字公司轉型。尤其在人工智能興起之后，英特爾憑借著技術和生態優勢，打造算力平臺，形成全棧式解決方案。
英特爾主要產品為 CPU、FPGA 以及相關的芯片模組。雖然 CPU 產品在訓練端的應用效率不及英偉達，但推理端優勢較為明顯。英特爾認為，未來 AI 工作周期中，推理的時長將是訓練時長的 5 倍甚至 10 倍，推理端的芯片需求也會放量。同時，即使是云端訓練，GPU 也需要同 CPU 進行異構。
目前，英特爾在人工智能芯片領域主要通過三條路徑：1）通過并購快速積累人工智能芯片相關的技術和人才，并迅速完成整合。英特爾在收購了 Altera 后，還先后收購了 Nervana、Movidius 與 Mobileye等初創企業。在完成上述一系列并購之后，英特爾設立了 AI 事業群，整合了 Xeon、Xeon Phi、Nervana、Altera、Movidius 等業務和產品，同時將原有的自動駕駛業務板塊并入 Mobileye。2）建立多元的產品線。目前，英特爾正建構滿足高性能、低功耗、低延遲等差異化芯片解決方案，除了 Xeon 外，包括可支持云端服務 Azure 的 Movidius VPU 與 FPGA。3）通過計算平臺等產品，提供強大的整合能力，優化 AI 計算系統的負載，提供整體解決方案。
在英特爾收購的這些企業中，除了前面已經提到的 Altera、Mobileye 之外，Nervana 也非常值得關注。2016 年 8 月，英特爾斥資超過 3.5 億美元收購這家員工人數不超過 50 人的創業公司，但是經過不到三年的成長，這家公司已經成為英特爾 AI 事業部的主體。依托 Nervana，英特爾成功在 2017年 10 月推出了專門針對機器學習的神經網絡系列芯片，目前該芯片已經升級至第二代，預計 2019年下半年將正式量產上市，該芯片在云端上預計能和英偉達的 GPU 產品一較高下。
3、IT 及互聯網企業
AI 興起之后，互聯網及 IT 企業憑借著在各大應用場景上技術和生態積累，也在積極拓展 AI 相關市場，其中 AI 芯片是部署重點之一。相較而言，互聯網企業憑借著數據和場景先天優勢，在 AI 算法和芯片領域優勢更為明顯，如美國谷歌、國內的 BAT。IT 企業如 IBM，在人工智能領域較早開始研究，2018 年年中曾經推出專門針對深度學習算法的原型芯片。
谷歌：TPU 芯片已經實現從云到端，物聯網 TPU Edge 是當前布局重點
谷歌可謂是 AI 芯片行業的一匹黑馬，但是競爭力強勁。谷歌擁有大規模的數據中心，起初同其他廠商的數據中心一樣，都采用 CPU+GPU 等異構架構進行計算加速，用來完成圖像識別、語音搜索等計算服務。但是，隨著業務量的快速增長，傳統的異構模式也很難支撐龐大的算力需求，需要探索新的高效計算架構。同時，谷歌也需要通過研發芯片來拓展 AI 平臺 TensorFlow 的生態。因此，2016年，Google 正式發布了 TPU 芯片。
從谷歌 TPU 的本質來看，它是一款 ASIC（定制芯片），針對 TensorFlow 進行了特殊優化，因此該產品在其他平臺上無法使用。第一代 Cloud TPU 僅用于自家云端機房，且已對多種 Google 官方云端服務帶來加速效果，例如 Google 街景圖服務的文字處理、Google 相簿的照片分析、甚至 Google搜尋引擎服務等。Cloud TPU 也在快速改版，2017 年推出第二代，2018 年推出第三代芯片 TPU 3.0。
同時，谷歌對 TPU 的態度也更為開放，之前主要是自用，目前也在對用戶開放租賃業務，但沒有提供給系統商。
除了云端，谷歌針對邊緣端推理需求快速增長的趨勢，也在開發邊緣 TPU 芯片。2017 年 11 月，Google 推出輕量版的 TensorFlow Lite（某種程度取代此前的 TensorFlow Mobile），使得能耗有限的移動設備也能支持TensorFlow，2018年推出的Edge TPU芯片即是以執行TensorFlow Lite為主，而非 TensorFlow。Edge TPU 性能雖然遠不如 TPU，但功耗及體積大幅縮小，適合物聯網設備采用。
Edge TPU 可以自己運行計算，不需要與多臺強大計算機相連，可在傳感器或網關設備中與標準芯片或微控制器共同處理 AI 工作。
按照谷歌的規劃，Edge TPU 將提供給系統商，開放程度將進一步提升。如果 Edge TPU 推廣順利，支持的系統伙伴將進一步增多，谷歌將盡快推出下一代 Edge TPU 產品。即使推廣不順利，Google也可能自行推出 Edge 網關、Edge 設備等產品。
阿里巴巴：推出自研神經網絡處理芯片，同時加速對 AI 企業投資布局
阿里巴巴作為國內 AI 領域的領軍企業，在底層算力、算法技術以及應用平臺方面都有較強積累。同Google 類似原因，阿里巴巴也在近年來開始開發 AI 芯片，同時加大對相關領域的投資布局。
2017 年，阿里巴巴成立阿里達摩院，研究領域之一就是 AI 芯片技術。2018 年 4 月，阿里達摩院對外宣布正研發一款 Ali-NPU 神經網絡芯片，預計將在 2019 年下半年問世。這款芯片將主要應用于圖像視頻分析、機器學習等 AI 推理計算。
阿里巴巴在自研 AI 芯片之前，主要在通過投資的方式布局 AI 芯片領域。目前，寒武紀、深鑒科技、杭州中天微等都有阿里巴巴的入股，其中 2016 年 1 月份還成為了 AI 芯片設計企業杭州中天微的第一大股東。
百度：通過自研、合作以及投資等多種方式布局 AI 芯片
百度作為搜索企業，其對 AI 芯片的需求更為明確。早在 2011 年，百度就在 FPGA 和 GPU 進行了大規模部署，也開始在 FPGA 的基礎上研發 AI 加速器來滿足深度學習運算的需要。此后，百度就不斷通過合作、投資和自研的方式來推進該業務。
1）加強同芯片設計及 IP 企業合作。2017 年 3 月，百度發布了DuerOS智慧芯片，并與紫光展銳、ARM、上海漢楓達成戰略合作。這款芯片搭載了對話式人工智能操作系統，可以賦予設備可對話的能力，能廣泛用于智能玩具、藍牙音箱、智能家居等多種設備。2017 年 8 月，百度又與賽思靈（Xilinx）發布了 XPU，這是一款 256 核、基于 FPGA 的云計算加速芯片。同在 2017 年，百度同華為達成合作，推動終端 AI 芯片的落地。
2）參與 AI 芯片企業投資。2018 年 2 月 5 日，美國初創公司 Lightelligence 宣布獲得了 1000 萬美元種子輪融資，由百度風投和美國半導體高管財團領投。Lightelligence主要利用基于光學的新技術，來加速人工智能的工作負載，通過光子電路的新興技術來加速信息處理。
3）自研芯片也正在加速部署。2018 年 7 月，百度正式發布了自研的 AI 芯片“昆侖”，這是當時國內第一款云端全功能 AI 芯片，其中包含訓練芯片昆侖 818-300，推理芯片昆侖 818-100。昆侖 AI 芯片是基于百度 CPU、GPU、FPGA 的 AI 加速器研發，能夠在 100W 左右的功耗下，提供高達 260 萬億次/秒的運算速度，算力處于業界領先水平。
4、創業企業
寒武紀：同時發力終端和云端芯片，技術綜合實力較強
寒武紀發源于中科院，是目前全球領先的智能芯片公司，由陳天石、陳云霽兄弟聯合創辦，團隊成員主要人員構成也來自于中科院，其中還有部分參與龍芯項目的成員。2018 年 6 月公司，公司獲得數億美元投資，此輪融資之后，寒武紀科技估值從上年的 10 億美金大幅上升至 25 億美元。公司是目前國內為數不多的同時具備云端和終端 AI 芯片設計能力的企業。
公司最早發力的是終端芯片，主要為 1A 系列，包括 1A、1H8 和 1H16，公司通過 IP 授權的模式賦能終端或者芯片設計企業，目前主要合作伙伴包括華為，其中麒麟 970 就采用其 1A 處理器。另外，公司還推出了面向低功耗場景視覺應用的寒武紀 1H8，高性能且擁有廣泛通用性的寒武紀 1H16，以及用于終端人工智能產品的寒武紀 1M。2018 年 9 月，華為發布的麒麟 980 依然集成了優化版的寒武紀 1H 新一代智能處理器。
公司云端芯片也取得較大突破。云端芯片一直是英特爾、英偉達等公司的領地，國內企業很難進入。2018 年 5 月，寒武紀推出算力達到 128Tops 的 MLU 100 云端智能芯片，可用于訓練和推理。MLU100相比傳統的 GPU 和 CPU 芯片，MLU 芯片擁有顯著的性能功耗比和性能價格比優勢，適用范圍覆蓋了圖像識別、安防監控、智能駕駛等多個重點應用領域。
2019年6月20日，寒武紀正式推出了第二代云端AI芯片——思元270（MLU270）及板卡產品。思元270采用的是寒武紀自主研發的MLUv02指令集，可支持視覺、語音、自然語言處理以及傳統機器學習等高度多樣化的人工智能應用，更為視覺應用集成了充裕的視頻和圖像編解碼硬件單元。具體性能指標方面，思元270芯片處理非稀疏深度學習模型的理論峰值性能提升至上一代MLU100的4倍，達到了128TOPS（INT8）；同時在定點訓練領域取得關鍵性突破，兼容INT4和INT16運算，理論峰值分別達到256TOPS和64TOPS；支持浮點運算和混合精度運算。
綜合來看，公司在 AI 芯片方面競爭力較強。公司擁有自己的處理器架構和指令集，而且通過硬件神經元虛擬化、開發通用指令集、運用稀疏化處理器架構解決了 ASIC 用于深度學習時存在的云端算力的挑戰、能效瓶頸、手機端和云端超大規模計算場景應用問題。
地平線機器人：公司AI芯片和計算平臺在嵌入式及智能駕駛領域具備優勢
地平線成立于 2015 年，主要從事邊緣人工智能芯片和計算平臺業務，場景聚焦于智能駕駛和 AIoT邊緣計算。2018 年起，公司逐漸實現產品化落地。2019 年 2 月，公司官方宣布已獲得 6 億美元 B輪融資，SK 中國、SK Hynix 以及數家中國一線汽車集團（與旗下基金）聯合領投。B 輪融資后，地平線估值達 30 億美元。
2017 年 12 月，地平線發布中國首款全球領先的嵌入式人工智能視覺芯片征程（Journey）系列和旭日（Sunrise）系列。旭日 1.0 處理器面向智能攝像頭等應用場景，具備在前端實現大規模人臉檢測跟蹤、視頻結構化的處理能力，可廣泛用于智慧城市、智慧零售等場景。征程 1.0 處理器面向智能駕駛，具備同時對行人、機動車、非機動車、車道線、交通標志牌、紅綠燈等多類目標進行精準的實時檢測與識別的處理能力，同時滿足車載嚴苛的環境要求以及不同環境下的視覺感知需求，可用于高性能 L2 級別的高級駕駛輔助系統 ADAS 。
2018 年 2 月，地平線自主研發的高清智能人臉識別網絡攝像機，搭載地平線旭日人工智能芯片，提供基于深度學習算法的人臉抓拍、特征抽取、人臉特征值比對等功能。可以在攝像機端實現人臉庫最大規模為 5 萬的高性能人臉識別功能，適用于智慧城市、智慧零售等多種行業。
2018 年 4 月，公司發布地平線 Matrix1.0 自動駕駛計算平臺。目前已經更新到性能更強的升級版本，地平線 Matrix 自動駕駛計算平臺結合深度學習感知技術，具備強大的感知計算能力，能夠為 L3 和 L4 級別自動駕駛提供高性能的感知系統。地平線 Matrix 自動駕駛計算平臺已向世界頂級Robotaxi 廠商大規模供貨，成功開創了中國自動駕駛芯片產品出海和商業化的先河。
比特大陸：區塊鏈礦機霸主進軍AI領域
比特大陸是全球領先的算力芯片設計企業，其致力于開發高性能、低功耗、全定制的算力芯片，是全球少數幾家掌握最先進7nm制程設計能力并可規模量產7nm芯片的公司之一。
目前，比特大陸的產品主要應用于區塊鏈和人工智能兩個領域，區塊鏈礦機的市場份額高達74.5%。2017年，比特大陸正式發布了面向人工智能領域的子品牌——“算豐”，并推出了針對深度學習推理的第一代云端AI芯片BM1680。2018年3月，比特大陸快速推出了第二代云端人工智能芯片BM1682，2018年9月份推出了面向終端的AI芯片產品BM1880，并計劃于2019年推出其第三代云端AI芯片BM1684。
此外，比特大陸基于其芯片，在云端還研發了加速卡、服務器等產品，在終端推出了計算棒、模組、開發板等產品，為不同行業的客戶提供適應多種應用場景的產品。
在項目落地方面，比特大陸基于云端AI芯片的人臉閘機助力福建618展會與廈門98投洽會成功舉辦，累計通行超過30萬人次，通道表現穩定可靠，狀況良好。在第二屆數字中國峰會安保系統中，搭載比特大陸自研芯片的算豐人工智能服務器與海康威視人臉識別算法相融合，全程應用于峰會安全保障工作，3D人臉軌跡系統為日均6萬余人次、累計150余萬張人臉圖片的海量分析提供算力支持。
在合作方面，比特大陸與福建當地企業合資成立福建省算域大數據科技有限公司，負責福州城市大腦的投資、建設與運營，為日后福州AI產業發展建設好基礎設施。比特大陸還作為首批企業加入海淀城市大腦科技產業聯盟，助力海淀“城市大腦”建設，后還與海淀區簽署了圍繞“智能處理芯片應用場景建設”的重大項目合作意向書，推動算力芯片應用落地。此外，公司還與東亞最大的游戲云平臺優必達（ Ubitus ）合作，共同建設公司位于日本、臺灣的機房，基于“算豐”芯片，公司協助Ubitus共同開發計算機視覺相關的AI功能。
嘉楠科技：轉型AI芯片廠商
作為僅次于比特大陸的全球第二大比特幣礦機廠商，近幾年以來，嘉楠科技也開始積極轉型AI芯片廠商，目前已掌握集AI芯片研發、AI算法、結構、SoC集成及流程實現一體化等綜合技術，以AI芯片為核心建立AI生態鏈，以生態伙伴需求為依歸，為生態伙伴提供一攬子AI服務方案。
嘉楠科技于2013年發布了全球首款基于ASIC芯片的區塊鏈計算設備，引領行業進入ASIC時代。2015年，嘉楠科技獲清華長三角研究院投資，并作為重點項目被引進至科技重鎮杭州。同年，嘉楠科技成功實現28nm制程工藝芯片的量產，邁出了AI芯片量產的第一步。
嘉楠科技在2016年實現了16nm芯片量產，一舉通過國家高新技術企業認定。并于2017年被正式評定為杭州市高科技獨角獸企業。2018年，嘉楠科技連獲兩項全球重大技術突破，實現量產全球首個基于自研的7nm芯片，以及量產全球首款基于RISC-V 自研商用邊緣智能計算芯片。
2018年9月，嘉楠科技推出了第一代邊緣側AI芯片勘智K210，通過完全自主研發的神經網絡加速器IP，同時具備機器視覺和語音識別能力，可以在超低功耗下進行高速卷積神經網絡計算。隨后勘智K210很快在無感門禁、智能門鎖、病蟲害防治等領域得到應用。
在項目落地方面，嘉楠科技提供的無感門禁系統已經得到了軟通動力總部大樓（共有集團員工5萬人）的采用，目前已實現每個監控點日均2000次的識別數量。嘉楠科技提供的智能電表解決方案也被亞洲最大的社區——貴陽南明花果園社區采用，實現了對社區10萬多個傳統電氣表的智能化升級改造，解決傳統人工入戶抄表模式的“高成本、低效率、難入戶”等問題。在治理林業病蟲害的業務場景中，嘉楠與百度、林業大學合作，將搭載8通道高性能麥克風陣列的音頻處理硬件插入樹中，以蟲子嗑咬樹植的聲音為音源，判斷害蟲的位置。同時，還可利用K210芯片的視覺能力，將芯片置入40mm見方的智能盒子，通過圖像分類和檢測的方法判斷視野內是否有害蟲存在。這種視聽綜合判斷的方法有效提升了判斷的效率與精度，在林業、農田都有廣泛的應用場景。同時，該智能盒子不需要外接供電設備，只需要電池供電即可，相比傳統的設備更為輕量化，使用成本更低廉。
