华为Atlas人工智能计算平台概述
人工智能的四大要素：数据、算力、算法、场景
AI芯片：也被称为AI加速器，即专门用于处理人工智能应用中的大量计算任务的功能模块。
AI芯片分类从技术架构来看，大致分为四个类型：CPU、GPU、ASIC、FPGA。之前的博客中都有提到，这里不做介绍。
从业务应用来看，可以分为Training（训练）和Inference（推理）两个类型：
训练环节通常需要通过大量的数据输入，或者采取增强学习等非监督学习方法，训练出复杂的深度神经网络模型，训练过程中，涉及到海量的训练数据和复杂的深度神经网络结构，运算量巨大，需要庞大的计算规模，对于处理器的计算能力，精度、可扩展性等性能要求很高，常用的例如：英伟达的GPU集群、Google的TPU（张量处理单元）等。
推理环节指利用训练好的模型，使用新的数据去推理出各种结论，比如视频监控设备通过后台的深度神经网络模型，判断一张抓拍的人脸是否属于特定的目标，虽然推理的计算量相比于训练环节要少很多，但是仍然会设计到很多的运算，在推理环节，GPU、FPGA和ASIC都有很多的应用价值。
所以说对于人工智能来说，对算力的要求很高。
AI芯片的现状CPU：早期的计算机性能会随着摩尔定律逐年稳步提升；后来摩尔定律失效，就通过增加核数提升性能，但是功耗和成本会增加；后来就通过修改架构的方式来提升AI性能，比如在复杂指令集架构中加入AVX512等指令，在ALU计算模块加入矢量运算模块（FMA）,或者是在精简指令集架构中加入CortexA等指令集并计算持续升级；然后通过提高频率来提升性能，但是提升空间有限，高主频会导致芯片出现功耗过大和过热的问题。
GPU：在矩阵计算和并行计算上具有突出的性能，异构计算的主力，早期被作为深度学习的加速芯片进入AI淋雨，并且，生态成熟（最早是为了游戏）
英伟达沿用了GPU的架构，在这个基础上，在蛇毒学习的两个方向上发力，一个方向是丰富生态，在这个方向上推出了cuDNN针对神经网络的优化库，提升易用性并优化GPU底层架构；另一个方向就是提升定制性，增加多数据类型支持，不再是只坚持float32了，还增加了int8等数据类型，还添加了深度学习专用模块，（如引入并配置了张量核的改进型架构，V100的TensorCore）
对于GPU来说，当前存在的主要问题就是成本高、能耗比低、延迟高。
TPU（TensorProcessingUnit）
谷歌从2006年起致力于将ASIC的设计理念应用到神经网络领域，发布了支持深度学习开源框架TensorFlow的人工智能定制芯片TPU(TensorProcessingUnit)。
利用大规模脉动阵列结合大容量片上存储来高效加速深度神经网络中最为常见的卷积运算：脉动阵列可用来优化矩阵乘法和卷积运算，以达到提供更高算力和更低能耗的作用。
FPGA
采用HDL可编程方式，灵活性高，可以进行重构，可深度定制。
可以通过多片FPGA联合将DNN模型加载到片上进行低时延计算，计算性能优于GPU，但由于需要考虑不断的擦写的过程，性能达不到最优（冗余晶体管和连线，相同功能逻辑电路占芯片面积更大）。
由于可以重构，供货风险和研发风险较低，成本取决于购买的数量，相对自由。
设计、流片过程解耦，开发周期较长（通常半年），门槛高。
昇腾AI处理器
NPU（Neural-NetworkProcessingUnit，神经网络处理器）：在电路层模拟人类神经元和突触，并且用深度学习指令集直接处理大规模的神经元和突触，一条指令完成一组神经元的处理。
NPU的典型代表-----华为昇腾AI芯片（Ascend）、寒武纪芯片、IBM的TrueNorth。
对于华为公司的昇腾AI芯片主要有两款，昇腾310和昇腾910.
对于昇腾310来说，主要用于推理应用，昇腾910主要用于训练，二者的功耗也有一定的差异，如下图所示，
昇腾芯片硬件架构昇腾芯片硬件架构由昇腾AI处理器逻辑架构和以及达芬奇架构。
昇腾处理器逻辑架构昇腾AI处理器的主要架构组成：
1.芯片系统控制CPU
2.AI计算引擎（包括AICore和AICPU）
3.多层级的片上系统缓存（Cache）或缓冲区（Buffer）
4.数字数据预处理模块（DigitalVisionPre-Processing，DVPP）等
如下图所示是昇腾AI处理器的逻辑架构
昇腾AI计算引擎---达芬奇架构昇腾AI处理器的四大主要架构之一是AI计算引擎，AI计算引擎有包含了AIcore（达芬奇架构）和AICPU。因此达芬奇架构这一专门为AI算力提升所研发的架构也就是昇腾AI计算引擎和AI处理器的核心所在。
达芬奇架构主要部分：
1.计算单元：包含三种基础计算资源（矩阵计算单元、向量计算单元、标量计算单元）
计算单元会跟传统的CPU和GPU有一定的区别，它包含了三种基础计算资源，将不同的数据类型放到不同的计算资源里面，最大化的提升计算力度。
2.存储系统：AICore的片上存储单元和相应的数据通路构成了存储系统。
3.控制单元：整个计算过程提供了指令控制，相当于AICore的司令部，负责整个AICore的运行。
达芬奇架构（AICore）—计算单元计算单元里包含三种基础计算资源，分别是：CubeUnit、VectorUnit和ScalarUnit，分别对应矩阵、向量和标量三种常见的计算模式。
1.矩阵计算单元：矩阵计算单元和累加器主要完成矩阵相关运算。一拍完成一个fp16的16x16与16x16矩阵乘（4096）；如果是int8输入，则一拍完成16*32与32*16矩阵乘（8192）；如图像数据。
2.向量计算单元：实现向量和标量，或双向量之间的计算，功能覆盖各种基本的计算类型和许多定制的计算类型，主要包括FP16/FP32/Int32/Int8等数据类型的计算；如一维。
3.标量计算单元：相当于一个微型CPU，控制整个AICore的运行，完成整个程序的循环控制、分支判断，可以为Cube/Vector提供数据地址和相关参数的计算，以及基本的算术运算，如个位的数字。
达芬奇架构（AICore）—存储系统1.存储系统由存储单元和相应的数据通路，构成了AICore的存储系统2.存储单元由存储控制单元、缓冲区和寄存器组成
3. 数据通路：是指AICore在完成一次计算任务时，数据在AICore中的流通路径。
达芬奇架构数据通路的特点是多进单出，主要是考虑到神经网络在计算过程中，输入的数据种类繁多并且数量巨大，可以通过并行输入的方式来提高数据流入的效率。与此相反，将多种输入数据处理完成后往往只生成输出特征矩阵，数据种类相对单一，单输出的数据通路，可以节约芯片硬件资源。
昇腾芯片的软件架构，昇腾芯片的软件架构，包括：昇腾AI处理器软件的逻辑架构以及昇腾AI处理器神经网络软件流。
昇腾AI处理器软件的逻辑架构可以分为四层，分别是L3应用使能层、 L2执行框架层、 L1芯片使能层和 L0计算资源层，如下图所示，
L3应用使能层：是应用级封装，面向特定的应用领域，提供不同的处理算法。为各种领域提供具有计算和处理能力的引擎可以直接使用下一层L2执行框架提供的框架调度能力，通过通用框架来生成相应的神经网络而实现具体的引擎功能。（ 通用引擎：提供通用的神经网络推理能力；计算机视觉引擎：提供视频或图像处理的算法封装； 语言文字引擎：提供语音、文本等数据的基础处理算法封装）
L2执行框架层：是框架调用能力和离线模型生成能力的封装。L3层将应用算法开发完并封装成引擎后，L2层会根据相关算法的特点进行合适深度学习框架的调用(如Caffe或TensorFlow)，来得到相应功能的神经网络，再通过框架管理器生成离线模型。L2层将神经网络的原始模型转化成可在昇腾AI芯片上运行的离线模型后，离线模型执行器将离线模型传送给L1芯片使能层进行任务分配。
L1芯片使能层：是离线模型通向昇腾AI芯片的桥梁。针对不同的计算任务，L1层通过加速库(Library)给离线模型计算提供加速功能。L1层是最接近底层计算资源的一层，负责给硬件输出算子层面的任务。
L0计算资源层：是昇腾AI芯片的硬件算力基础，提供计算资源，执行具体的计算任务。
昇腾AI处理器神经网络软件流昇腾AI处理器神经网络软件流，是深度学习框架到昇腾AI芯片之间的一座桥梁，完成一个神经网络应用的实现和执行，并聚集了如下几个功能模块。1.流程编排器：负责完成神经网络在昇腾AI芯片上的落地与实现，统筹了整个神经网络生效的过程，控制离线模型的加载和执行过程；2.数字视觉预处理模块：在输入之前进行一次数据处理和修饰，来满足计算的格式需求；3.张量加速引擎：作为神经网络算子兵工厂，为神经网络模型源源不断提供功能强大的计算算子；4.框架管理器：专门将原始神经网络模型打造成昇腾AI芯片支持的形态，并且将塑造后的模型与昇腾AI芯片相融合，引导神经网络运行并高效发挥出性能；5.运行管理器：为神经网络的任务下发和分配提供了各种资源管理通道；
6.任务调度器：作为一个硬件执行的任务驱动者，为昇腾AI芯片提供具体的目标任务；运行管理器和任务调度器联合互动，共同组成了神经网络任务流通向硬件资源的大坝系统，实时监控和有效分发不同类型的执行任务。
它们之间的逻辑关系如下图所示
数字通过数字视觉预处理模块进入到框架管理器，框架管理器将塑造好的魔心和芯片融合，接着通过运行管理器来下发人物，分配一些资源管理通道，进入任务调度器，任务调度器分发不同类型的执行任务，最后交给昇腾AI处理器。
昇腾AI处理器数据流程图的一个典型应用就是人脸识别推理应用，
首先是Camera数据采集和处理，从摄像头传入压缩视频流,，通过PCIE存储值DDR内存中。DVPP将压缩视频流读入缓存。 DVPP经过预处理，将解压缩的帧写入DDR内存。
接着对数据进行推理，通过 任务调度器（TS）向直接存储访问引擎（DMA）发送指令，将AI资源从DDR预加载到片上缓冲区。任务调度器（TS）配置AICore以执行任务。AICore工作时，它将读取特征图和权重并将结果写入DDR或片上缓冲区。
最后 进行人脸识别结果输出， AICore完成处理后，发送信号给任务调度器（TS），任务调度器检查结果，如果需要会分配另一个任务，并返回之前的步骤 。当最后一个AI任务完成，任务调度器（TS）会将结果报告给Host。
Atlas人工智能计算平台全景芯片和硬件是最底层的部分，像芯片，和一些其他的部件。
CANN：基于昇腾AI处理器的芯片算子库和高度自动化算子开发工具，兼具最优开发效率和算子最佳匹配昇腾芯片性能。
框架：各种开发框架，需要被使用，华为的开发框架是MindDpore
应用使能：主要是智能边缘平台、深度学习的平台，还包含了一些集群的管理等。
对于Atals加速AI推理模块方面，华为推出了以下几款基于昇腾310AI处理器的产品，
Atlas200DK和Atlas200是比较初级的设备，用于一些小型的推理应用，可以在一台笔记本上搭建开发环境，本地独立环境成本比较低，对于一些研究者，可以进行一些本地开发和云端训练，对于创业者来说，可以提供一些代码级Demo，可以基于一些参考架构，完成算法的功能，对于一些商品产品进行无缝迁移；Atlas300是业界最高密度的64路的视频推理加速卡，可应用的场景非常多，比如高清视频实时分析，语音识别，医疗影像分析；Atlas500是智能小站，可以完成一些实时的数据流的处理，Atlas800是基于鲲鹏处理器的超强算例的AI推理平台。
对于Atals加速AI训练模块方面，华为推出了以下几款基于昇腾910AI处理器的产品，
Atlas900AI集群是全球最快的AI训练集群，算力是业界领先，拥有极致散热系统。
Atlas深度学习系统加速AI模型训练，构建丰富应用，端边云协同，打造极致开发、使用体验。
全球人工智能十大芯片
麒麟980是华为卓越人工智能手机芯片，是目前全球最领先的手机SoC。麒麟980在业内最早商用TSMC7nm工艺，首次实现基于ARMCortex-A76的开发商用，首商用Mali-G76GPU，实现业界最优性能与能效；首搭载双核NPU，实现业界最高端侧AI算力，全面开启智慧生活；全球率先支持LTECat.21，实现业界最快峰值下载速率1.4Gbps，为用户在全场景下带来稳定极速的移动联接体验。
搭载麒麟980的华为Mate20系列、荣耀V20、荣耀20、华为P30系列、Nova5Pro等手机已全面上市，为广大消费者带来更丰富、更强大、更智慧的AI手机使用体验。同时，华为全新推出HiAI2.0，带来更强劲的AI算力，提供更丰富的接口、算子和简单易用的开发工具包，携手广大开发者及合作伙伴，共同创造更智慧的美好未来。
昇腾310
昇腾310是一款面向边缘场景的高效灵活可编程的AI处理器,采用12nm工艺,典型配置在8W的功耗条件下整型性能可达16TOPS,半精度性能达到8TFLOPS。
芯片设计充分考虑边缘场景的性能，成本和功耗等因素，致力于将智能从中心侧带入边缘。其计算核心采用华为自研的达芬奇架构,针对深度学习的计算负载做了高度优化,大幅提高计算效率，确保在有限的功耗条件下高算力的输出.芯片采用主流的LPDDR4接口，同时内置了8个CPU核以及16路的视频处理单元和多种预处理单元等,从全系统视角进行芯片设计,进而达成系统成本最优。该芯片可以被广泛应用于智能安防,辅助驾驶,机器人,智能新零售和数据中心等场景。
华为昇腾910AI处理器
昇腾910处理器采用创新的华为自研达芬奇架构，针对AI运算特征而设计，通过3DCube来提升矩阵乘加的运算效率，支持多种混合精度计算及业界主流AI框架，提供256TFLOPSFP16的超强算力，实现业界最大单芯片计算密度，可用于大规模训练、AI超算集群等场景。
02地平线
02地平线
地平线边缘人工智能视觉处理器-征程/旭日
基于自主研发的人工智能专用计算架构BPU，地平线已成功流片量产了中国首款边缘人工智能处理器——面向智能驾驶的“征程”系列处理器和面向AIoT的“旭日”系列处理器，并已大规模商用。
此外，搭载地平线第二代BPU的车规级人工智能处理器现已流片成功，并拿下多个车厂前装项目。
基于自主研发的AI芯片，地平线可提供超高性价比的边缘AI芯片、极致的功耗效率、开放的工具链、丰富的算法模型样例和全面的赋能服务。
03高通
03高通
Qualcomm骁龙855移动平台
我们第四代终端侧AI引擎是面向拍摄、语音、XR和游戏的终极私人助理，打造更加智能、快速和安全的体验。第四代终端侧AI引擎充分利用所有内核，其能力是前代产品的3倍，带来卓越的终端侧AI功能。
Qualcomm致力于发明移动基础科技，从根本上改变了世界连接、计算与沟通的方式。把手机连接到互联网，Qualcomm的发明开启了移动互联时代；今天，Qualcomm发明的基础科技催生了那些改变人们生活的产品、体验和行业。5G时代已经开启，Qualcomm始终位于无线通信科技变革的中心，为创新的未来奠定根基。在AI领域，Qualcomm的战略是将领先的5G连接与其AI研发相结合，以平台式创新助力AI变革众多行业并开启全新体验。目前，Qualcomm已支持完整的从云到端的AI解决方案，并与多家领先的中国AI软件开发商、云服务供应商和终端厂商建立了坚实的合作关系，打造最广泛的AI生态圈。
04寒武纪
04寒武纪
思元270
思元270芯片集成了寒武纪在处理器架构领域的一系列创新性技术，处理非稀疏深度学习模型的理论峰值性能提升至上一代MLU100的4倍，达到128TOPS（INT8）；同时兼容INT4和INT16运算，理论峰值分别达到256TOPS和64TOPS；支持浮点运算和混合精度运算。思元270采用寒武纪公司自主研发的MLUv02指令集，可支持视觉、语音、自然语言处理以及传统机器学习等高度多样化的人工智能应用，更为视觉应用集成了充裕的视频和图像编解码硬件单元。
寒武纪在定点训练领域已实现关键性突破，思元270训练版板卡将可通过8位或16位定点运算提供卓越的人工智能训练性能，该技术有望成为AI芯片发展的重要里程碑。在系统软件和工具链方面，思元270继续支持寒武纪Neuware软件工具链，支持业内各主流编程框架。
05平头哥
05平头哥
玄铁910
玄铁910是一款高性能CPUIPCore，为高性能边缘计算芯片提供计算核心，可应用于机器视觉、人工智能、5G、边缘服务器、网络通信等领域。玄铁910是多核64位处理器，采用RISC-V架构，并扩展了百余条指令，设计有AI增强的向量计算引擎。性能方面，玄铁910最高支持16核心，单核性能达到7.1Coremark/MHz，主频达到2.5GHz，单核性能比目前业界最好的RISC-V处理器性能高40%以上。玄铁910配有完整、稳定的商业软件，涵盖编译器、集成开发工具、Linux操作系统、AI算法库与部署工具等。
06依图
06依图
求索（questcore）
求索（questcore™）是全球首款云端视觉AI芯片，由依图科技与ThinkForce联合打造，基于全球领先人工智能算法，旨在提升智能密度，是目前性价比最高的云端AI推理芯片。单芯片支持50路高清视频实时全解析，AI计算能效比是市面上最先进GPU方案的5-10倍。
求索基于拥有自主知识产权的ManyCore™架构，采用16nmFinFET工艺，是一颗具有完整端到端业务处理能力的异构运算处理器，作为服务器芯片独立可用，不依赖IntelX86CPU，特有的灵活架构能兼顾云端和边缘的视觉推理需求。
求索依托依图世界领先的视觉算法，可用于人脸识别、视频结构化、轨迹追踪等多种实时智能视频分析任务。基于求索构建的智能视频解析系统，将原本需要16台机柜的方案压缩到1台，使数据中心整体建设费用投入减少50%，运维成本降低80%，能实现一台机柜驱动一座城市的视频流实时分析，让10万路智能视频解析成标配，50万路成现实，创新城市管理与建设思路，为智慧城市、智慧交通、智能安防等人工智能行业大规模应用落地和普及奠定了坚实的基础。
07紫光展锐
07紫光展锐
虎贲T710
紫光展锐虎贲T710是紫光展锐新一代AI芯片平台，八核架构，由4颗2.0GHz的ArmCortex-A75以及4颗1.8GHz的ArmCortex-A55组成，GPU采用IMGPowerVRGM9446。
虎贲T710拥有在人工智能AI、安全性、连接、性能、功耗五大领域的突出优势。通过更强的AI算力，虎贲T710可实现丰富的AI应用，为图片和视频的拍摄、AR/VR游戏等应用带来更加优异的体验。返回搜狐，查看更多
【行业深度】洞察2023：中国人工智能芯片行业竞争格局及市场份额(附市场集中度、企业竞争力评价等)
当前位置：前瞻产业研究院»经济学人»研究员专栏【行业深度】洞察2023：中国人工智能芯片行业竞争格局及市场份额(附市场集中度、企业竞争力评价等)UVc分享到：成招荣•2023-04-1714:00:36来源：前瞻产业研究院E5566G02023-2028年中国人工智能芯片（AI芯片）行业发展前景预测与投资战略规划分析报告2023-2028年中国5G产业发展前景预测与产业链投资机会分析报告2023-2028年中国特高压设备行业市场前瞻与投资战略规划分析报告2023-2028年中国高铁行业市场前瞻与投资战略规划分析报告2023-2028年中国轨道交通装备行业发展趋势与细分市场投资前景分析报告2023-2028年中国城市轨道交通行业市场前瞻与投资战略规划分析报告行业主要上市公司：四维图新(002405);寒武纪(688256);北京君正(300223);芯原股份(688521)等
本文核心数据：上市公司2021年人工智能芯片业务总营收;上市公司2021年总营收
中国人工智能芯片行业竞争梯队
人工智能芯片是信息产业的核心，是引领新一轮科技革命和产业变革的关键力量。人工智能芯片行业依据企业的注册资本划分，可分为3个竞争梯队。其中，注册资本大于10亿元的企业有华为、地平线;注册资本在1-10亿元之间的企业有：寒武纪、思必驰、天数智芯;其余企业的注册资本在1亿元以下。
中国人工智能芯片行业市场排名
目前，随着人工智能及芯片技术的不断成熟，云计算、消费电子、无人驾驶、智能手机等下游产业的产业升级速度不断加快，中国AI芯片产业正处于高速发展时期。根据互联网周刊发布的“2022年中国人工智能芯片企业TOP50榜单”，AI芯片市场涵盖了家居、安防、交通、医疗、工业等多个领域，其中海思半导体、联发科、地平线机器人、寒武纪、中星微电子等知名企业均入选名单。
中国人工智能芯片行业市场集中度
我国人工智能芯片产业起步晚，发展快;目前，我国人工智能芯片行业的头部上市公司有寒武纪、四维图新、北京君正、芯原股份等，根据这四家上市公司披露的数据测算得到，2021年，这四家上市公司在中国人工智能芯片行业的市场份额占比为6.61%;相对于2018年，市场份额占比有明显的下降;主要原因是2018到2021年，行业发展速度极快，新兴人工智能芯片企业凭借技术优势抓住市场机遇，占据一定的市场份额。
注：代表性上市公司为寒武纪、四维图新、北京君正、芯原股份
中国人工智能芯片行业企业布局及竞争力评价
中国人工智能芯片行业起步晚，但发展迅速，头部企业主要聚集在北京上海深圳等发达城市;其中，北京是我国人工智能芯片创新最活跃的地区，涉及这块业务的企业数量超过一半，主要代表性企业有地平线机器人有限公司、寒武纪、四维图新、北京君正。此外，在深圳主要有华为海思半导体，上海主要有芯原股份，江苏主要有思必驰等。
其中，华为海思具有最长远的发展历程，芯片设计技术较为成熟，产品覆盖低端到高端，麒麟系列人工智能芯片具有较大的市场份额，人工智能芯片业务竞争力为五颗星;寒武纪作为后起之秀，凭借强大的技术新发优势，以人工智能芯片为核心，在智能驾驶领域快速商业落地的路径，在智能驾驶领域占据显著优势，人工智能芯片业务竞争力为四颗星。此外，地平线、四维图新、北京君正、芯原股份等公司在人工智能芯片领域均有深入的布局与研发投入，取得瞩目的成绩。
中国人工智能芯片行业竞争状态总结
从五力竞争模型角度分析，目前，我国人工智能芯片行业属于信息产业，技术水平较高，替代品威胁较小;现有竞争者数量不多，但市场集中度较高;上游供应商一般为半导体材料、半导体设备，由于光刻机的技术壁垒较高，行业亟需突破技术瓶颈，议价能力较高，而下游消费市场主要是云计算、消费电子、无人驾驶，议价能力适中;同时，因行业存在严格的准入资质以及资金、技术门槛较高，潜在进入者威胁较小。
以上数据来源于前瞻产业研究院《中国人工智能芯片（AI芯片）行业发展前景预测与投资战略规划分析报告》。
同时前瞻产业研究院还提供产业大数据、产业研究报告、产业规划、园区规划、产业招商、产业图谱、智慧招商系统、IPO募投可研、IPO业务与技术撰写、IPO工作底稿咨询等解决方案。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究院交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能芯片（AI芯片）行业发展前景预测与投资战略规划分析报告本报告前瞻性、适时性地对AI芯片行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来AI芯片行业发展轨迹及实践经验，对AI芯片行业未来的发展...
查看详情
本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。
p42q0我要投稿
UVc分享：标签：人工智能芯片竞争格局市场份额市场集中度人工智能行业品牌、内容合作请点这里：寻求合作››
产业规划
园区规划
产业招商
可行性研究
碳中和
市场调研
IPO咨询
前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT【行业深度】洞察2023：中国养老产业竞争格局及市场份额(附市场集中度、企业竞争力评价等)
【行业深度】洞察2023：中国叉车制造行业竞争格局及市场份额（附市场集中度、企业竞争力评价等）
【行业深度】洞察2023：中国铜合金行业竞争格局及市场份额（附市场集中度等）
【行业深度】洞察2022：中国港口行业竞争格局及市场份额(附市场集中度、企业竞争力评价等)
【行业深度】洞察2023：中国光电子器件行业竞争格局及市场份额（附市场集中度、企业竞争力评价等）
【行业深度】洞察2022：中国动漫产业竞争格局及市场份额(附市场集中度、企业竞争力评价等)