2017-AI系列报告：智能计算芯片：人工智能产业硬件基础与第一桶金_43页-2mb

文档总结

核心内容

本报告主要分析人工智能产业的硬件基础——智能计算芯片的发展现状、技术特点以及市场前景，同时对CPU、GPU、FPGA和ASIC等计算芯片的性能、应用场景及主要厂商进行介绍。报告还提到中国在人工智能领域的发展战略、政策支持及市场潜力，以及国产芯片在人工智能产业中的地位和投资价值。

主要观点

1. 人工智能大时代到来：随着深度学习算法的成熟和大数据的普及，人工智能技术在多个行业领域迅速发展，并受到资本市场的高度关注。
2. 智能计算芯片需求旺盛：人工智能对计算性能需求高，推动了GPU、FPGA、ASIC等芯片的快速发展。预计到2020年，中国智能计算芯片市场规模将达100亿元。
3. CPU作为传统支柱，正逐步与专用芯片结合：虽然CPU是传统数据中心的核心，但随着人工智能需求增长，其将更多与GPU、FPGA等结合使用。
4. GPU是当前主流人工智能计算方案：GPU凭借强大的并行计算能力和成熟的软件生态，成为人工智能计算的首选。NVIDIA和AMD在GPU市场占据主导地位。
5. FPGA具备高性能低功耗优势：FPGA可编程性强，适合灵活调整，尽管开发成本较高，但其在特定应用中表现出色。
6. ASIC是未来智能芯片的终极解决方案：ASIC针对特定算法进行优化，性能和功耗比远超其他类型芯片，是人工智能未来的发展方向。
7. 中国在人工智能领域具有战略意义：国家出台多项政策支持人工智能发展，中国在技术、数据和应用上均有显著优势，但在芯片领域仍依赖进口。
8. 国产芯片投资价值高：由于海外技术限制和国产化安全需求，国产芯片在人工智能领域有广阔的发展前景，重点推荐景嘉微、中科曙光、科大讯飞和中科创达。

关键信息

人工智能发展现状

• 2012年以来，人工智能在语音、图像识别等领域取得突破，准确率超过95%。
• 人工智能在安防、医疗、金融、驾驶等多个行业进入落地阶段。
• 全球AI市场规模预计2020年达4000亿元，中国预计达1500亿元。

智能计算芯片分类与特点

芯片类型	特点	优势
CPU	运算和控制核心	传统数据中心支柱
GPU	强大的并行计算能力	适合深度学习，软件生态完善
FPGA	可编程配置灵活	高性能、低功耗，适合灵活应用
ASIC	高度定制化	优异的性能和功耗比，适合特定算法

国内重点推荐公司

股票代码	股票名称	投资评级	2017年预测EPS	2017年预测P/E
300474	景嘉微	买入	0.51	100
603019	中科曙光	买入	0.45	75
002230	科大讯飞	买入	0.47	119
300496	中科创达	增持	0.50	85

国外重点公司

• NVIDIA：GPU领域的领导者，CUDA编程模型推动了GPU在人工智能中的应用。
• AMD：凭借收购ATI，成为GPU市场的重要参与者，推出Radeon Instinct平台和Vega GPU架构。
• Intel：CPU市场霸主，收购Mobileye布局无人驾驶，推出Nervana平台和Lake Crest架构。

技术趋势

• 人工智能对计算性能和低能耗要求日益提高，推动专用芯片如GPU、FPGA和ASIC的发展。
• 未来智能计算芯片将向更高效、更定制化的方向发展。

风险提示

• 国产智能芯片技术进步不达预期。
• AI行业应用进展不达预期。

结构清晰

• 行业评级：计算机软硬件行业被评定为“增持”。
• 投资建议：推荐景嘉微、中科曙光、科大讯飞和中科创达。
• 风险提示：列出可能影响投资回报的因素。

图表目录

• 图表1：CHIME语音识别竞赛历届冠军准确率
• 图表2：ImageNet图像识别竞赛历届冠军准确率
• 图表3：围棋人机大战
• 图表4：德州扑克人机大战
• 图表5：人工智能在众多行业领域应用进入落地阶段
• 图表6：全球人工智能投资额及投资笔数
• 图表7：2015年以来IT和互联网巨头AI领域布局
• 图表8：孙正义复活方程式
• 图表9：全球AI市场规模
• 图表10：中国AI市场规模
• 图表11：美国干预中国收购海外半导体企业
• 图表12：2016年全球数据中心AI应用统计
• 图表13：Intel 2017 年中报各业务营收
• 图表14：Intel 人工智能 NERVANA 平台
• 图表15：Intel 人工智能架构 Lake Crest 微结构
• 图表16：Intel全领域“端到端”方案
• 图表17：PC端CPU市场份额
• 图表18：AMD服务器端EPYC与IntelXeon芯片性能对比
• 图表19：AMD PC 端 Ryzen 芯片与 Intel I7 芯片全面对比
• 图表20：集成显卡GPU市占率
• 图表21：独立显卡GPU市占率
• 图表22：CPU和GPU微结构对比
• 图表23：Nvidia Tesla V100相比于P100的性能提升
• 图表24：英伟达近十年来年报业绩表现
• 图表25：“Kaby Lake-G”处理器
• 图表26：AMD最新VegaGPU性能测试
• 图表27：AMD APU 功能示意
• 图表28：ARM的Mali-G51 GPU
• 图表29：Imagination的Power VR系列
• 图表30：军用图形显控产品应用示意
• 图表31：主动防护雷达系统
• 图表32：FPGA架构图
• 图表33：CPU和FPGA协同工作
• 图表34：Xilinx近年来年报业绩表现
• 图表35：IBM神经网络处理器结构
• 图表36：Google TPU架构
• 图表37：ARM发布DynamIQ架构
• 图表38：mobileye EyeQ5芯片的电路系统块图
• 图表39：寒武纪芯片微结构
• 图表40：华为麒麟970芯片重要技术参数
• 图表41：华为麒麟970芯片内部架构
• 图表42：华为麒麟970芯片功能亮点
• 图表43：搭载NPU的华为麒麟970芯片图像识别领域的超强性能
• 图表44：华为端云协同AI移动战略
• 图表45：华为与中科创达共筑AI生态
• 图表46：苹果A11CPU性能提升
• 图表47：苹果A11GPU性能提升
• 图表48：百度发布DuerOS智慧芯片
• 图表49：中星微NPU

总结

本报告全面分析了人工智能产业的发展趋势、主要技术方向以及相关芯片的市场前景。人工智能技术的成熟推动了智能计算芯片的需求增长，GPU、FPGA和ASIC各有优势，其中ASIC被视为终极解决方案。中国在人工智能领域具有政策、技术、数据和应用方面的优势，但芯片领域仍需突破。报告重点推荐了景嘉微、中科曙光、科大讯飞和中科创达，认为它们在人工智能领域具有良好的投资前景。