20170921-华泰证券-AI系列报告之一：智能计算芯片：人工智能产业硬件基础与第一桶金_42页-2mb

行业研究报告总结

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，特别是CPU、GPU、FPGA和ASIC等技术的现状与前景，并提出重点推荐的智能计算芯片相关公司。同时，报告也涉及人工智能产业的快速发展、国家政策支持以及行业应用落地情况。

主要观点

• 人工智能大时代到来：随着深度学习算法的成熟，人工智能技术在多个领域实现突破，如语音、图像识别准确率超过95%，并在围棋、德州扑克等复杂领域战胜人类顶尖选手。
• 智能计算芯片需求旺盛：人工智能对计算能力要求高，GPU、FPGA和ASIC等芯片成为关键支撑，预计2020年国内智能计算芯片市场规模将达100亿元。
• CPU仍是重要支柱：虽然GPU和FPGA在人工智能计算中更具优势，但CPU作为运算和控制核心，在AI时代将更多与其他专用芯片搭配使用。
• GPU是当前主流方案：GPU凭借强大的并行计算能力和完备的软件生态，成为人工智能计算的主要选择，尤其在深度学习领域表现突出。
• FPGA具备高性能低功耗优势：FPGA可编程性强，适合定制化计算需求，但开发成本较高。
• ASIC是未来方向：神经网络处理器作为高度定制化的智能芯片，具备最优性能和功耗比，成为AI计算的终极解决方案。
• 国产芯片发展潜力大：中国在人工智能领域发展迅速，但在计算芯片领域依赖进口，因此国产智能芯片具备较高的投资价值。

关键信息

• 市场预测：2020年中国人工智能核心产业规模预计达1500亿元，带动相关产业规模超1万亿元；全球市场规模预计达4000亿元。
• 技术趋势：人工智能技术推动计算芯片向更高效、更专用的方向发展，尤其是神经网络处理器的出现标志着AI芯片技术的成熟。
• 政策支持：中国政府高度重视人工智能，出台多项政策支持其发展，包括《新一代人工智能发展规划》和“互联网+”人工智能三年行动实施方案。
• 国际竞争：NVIDIA和AMD在GPU市场占据主导地位，而Intel在CPU和AI芯片领域持续发力，收购Mobileye以加强在无人驾驶领域的布局。
• 国产芯片机遇：景嘉微、中科曙光、科大讯飞和中科创达等公司在智能计算芯片领域具备一定优势，成为重点推荐标的。

投资建议

• 重点推荐：景嘉微（GPU未来之星）、中科曙光（城市云推进、CPU未来可期）、科大讯飞（AI算法龙头）。
• 增持标的：中科创达（与华为深度合作，共筑AI软硬生态）。
• 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。

行业主要公司分析

CPU领域

• Intel：占据全球数据中心CPU市场90%以上份额，推出Nervana平台和Lake Crest架构，布局AI计算。
• AMD：推出Zen架构CPU，性能超越Intel，与中科曙光合作研发国产服务器CPU，推出Vega架构GPU，性能与NVIDIA竞争。

GPU领域

• NVIDIA：从“显卡之王”转型为AI计算领导者，推出Tesla V100芯片，性能提升显著，市场占有率高。
• AMD (ATI)：推出Radeon Instinct平台，支持深度学习，与Intel合作推出Kaby Lake-G处理器，性能提升明显。
• ARM Mali：在移动市场占据重要份额，Mali-G71和Mali-G51 GPU性能提升显著，适用于AI计算。

FPGA领域

• Xilinx：全球领先的FPGA公司，性能和功耗优势明显。
• Intel (Altera)：收购Altera后，推出ARRIA10 FPGA，用于AI计算。
• Microsemi：专注于FPGA市场，具备一定竞争力。
• Lattice：高性能FPGA供应商，与Intel合作。
• 深鉴科技：专注于AI芯片设计，具备一定技术优势。

ASIC领域

• 寒武纪科技：国内领先的AI芯片设计公司，与多家企业合作。
• 华为麒麟970：全球首款手机AI芯片，具备高性能和低功耗，支持多种AI应用。
• 苹果A11处理器：搭载神经网络引擎，提升AI计算能力。
• 中星微NPU：专注于AI芯片研发，技术领先。

行业发展趋势

• 技术融合：人工智能技术与计算芯片技术不断融合，推动AI应用落地。
• 生态建设：GPU和AI芯片的软件生态逐步完善，为AI发展提供强大支持。
• 国产替代：随着海外技术管控严格，国产智能芯片迎来发展机遇。
• 市场增长：人工智能市场规模快速增长，预计到2020年全球市场规模将达4000亿元，国内市场达1500亿元。

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。

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（亿美元）
• 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