20170925-国金证券-计算机行业_人工智能系列报告之四_智能时代_芯片先行_27页_4mb
报告摘要
长期竞争力评级总结:高于行业均值
核心内容
本报告聚焦人工智能时代对芯片产业的影响,分析了AI芯片在服务器端和终端的应用场景、技术路线及市场前景,并提出相关投资建议。报告指出,随着人工智能技术的普及,特别是神经网络算法的广泛应用,AI芯片成为支撑计算能力的关键,行业长期竞争力高于行业均值。
主要观点
- 神经网络算法是当前人工智能的主要算法,其在人脸识别、语音识别等领域已实现高准确率。
- 计算能力需求呈爆发式增长,传统CPU已无法满足,AI专属芯片成为行业发展的必然选择。
- 服务器端AI芯片包括GPU、FPGA和ASIC三种技术路线,各有优劣,将在未来一段时间内并存。
- 终端AI芯片随着应用场景的扩展,成为满足低延时、低功耗需求的关键,市场前景广阔。
- AI芯片市场将形成正反馈循环,随着应用场景的增加,芯片出货量的提升将摊薄研发成本,进一步推动行业发展。
关键信息
一、人工智能深入渗透,催生AI芯片产业
- 人工智能经历了长时间的摸索期,近年来因深度神经网络算法的成熟而快速发展。
- 神经网络算法对计算能力提出了极高的要求,随着隐含层数和神经元数量的增加,计算性能需求呈指数级增长。
- 云计算和边缘计算的结合使得AI芯片成为不可或缺的硬件支撑。
二、服务器端AI芯片:多种技术路线实现高并发计算
- GPU:浮点计算能力强,适合大规模并行计算,已被广泛用于深度学习。
- FPGA:架构灵活,适合迭代开发,尤其在矩阵乘法(GEMM)方面表现优于GPU。
- ASIC:性能最优,适合特定应用场景,但灵活性差、开发周期长、成本高。
三、终端AI芯片:应用场景驱动,市场前景广阔
- 无人驾驶:对实时性要求高,需在几毫秒内完成推理,EyeQ系列芯片是代表性产品。
- 计算机视觉:如Movidius的Myriad系列芯片,适用于智能相机、无人机等设备。
- 消费电子:寒武纪的Cambricon-1A处理器,在功耗和性能方面表现优异,适合移动终端。
四、投资建议
- 中科曙光(603019.SH):拥有XSystem深度学习产品,提供软硬件一体化解决方案,受益于服务器端AI计算需求增长。
- 中科创达(300496.SZ):在移动端AI芯片产业链布局较早,具备较强的软件优化能力。
- 浪潮信息(000977.SZ):与百度合作推出ABC一体机,支持多种主流算法框架,有助于打开AI服务器市场。
- 富瀚微(300613.SZ):在视频监控领域有广泛应用,已推出支持AI应用的智能IPC芯片。
五、风险提示
- 人工智能技术推进不达预期;
- 芯片性能提升无法突破计算瓶颈;
- 消费者对终端AI应用接受程度未达预期。
技术对比
| 芯片类型 | 计算效率 | 灵活性 | 开发难度 | 成本 | 应用领域 |
|---|---|---|---|---|---|
| CPU | 低 | 高 | 低 | 低 | 通用计算 |
| GPU | 中 | 高 | 中 | 中 | 深度学习 |
| FPGA | 高 | 高 | 高 | 高 | 云端计算 |
| ASIC | 最高 | 低 | 很高 | 很高 | 消费电子、特定场景 |
图表说明
- 图表1:人工智能发展历程
- 图表2:深度学习算法错误率与隐含层数关系
- 图表3:神经元数量与计算性能关系
- 图表4:神经网络训练与推理阶段需求对比
- 图表5:专用算法硬件优化是ASIC芯片发展方向
- 图表6:互联网和芯片巨头布局AI芯片
- 图表7:GPU从2013年开始应用于深度学习
- 图表8:教育机构和科技公司使用GPU加速深度学习
- 图表9:CPU与GPU架构对比
- 图表10:NVIDIA Maxwell架构及数据处理
- 图表11:GPU加速后浮点运算性能提升
- 图表12:FPGA在深度学习应用的重要事件
- 图表13:FPGA在美国市场应用分布
- 图表14:FPGA在GEMM测试中性能优于GPU
- 图表15:FPGA由可编程逻辑单元、连接网络、输入输出模块构成
- 图表16:FPGA与CPU在处理器逻辑结构、特点、使用场景方面的对比
- 图表17:英特尔Lake Crest优化AI应用
- 图表18:TPU提供高浮点运算能力
- 图表19:TPU采用8bit矩阵乘法单元
- 图表20:MUX运算单元占TPU芯片面积一半
- 图表21:TPU与GPU/CPU架构对比
- 图表22:CPU、GPU、TPU在不同神经网络上的性能表现
- 图表23:ASIC开发难度高于FPGA
- 图表24:FPGA与ASIC成本对比
- 图表25:专用芯片(ASIC)的计算效率与灵活性对比
- 图表26:CPU、GPU、FPGA、ASIC在处理计算密集型任务时的性能比较
- 图表27:CPU、GPU、FPGA、ASIC的实现比较
- 图表28:终端AI芯片场景案例——翻译机
- 图表29:EyeQ系列芯片对无人驾驶算法优化
- 图表30:MyriadX芯片在视觉计算上的性能提升
- 图表31:Myriad系列芯片在多个下游领域应用
- 图表32:寒武纪1号处理器架构
- 图表33:寒武纪1号芯片与主流芯片对比
- 图表34:AI芯片与AI应用场景形成正反馈循环
投资评级说明
- 公司投资评级:
- 买入:预期未来6-12个月内上涨幅度在15%以上;
- 增持:预期未来6-12个月内上涨幅度在5%-15%;
- 中性:预期未来6-12个月内变动幅度在-5%-5%;
- 减持:预期未来6-12个月内下跌幅度在5%以上。
- 行业投资评级:
- 买入:预期未来3-6个月内该行业上涨幅度超过大盘15%以上;
- 增持:预期未来3-6个月内该行业上涨幅度超过大盘5%-15%;
- 中性:预期未来3-6个月内该行业变动幅度相对大盘在-5%-5%;
- 减持:预期未来3-6个月内该行业下跌幅度超过大盘5%以上。
特别声明
本报告为国金证券股份有限公司所有,未经书面授权,不得复制或分发。本报告内容基于公开资料和实地调研,不保证其准确性或完整性。投资决策需结合自身情况及专业意见,本报告不构成最终操作建议。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载