半导体行业深度研究：人工智能芯片，新架构改变世界-20170916-天风证券-30页-2mb

人工智能芯片：新架构改变世界

核心内容

人工智能的快速发展对传统芯片架构提出了新的挑战，尤其是冯诺伊曼架构在处理大规模并行计算时的效率瓶颈。随着数据量的指数级增长，芯片行业正经历从传统架构向新架构的转型，人工智能芯片成为推动这一变革的关键。

主要观点

1. 冯诺伊曼架构的局限性
   冯诺伊曼架构以存储和处理分离、线性执行为特点，难以满足人工智能对大规模并行计算的需求。随着摩尔定律的放缓，传统架构的性能提升已无法跟上AI的发展速度。

2. 人工智能芯片的必要性
   人工智能芯片通过改变计算范式，以数据流和分布式处理为核心，提供更高效的计算能力。这类芯片包括GPU、FPGA、ASIC等，分别适用于不同的应用场景。

3. AI芯片市场潜力巨大
   从两个维度测算，人工智能芯片市场有望在2020年达到百亿美元级别，2021年预计达到111亿美元，年复合增长率（CAGR）达20.99%。

4. AI芯片的未来方向
   随着技术的演进，AI芯片将从云端向终端（如智能手机、无人驾驶）扩展，推动行业变革。

关键信息

1. 人工智能倒逼芯片底层的真正变革

• 传统冯诺伊曼架构无法满足AI对并行计算的需求。
• 人工智能芯片以神经网络计算范式为核心，实现数据的分布式处理。
• 深度学习算法需要高性能的并行计算能力，传统芯片无法满足。
• 未来芯片架构将向更高效的神经网络计算架构演进。

2. 基于摩尔定律的机器时代的架构——从Wintel到AA

• Intel：推动PC时代的计算架构发展，占据x86架构主导地位，市场份额接近90%。
• ARM：通过共享IP的商业模式，推动移动时代的计算架构发展，占据智能手机市场95%以上份额。
• 两者分别代表了传统计算架构的两个主要阶段，但都未能突破冯诺伊曼架构的桎梏。

3. 人工智能芯片——新架构的异军突起

• GPU：通过SIMD架构实现并行计算，成为深度学习训练的重要工具。NVIDIA为GPU领域龙头，其市场份额高达84%。
• FPGA：具备可编程性，适合定制化计算，能耗和性能优于CPU和GPU。
• ASIC：专为特定任务设计，如VPU和TPU，适合高性能/低功耗的AI应用场景。
• 寒武纪：作为新一代神经网络芯片的代表，致力于提升AI算法的处理速度和能效比。

4. 从两个维度测算人工智能芯片空间

• 维度一：人工智能总市场规模反推芯片空间
  假设2020年AI市场规模为400亿美元，其中硬件占比1/3（约160亿美元），芯片占比60%（约96亿美元）。

• 维度二：云端与移动端人工智能加速器BOM拆解

  • 云端：预计2021年人工智能芯片市场规模为106亿美元，CAGR为21.77%。
  • 移动端：预计2021年人工智能芯片市场规模为5.55亿美元，CAGR为10.49%。

重点标的

• 台积电：作为全球领先的代工厂，为AI芯片提供先进制程支持，具备行业卡位优势。
• Intel：通过收购Altera和Movidius，布局FPGA和VPU，未来在服务器端AI芯片市场具有显著优势。
• NVIDIA：当前AI芯片领域的领跑者，拥有完整生态布局，是云端和自动驾驶AI芯片的主要供应商。
• 寒武纪：致力于打造新一代神经网络芯片，具备极高的性能和能效比，是AI芯片领域的重要创新者。
• 富瀚微：在AI芯片领域也有一定布局，具体应用场景尚未明确。

风险提示

• 人工智能芯片的发展可能不达预期，影响市场增长。
• 新兴技术的不确定性可能影响产业链上下游的协同发展。

总结

人工智能芯片的兴起标志着芯片底层架构的深刻变革。随着AI对并行计算能力的需求不断上升，传统冯诺伊曼架构面临挑战，而GPU、FPGA、ASIC等新架构正在推动行业向更高效、更智能的方向发展。未来，AI芯片市场将呈现快速增长趋势，尤其在云端和移动端。台积电、Intel、NVIDIA、寒武纪等企业将在这一进程中占据重要位置。