20170905-浙商证券-人工智能行业专题报告：移动AIAI芯片来袭，嵌入式人工智能大有可为_16页-1mb

人工智能行业专题报告总结

核心内容概述

本报告聚焦于人工智能在移动终端领域的落地，强调嵌入式人工智能作为AI技术“最后一公里”的关键解决方案。随着人工智能从云端向终端迁移，对实时性、安全性和低功耗的需求推动了NPU（神经网络处理器）等新型AI芯片的发展。华为发布的麒麟970是全球首款集成独立NPU的移动芯片，标志着嵌入式AI的重要进展。

主要观点

• 嵌入式AI是AI落地的关键：当前AI计算主要依赖云端，但存在时延、数据安全和隐私问题。嵌入式AI可以在本地进行实时处理，满足终端应用对低延迟、低功耗和数据安全的需求。
• NPU是嵌入式AI的核心：NPU芯片作为深度学习的专用计算单元，相较于传统CPU具备更强的并行计算能力。NPU有三种实现路径：GPU、FPGA和ASIC，各有优劣，适用于不同场景。
• 移动端AI需求快速增长：随着智能手机、自动驾驶、智能家居等终端设备的智能化需求增加，嵌入式AI的应用场景将迅速扩展，成为AI落地的重要方向。
• 技术趋势：新摩尔定律：传统CPU架构无法满足深度学习的大规模并行计算需求，因此，架构优化成为提升AI计算能力的新方向。
• AI芯片发展加速：包括华为、ARM、Intel、NVIDIA、中星微、微软和苹果等公司均在加快布局嵌入式AI芯片，以满足终端AI需求。

关键信息

1. 华为麒麟970芯片

• 全球首款移动端AI芯片，集成独立NPU。
• 采用HiAI移动计算架构，包含八核CPU、Mail-G72MP12 GPU 和 NPU。
• NPU运算能力达到1.92 TFLOPS，在不联网情况下实现实时环境感知、人机交互和决策控制。
• 支持语音识别、人脸识别、场景识别等AI功能。
• 将用于2017年10月上市的Mate10手机。

2. 嵌入式AI与云端AI对比

3. NPU三种实现路径

• GPU：擅长并行计算，广泛用于深度学习训练，具有高浮点运算能力，但功耗大。
• FPGA：可编程性高，功耗低，适用于需要定制化算法的场景，如智能视觉分析。
• ASIC：专用芯片，低功耗、高性能，适用于特定应用，如深度学习和AI推理。

4. 嵌入式AI应用场景

• 自动驾驶：对实时性和低延迟要求高，需本地处理。
• 智能机器人：依赖本地计算实现快速响应。
• 智能手机与智能家居：提升人机交互体验，保护用户隐私。
• 安防视频监控：通过NPU实现人脸识别、智能编码等功能，减少数据传输成本。

5. A股相关公司及投资建议

• 中科创达：AI智能终端应用研发龙头，与ARM、高通等合作，推出TurboX智能大脑平台。
• 全志科技：国内应用处理芯片龙头，参与AIOpenLab，具备嵌入式AI开发能力。
• 富瀚微：专注于视频监控芯片，已推出支持人脸识别的IPC芯片。
• 中科曙光：与寒武纪战略合作，研发AI专用芯片，布局人工智能计算平台。

投资建议

• 关注中科创达、全志科技、富瀚微、中科曙光等布局嵌入式AI芯片产业链的公司。
• 行业评级：看好，预计未来6个月内行业指数将跑赢沪深300指数10%以上。
• 投资风险：AI芯片技术发展不及预期、终端产品落地不及预期。

行业发展趋势

• 嵌入式AI商业化进程加快：随着硬件成本下降和算法优化，嵌入式AI将广泛应用于消费电子、自动驾驶、智能家居等领域。
• 芯片技术多样化：GPU、FPGA、ASIC各有侧重，未来将形成互补格局。
• AI与物联网结合：物联网带来的海量数据对云端处理能力提出挑战，推动嵌入式AI发展，实现本地数据处理和优化。

结论

嵌入式人工智能是人工智能技术从云端向终端迁移的重要方向，将显著提升移动设备的智能化水平。随着NPU等专用AI芯片的普及，嵌入式AI将在自动驾驶、智能安防、智能家居等领域发挥重要作用。华为麒麟970的发布标志着这一趋势的加速，而A股相关公司有望在这一领域率先受益。