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_43页_2mb

人工智能产业硬件基础与智能计算芯片投资价值分析

核心内容

人工智能产业正迎来快速发展，智能计算芯片作为其核心硬件基础，需求旺盛，具备较高的投资价值。随着深度学习算法的成熟和大数据技术的发展，人工智能在多个行业领域逐步落地，同时国家政策支持不断加强，为产业发展提供了良好的环境。本文分析了人工智能计算芯片的类型、技术特点及重点公司，为投资者提供参考。

主要观点

• 人工智能技术发展迅速：从语音、图像识别到围棋、扑克等复杂领域，AI技术已取得突破性进展，识别准确率超过95%，并取得多项世界性胜利。
• 智能计算芯片需求旺盛：预计2020年国内智能计算芯片市场规模将达100亿元，全球市场规模将达4000亿元，芯片作为计算能力的基石，未来需求将持续增长。
• GPU成为主流解决方案：GPU凭借强大的并行计算能力，在人工智能计算领域占据主导地位，尤其在深度学习中表现突出。
• FPGA具备高性能和低功耗优势：FPGA通过编程实现灵活配置，适合特定应用，开发成本较低，但硬件成本较高。
• ASIC是终极解决方案：ASIC专用芯片具备最优性能和功耗比，未来将更具竞争力，华为麒麟970和苹果A11等产品已进入实用阶段。
• 国产芯片发展面临挑战与机遇：虽然目前我国在CPU、GPU等高端芯片领域依赖海外产品，但随着人工智能和国产化安全需求的推动，国产芯片市场潜力巨大。

关键信息

人工智能技术进展

• 语音识别准确率超过95%；
• 图像识别竞赛准确率持续提升；
• AI在围棋、扑克等复杂领域取得重大突破；
• 深度学习算法逐渐替代传统编程方式。

市场前景

• 中国AI产业规模预计2020年达1500亿元，带动相关产业超1万亿元；
• 全球AI市场规模预计2020年达4000亿元；
• 2020年人工智能计算GPU市场规模预计达30亿美元。

芯片技术分析

• CPU：传统数据中心支柱，性能和效率有限，未来将与GPU、FPGA等搭配使用；
• GPU：通用高性能计算芯片，浮点运算能力强，适合深度学习，软件生态完备；
• FPGA：可编程、高性能、低功耗，适合定制化应用，开发成本低；
• ASIC：高度定制化，性能和功耗比最佳，是人工智能计算的终极解决方案。

重点公司及投资建议

• 景嘉微：国内GPU稀缺标的，重点推荐；
• 中科曙光：获得AMD服务器CPU授权，与寒武纪、英伟达合作，重点关注；
• 科大讯飞：与寒武纪合作，AI算法龙头；
• 中科创达：与华为合作，开发AI芯片支持软件，增持。

国家政策支持

• 2017年国务院发布《新一代人工智能发展规划》，明确2020年核心产业规模目标；
• 人工智能首次写入政府工作报告，成为国家战略；
• 国家推动“互联网+”人工智能三年行动，加快产业智能化发展。

投资建议

推荐标的

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

结论

人工智能产业正处于高速发展阶段，智能计算芯片作为其核心硬件基础，市场需求旺盛，发展前景广阔。随着技术进步和国家政策支持，GPU、FPGA、ASIC等各类芯片将在不同应用场景中发挥重要作用，其中GPU仍是当前主流方案，而ASIC作为未来终极解决方案，值得重点关注。国内企业在GPU、FPGA、ASIC等领域逐步崛起，具备较强的市场潜力，建议投资者重点关注具备核心技术优势和良好市场前景的标的。