人工智能芯片_AI巨轮的引擎_41页_3mb

人工智能芯片：AI巨轮的引擎

核心内容

人工智能芯片是推动人工智能技术发展的重要硬件基础，其性能直接影响AI算法的效率和应用场景的扩展。当前，人工智能芯片主要包括GPU、FPGA、ASIC和类脑芯片等类型，它们各自在不同的应用场景中发挥优势。

主要观点

1. 人工智能芯片前景广阔：

   • 随着人工智能技术的发展，其在多个领域（如工业、医疗、教育、安全等）的应用不断拓展。
   • 人工智能芯片作为核心硬件，是提升计算能力和算法效率的关键。
   • 国内外科技巨头纷纷布局人工智能芯片市场，推动行业快速发展。

2. 各类AI芯片百花齐放：

   • GPU：具备强大的并行计算能力，广泛应用于深度学习训练和推理。
   • FPGA：具有高性能、低功耗、可编程的特性，适合用于推理和实时处理。
   • ASIC：专门针对人工智能设计，未来可能成为主流，尤其在智能手机、物联网和车联网等终端领域。
   • 类脑芯片：基于神经形态工程，模仿人脑信息处理方式，具有低功耗、高效率的特点，有望推动人工智能进入新阶段。

3. 云端与终端AI芯片协同发展：

   • 云端AI芯片主要服务于大规模数据处理，通过GPU和FPGA等加速计算芯片提升处理效率。
   • 终端AI芯片则专注于移动设备、汽车、机器人等应用场景，提升设备的智能化水平。

关键信息

市场规模与增长趋势

• 全球人工智能市场规模从2015年的74.5亿美元增长至2020年的183亿美元，复合年增长率达19.7%。
• 中国人工智能市场规模从2015年的12亿元增长至2020年的91亿元，复合年增长率达50%。
• 云计算市场规模预计在2019年达到3150亿美元，远超当前的1720亿美元。

技术发展

• 深度学习：作为人工智能最主流的算法，深度学习依赖于强大的计算能力，GPU、FPGA和ASIC等芯片在这一领域发挥重要作用。
• NVIDIA：在GPU市场占据绝对优势，市场份额超过70%，其产品如Tesla V100加速卡在深度学习领域表现突出。
• 谷歌TPU：作为专用人工智能芯片，TPU在计算效率和能耗方面显著优于传统GPU，适用于深度学习训练和推理。
• 寒武纪NPU：中国公司研发的深度学习专用处理器，在视频、图像处理方面表现出色，具备较低功耗和较高效率。
• IBM TrueNorth芯片：模仿人脑结构，实现低功耗、高效率的神经形态计算，已应用于神经元计算机系统。

产业链布局

• 国内企业如中科曙光、全志科技、景嘉微、通富微电、富瀚微、海康威视、大华股份等已在人工智能芯片及相关领域取得一定进展。
• 国际巨头如NVIDIA、Google、IBM、Microsoft、Amazon、Intel等在AI芯片领域持续投入，推动技术发展。

投资建议与标的

• 投资建议：人工智能芯片市场前景广阔，建议关注具备核心技术、布局人工智能产业链的企业。
• 推荐标的：中科曙光、全志科技、景嘉微、通富微电、富瀚微、海康威视、大华股份等。

风险提示

• 人工智能芯片研发不及预期。
• 下游需求不及预期。

技术对比与市场格局

• GPU：并行计算能力强，广泛应用于深度学习训练和推理。
• FPGA：低功耗、高性能、可编程，适合推理和实时处理。
• ASIC：定制化设计，未来可能成为主流。
• 类脑芯片：低功耗、高效率，具备自主感知、识别和学习能力，发展潜力巨大。

未来展望

• 随着人工智能在云端和终端领域的广泛应用，AI芯片的需求将持续增长。
• 云端与终端AI芯片协同发展，形成“云端化”+“AI芯片集群化”的趋势。
• 类脑芯片作为突破性技术路线，有望推动人工智能产业长远发展。

图表目录（关键图示）

• 图1：人工智能关键要素
• 图2：全球人工智能市场规模（单位：亿美元）
• 图3：中国人工智能市场规模（单位：亿元）
• 图4：全球人工智能主要公司
• 图5：国际人工智能领域三巨头动作
• 图6：国内人工智能主要企业
• 图7：深度学习VS神经网络
• 图8：深度学习市场规模
• 图9：深度学习主要市场参与者及开源平台
• 图10：各公司主要开源平台列表
• 图12：GPU在深度学习领域应用广泛
• 图13：使用NVIDIA加速计算GPU的企业数量快速增长
• 图14：CPU与GPU结构差异
• 图15：GPU在3年时间内性能提高50倍
• 图16：GPU每秒计算量远超CPU
• 图17：GPU是NVIDIA的主要产品（2016年报）
• 图18：NVIDIA在GPU市场有绝对优势
• 图19：NVIDIA公司加速运算GPU及相关产品
• 图20：NVIDIA近年来财务数据（单位：百万美元）
• 图21：中国在GPU领域取得最新成就
• 图22：FPGA内部结构原理图
• 图23：CPU、GPU及FPGA单次迭代时间比较（单位：微秒）
• 图24：CPU、GPU及FPGA单次迭代能耗比较（单位：毫焦）
• 图25：CPU、GPU及FPGA三种芯片性能比较
• 图26：全球FPGA市场规模保持较快增长（单位：亿美元）
• 图27：2016年FPGA市场份额分布
• 图28：英特尔LakeCrest架构
• 图29：Canyon Bridge Capital Partners拟收购Lattice
• 图30：谷歌TPU内部架构
• 图31：寒武纪芯片
• 图32：寒武纪2号DaDianNao版图
• 图33：中星微NPU架构图
• 图34：2022年类脑芯片不同类型终端应用占比
• 图35：各国类脑计算研究项目列表
• 图36：各科技巨头类脑芯片产品列表
• 图37：IBM第一代TrueNorth芯片
• 图38：第一代IBM TrueNorth芯片与第二代比较
• 图39：IBM神经元计算机包含16颗TrueNorth芯片
• 图40：全球云计算市场规模（亿美元）
• 图41：云计算平台人工智能功能
• 图42：2011年Watson参加节目《Jeopardy》并取得冠军
• 图43：Watson产生答案流程
• 图44：IBM POWER处理器发展路径
• 图45：POWER8架构图
• 图46：微软Azure功能
• 图47：2014年亚马逊AWS市场份额占比遥遥领先
• 图48：亚马逊AWS能够提供的服务
• 图49：谷歌云计算平台
• 图50：阿里云适用场景
• 图51：阿里云新一代HPC
• 图52：百度与Altera合作建立FPGA集群
• 图53：百度开放云功能
• 图54：NVIDIA Drive PX 车载计算平台
• 图55：NVIDIA Drive PX2平台
• 图56：NVIDIA Xavier芯片
• 图57：高通发布智能汽车芯片602A
• 图58：国内汽车电子芯片市场规模
• 图59：飞思卡尔Hybrid处理器
• 图60：赛灵思FPGA芯片
• 图61：夏普机器人手机RoBoHoN
• 图62：亚马逊Echo音箱基本构造
• 图63：Echo音箱主板芯片构成
• 图64：京东&科大讯飞叮咚音箱
• 图65：叮咚音箱主板构造
• 图66：人工智能芯片及应用
• 图67：A股上市公司切入人工智能领域情况