走进“芯”时代系列深度之四十九“AI芯片”：AI领强算力时代，GPU启新场景落地_80页_4mb

报告摘要

华西电子团队—走进“芯”时代系列深度之四十九“AI芯片”总结

核心内容

AI芯片是专为人工智能算法设计的计算模块，主要承担推断任务，通过并行计算处理大量非结构化数据，如文本、图像、视频和语音等。随着AI技术的快速发展，AI芯片的需求呈现出快速增长的趋势，尤其在GPU、FPGA和ASIC等技术架构下，GPU因其通用性、成熟的生态和高性能计算能力，成为当前AI芯片市场的主流选择。

主要观点

AI芯片的分类与特点
- AI芯片分为GPU、FPGA、ASIC和类脑芯片四大类，其中GPU具备通用性、灵活性和成熟的开发环境，适合云端和终端应用。
- FPGAs和ASIC是针对特定需求的半定制和全定制芯片，具有更高的性能和更低的功耗，但开发周期较长。
- 类脑芯片模拟人脑神经元结构，尚处于起步阶段。
GPU的性能与应用场景
- GPU具有强大的并行计算能力，适用于图形渲染、深度学习、机器学习等计算密集型任务。
- GPU在终端侧和云端均有广泛应用，特别是在自动驾驶、智能安防和云计算领域。
AI芯片市场的发展趋势
- 全球AI芯片市场预计将在2025年达到726亿美元，中国AI芯片市场有望突破千亿元。
- 自动驾驶和云计算的发展将显著提升GPU的算力需求，推动市场增长。
GPU与CPU的对比
- CPU适用于复杂逻辑运算和低延迟任务，而GPU适用于大规模并行计算。
- GPU的架构设计注重浮点运算和大规模数据处理能力，适合AI算法的运行。
GPU的生态与平台
- CUDA是GPU通用计算平台的核心，支持主流AI算法框架。
- 开发者可通过CUDA平台轻松实现GPU计算加速，形成良好的软硬件生态。
AI芯片的应用场景
- 终端侧：如智能手机、智能手表、VR/AR设备等，需求低功耗、低成本。
- 云端：如AI训练、推理、科学计算等，需要高性能、高算力。
- 边缘侧：如智能安防、自动驾驶等，需平衡性能、功耗和成本。
GPU的架构演进
- GPU架构每两年升级一次，从Fermi到Ampere，性能不断提升，功耗优化。
- 每个架构引入了新的技术，如Tensor Core、NVLink等，以提高计算效率。

关键信息

算力需求增长：自2012年以来，AI训练算力每3.43个月翻倍，远超摩尔定律。
GPU市场预测：2020年全球GPU市场规模为254.1亿美元，预计2027年将达到1853.1亿美元，年复合增长率约为32.82%。
自动驾驶算力需求：L3级自动驾驶算力需求为30-60TOPS，L4需求100TOPS以上，L5需求甚至达1000TOPS。
AI芯片市场结构：中国AI芯片市场在2023年预计突破千亿元，GPU、FPGA和ASIC在不同场景下各有优势。
重点推荐与受益标的：终端侧AI芯片推荐瑞芯微、全志科技、晶晨股份、富瀚微；受益标的包括景嘉微、寒武纪、云天励飞、芯原股份；产业链重点包括沐曦、壁仞科技、燧原科技、地平线、黑芝麻；海外包括NVIDIA、AMD、CAN.O。
风险提示：包括产能不及预期、国产替代不及预期、国产GPU生态不及预期。