计算机行业跟踪报告：AI芯片助中国“芯”弯道超车，由浅入“深”度学习-20170925-兴业证券-32页-3mb

AI芯片助中国“芯”弯道超车总结

核心内容

本报告聚焦于AI芯片的发展趋势及其对中国芯片产业的潜在影响。随着人工智能技术的迅速发展，AI芯片作为上游产业，正迎来前所未有的发展机遇。中国芯片产业虽长期落后，但在政策支持、市场需求和技术突破的推动下，有望实现“弯道超车”。

主要观点

1. 政策支持：国家出台多项战略级政策，如《国家集成电路产业发展推进纲要》《中国制造2025》《新一代人工智能发展规划》等，均强调AI芯片和类脑计算的重要性，推动中国芯片产业的自主化发展。
2. AI芯片需求增长：深度学习对并行计算和矩阵运算能力要求极高，推动了AI芯片的爆发式增长。GPU、FPGA、ASIC和类脑芯片各有优劣，适用于不同应用场景。
3. 国产芯片崛起：寒武纪、海思、中星微等企业在国内AI芯片领域取得显著进展，尤其在ASIC芯片方面，如寒武纪的DIANNAO系列，华为的麒麟970搭载寒武纪芯片，显示出国产芯片的竞争力。
4. 芯片分类与适用场景：
   • GPU：适用于深度学习训练和数据中心，性能强但功耗高，适合高吞吐量和大规模计算。
   • FPGA：适用于预测阶段和云平台，具有灵活性和高能效，适合快速变化的行业应用。
   • ASIC：定制化强，效率高，适用于智能终端和AI平台，但前期投入成本高。
   • 类脑芯片：能耗低，感知能力强，但训练方法不成熟，精度低，尚处于研究阶段。
5. 未来趋势：短期来看，GPU仍为AI芯片的主流；长期来看，不同类型的AI芯片将基于其优势适用于不同场景。

关键信息

投资要点

• 中国芯片产业：自给率仅10%左右，但近年来销售额保持20%增速。
• AI芯片优势：深度学习对算力的需求激增，推动AI芯片发展。
• 推荐标的：中科创达（软件SoC）、富瀚微（芯片制造）、中科曙光、浪潮信息（服务器）。
• 风险提示：ASIC研发进度不及预期、终端落地反馈不佳。

技术发展

• 深度学习与AI芯片：深度学习需要大量数据和高效算力，推动GPU、FPGA、ASIC等芯片的发展。
• 算力需求：训练阶段需要高性能，预测阶段需要低延迟和高效率，推动芯片设计的多样化。

企业动态

• 英伟达：推出Volta架构，提升GPU预测效率，占据市场主导地位。
• 寒武纪：发布DIANNAO系列，成为国内领先的AI芯片公司，其芯片在智能终端和AI平台具有广阔前景。
• Google：开发TPU芯片，用于深度学习训练和推断，推动AI芯片专用化。
• IBM：研发TrueNorth类脑芯片，具有低能耗和高并行计算能力。
• Xilinx & Altera：FPGA市场主要由这两家公司主导，2016年市场份额达90%。

芯片分类与特点对比

未来走向

• 短期：GPU仍将主导AI芯片市场，尤其在数据中心和深度学习训练领域。FPGA因灵活性和高能效，成为增长较快的芯片类型。
• 长期：不同AI芯片将根据其特性应用于不同场景。GPU用于复杂算法和通用AI平台；FPGA用于快速变化的垂直行业；ASIC用于智能终端和AI平台；类脑芯片则用于复杂认知环境。

结论

AI芯片作为人工智能领域的核心硬件，其发展对中国芯片产业实现突破具有重要意义。在政策支持、市场需求和技术进步的共同推动下，中国芯片企业有望在AI芯片领域取得显著进展，实现“弯道超车”。未来，随着技术的不断演进，不同类型的AI芯片将逐步形成明确的市场定位和应用场景，为人工智能的发展提供坚实的基础。