20170228-致富证券-人工智能进入新时代_应用终端倒逼硬件升级_23页_1mb

报告摘要

TMT行业报告总结

核心内容概述

本报告分析了人工智能（AI）行业的发展趋势，重点探讨了AI在硬件需求方面的变化，以及当前和未来市场中GPU和FPGA两种芯片技术的对比与竞争。报告指出，随着深度学习技术的成熟与数据洪流的爆发，AI对计算能力的需求大幅增长，传统CPU已无法满足这一需求，推动了GPU与FPGA等新型计算芯片的发展。

主要观点

人工智能进入新时代：AI在2012年之后因学习算法的突破与数据量的激增而快速发展，从电影推荐到自动驾驶等多个领域展现出巨大潜力。
硬件瓶颈显现：当前主流的GPU芯片虽在AI训练中表现突出，但移动终端的计算需求对芯片提出了新的挑战，推动了FPGA等半定制芯片的发展。
GPU是当前AI市场的主导者：英伟达凭借其在GPU市场的领导地位，成为AI计算的主要推动者，其CUDA生态系统是其核心竞争力。
FPGA作为未来方向：FPGA具备可编程性、低功耗和高能效比的优势，未来有望在AI领域取代GPU，尤其是在移动终端市场。
英伟达与英特尔的市场竞争：英伟达在服务器端占优，而英特尔正通过收购与技术整合，试图在移动终端与云计算市场中占据一席之地。

关键信息

一. 人工智能与深度学习

人工智能的目标是让机器像人一样思考，目前主要实现的是“弱人工智能”。
机器学习是AI实现的核心手段，通过算法从数据中学习，而不是硬编码。
人工神经网络赋予机器学习以深度，而深度学习进一步提升了模型的准确性和泛化能力。

二. 深度学习的实现

学习算法突破：2006年Geoffrey Hinton的研究解决了深度学习中的过拟合与训练困难问题。
数据洪流：互联网的迅速发展为深度学习提供了海量训练数据，成为AI爆发的重要基础。
硬件需求激增：深度学习对并行计算能力有极高要求，传统CPU无法满足，GPU成为首选。

三. 现有市场——通用芯片GPU

GPU是什么：最初用于图形处理，后因其并行计算能力被用于深度学习。
GPU与CPU的设计差异：
- CPU注重逻辑控制与低延时，适合复杂任务。
- GPU注重高吞吐量与并行计算，适合大规模数据处理。
Nvidia的市场地位：
- 全球GPU市场占有率超过70%，在AI领域占据垄断地位。
- 2016年营收和净利润大幅增长，推动股价飙升。
- 产品布局包括自动驾驶、数据中心与云计算等。
Nvidia的核心产品：
- Tesla P4：高能效，适合数据中心部署。
- Tesla P40：高处理能力，适合深度学习任务。
Nvidia的产业优势：
- 完善的CUDA生态系统，降低了GPU编程门槛。
- 与多家科技巨头及研究机构合作，推动AI发展。

四. 未来市场：半定制芯片FPGA

FPGA是什么：可编程逻辑芯片，可根据需求定制硬件架构。
FPGA与GPU的性能差异：
- 峰值性能：GPU更高，但FPGA在特定任务中可实现更高的能效。
- 平均性能：FPGA更具优势，尤其在MISD架构任务中。
- 功耗能效比：FPGA远优于GPU，适合移动终端。
FPGA市场前景：
- 工业互联网和工业机器人是主要应用领域。
- FPGA市场门槛高，目前由Xilinx和Altera主导。
Intel的产品布局：
- 通过收购Altera与Nervana，进入FPGA与AI芯片市场。
- 未来将推出Xeon + FPGA异构处理器，目标是2017年下半年量产。
Intel的痛点：
- 缺乏成熟的FPGA生态系统。
- 编程语言（如Verilog/VHDL）复杂，开发门槛高。
Intel的优势：
- 对CPU技术的深刻理解，有利于异构计算的发展。
- 在通信与云计算领域有深厚积累，为AI应用提供良好基础。

投资前景

GPU与FPGA的市场地位：
- GPU在服务器端仍占主导，而FPGA在移动终端与边缘计算领域潜力巨大。
- 两家公司都看好AI市场，英伟达在2017年仍占优势，但英特尔有潜力在未来几年内成为重要竞争者。
市场细分：
- 服务器终端：需要高精度、高吞吐量与支持多网络结构的芯片。
- 移动终端：更注重低延时、低能耗与允许计算精度损失。
未来趋势：
- AI硬件市场将向异构计算发展，GPU与FPGA将并存。
- FPGA在移动终端市场有望成为主流，尤其在自动驾驶、智能家居等场景中。

结论

人工智能正从概念走向现实，其发展依赖于强大的计算能力与高效的数据处理。当前GPU仍是AI训练的主流选择，但FPGA因其可编程性和能效比优势，将在未来成为AI计算的重要方向。英伟达凭借其成熟的生态系统占据市场主导，而英特尔则通过技术整合与产品布局，试图在AI市场中占据一席之地。随着技术的不断演进，AI硬件市场将进入新的发展阶段，GPU与FPGA的竞争将持续加剧。

展开完整摘要