20160527-浙商证券-半导体行业_人工智能芯片行业深度报告-风起于青萍之末-GPU,FPGA__ASIC_22页_1mb

半导体行业深度报告：人工智能芯片（GPU, FPGA, ASIC）

核心内容

本报告聚焦人工智能领域中三种关键芯片技术：GPU、FPGA 和 ASIC，分析其在人工智能深度学习中的应用前景及市场潜力。

主要观点

• 人工智能市场前景广阔：预计未来十年人工智能市场规模将达2000亿美元，其中硬件市场占比约30%。
• GPU在深度学习中扮演重要角色：GPU具备强大的并行计算能力，成为深度学习领域的重要计算工具，尤其在图像识别、语音识别等领域表现突出。
• FPGA在人工智能中展现复苏潜力：FPGA具备可编程专用性、高性能、低功耗等优势，适合在资源受限或大规模服务器部署中使用。
• ASIC作为后起之秀：ASIC在比特币挖矿中的成功应用，为其在人工智能领域的潜力提供了有力佐证，具备高性能与低功耗的双重优势。

关键信息

1. 人工智能——风起于青萍之末

• 人工智能将成为未来的重要市场，其核心要素为算法、计算、数据。
• 深度学习作为当前主流算法，依赖海量数据和高性能计算能力。
• 人工智能应用广泛，涵盖互联网、金融、娱乐、制造业、汽车等多个领域。
• 人工智能生态分为基础层（数据资源和计算能力）、技术层（算法、模型）、应用层（人工智能+各行业）。

2. GPU——厚积薄发正当时

• GPU简介：GPU主要用于图形处理，但其并行计算能力使其成为人工智能领域的重要工具。
• NVIDIA的崛起：
  • 2016年一季度利润增长46%，营收增长13%。
  • 产品毛利率持续上升，显示其核心竞争力。
  • Tesla GPU在高性能计算和深度学习领域占据主导地位，市场份额达84%。
• 国内GPU发展现状：
  • 景嘉微是国内首款自主研发GPU芯片企业，产品JM5400主要用于军用领域。
  • JM5400性能优于AMD的M9，功耗更低。
  • 未来有望在人工智能领域拓展。

3. FPGA——“万能芯片”在人工智能时代复苏

• FPGA简介：FPGA具备可编程性，能实现高性能、低功耗的定制计算。
• FPGA的优势：
  • 高性能：通过比特级定制结构和流水线并行计算，FPGA在深度学习中表现出色。
  • 低功耗：FPGA相比CPU和GPU，能耗显著降低。
• Intel收购Altera：
  • 表明FPGA在人工智能领域的重要性。
  • FPGA与CPU结合，是未来深度学习的重要发展方向。
• 国内FPGA公司：
  • 同方国芯的特种集成电路业务（含FPGA）增长迅速，年复合增速约20%。
  • 毛利率保持高位，受益于FPGA在人工智能中的应用增长。

4. ASIC——后起之秀，不可估量

• ASIC简介：ASIC是为特定用途设计的专用芯片，具备高性能、低功耗、低成本等优势。
• ASIC的优势：
  • 计算能力是GK210的2.5倍，功耗仅为GK210的1/15。
  • 随着工艺进步，ASIC的性能和成本持续优化。
• ASIC在比特币挖矿中的应用：
  • 比特币矿机芯片经历了从CPU、GPU、FPGA到ASIC的发展阶段。
  • ASIC在算力、功耗、价格等方面优于FPGA和GPU。
• 国内ASIC公司：
  • 比特大陆、龙矿科技等企业具备自产芯片能力，毛利率普遍高于50%。

行业评级

• 行业评级：看好
• 投资评级说明：以6个月内行业指数相对于沪深300的表现为依据，看好指行业指数上涨10%以上。

相关报告

1. 《一周观点：人工智能硬件（首篇）：从GPU到TPU》2016.05.23
2. 《一周观点：寻找半导体行业的投资机会》2016.05.16
3. 《一周观点：从SOX和B/B值看半导体行业投资》2016.05.08
4. 《一周观点：未来可能颠覆CPU的几类芯片》2016.05.02
5. 《一周观点：聊聊毫米波雷达芯片》2016.04.24

结论

• 人工智能时代的GPU、FPGA和ASIC将在深度学习等领域迎来爆发式增长。
• GPU 是当前人工智能计算的核心，具备强大的并行计算能力。
• FPGA 在灵活性和能效方面表现突出，适合特定应用场景。
• ASIC 作为专用芯片，未来在人工智能领域具有巨大潜力，尤其是在算力和功耗方面表现优异。

图表与数据

• 图1：人工智能实现三要素
• 图2：人工智能应用广泛
• 图3：人工智能应用领域
• 图4：人工智能市场规模
• 图5：单一神经元VS简单神经网络VS深层神经网络
• 图6：人工智能新驱动
• 图7：GPU VS CPU
• 图8：GPU性能展示
• 图9：NVIDIA2015主营构成
• 图10：NVIDIA股价表现强势
• 图11：NVIDIA2011-2015年营收VS净利润
• 图12：NVIDIA2011-2015毛利率
• 图13：景嘉微2015年主营构成
• 图14：景嘉微2012-2015年营收VS净利润
• 图15：FPGA内部架构
• 图16：CPU,FPGA算法性能对比
• 图17：CPU，FPGA算法能耗对比
• 图18：全球FPGA市场规模
• 图19：AlteraFPGAVSCPU
• 图20：同方国芯2015年业务占比
• 图21：同方国芯特种集成电路（FPGA等）业务营收
• 图22：同方国芯特种集成电路（FPGA等）毛利率
• 图23：工艺VS性能VS功耗
• 图24：ASIC芯片专为矿机量身定做，执行速度快于FPGA
• 图25：比特币矿机芯片经历了从CPU、GPU、FPGA和ASIC四个阶段

表格数据

• 表1：CPU VS GPU
• 表2：M9 VS JM5400
• 表3：GK210 指标 VS ASIC 指标
• 表4：各种挖矿芯片的性能比较