计算机行业算法系列报告之十五：人工智能芯片的竞争，GPU正红，ASIC拥抱未来-20171016-申万宏源-21页-1mb

人工智能芯片竞争分析总结

核心内容

人工智能的发展依赖于硬件、算法和数据三方面的支撑。在硬件方面，AI芯片成为关键组件，主要分为云端和终端两类。当前主流的AI芯片包括GPU、FPGA和ASIC，各有优劣，适用于不同的应用场景。

主要观点

• GPU 是目前AI芯片市场的主导者，具有成熟的生态系统，适合深度学习的训练和执行，尤其在图像处理和并行计算方面表现出色。但其存在并行计算效率不高、硬件结构固定、能效较低等局限。
• FPGA 具备较高的灵活性和能效，适用于需要频繁重配置的场景，但其计算能力有限、价格昂贵，且在速度和功耗方面仍有提升空间。
• ASIC 是未来AI芯片的核心方向，专为特定AI算法设计，具备顶级的性能和能效，适用于执行层，尤其在深度学习领域表现突出。寒武纪的DIANNAO系列芯片在性能和能效上全面领先，具有广阔的应用前景。

关键信息

AI芯片分类与特性

三种芯片的局限性

• GPU：

  • 并行计算优势无法完全发挥；
  • 硬件结构固定，不具备可编程性；
  • 能效远低于ASIC和FPGA。

• FPGA：

  • 基本单元计算能力有限；
  • 速度和功耗仍有提升空间；
  • 价格相对昂贵。

• ASIC：

  • 初期开发成本高，开发周期长；
  • 一旦制造完成无法更改；
  • 适用于高性能、低功耗的特定AI场景。

代表性芯片与性能对比

应用场景与发展趋势

• 云端：需要高性能、高精度计算，GPU和ASIC是主要选择。ASIC在性能和能效方面全面领先。
• 终端：更关注能耗和实时性，NPU（如寒武纪1A）在手机、安防、AR/VR等终端设备中广泛应用。
• 类脑芯片：模仿人脑结构，适用于非结构化信息处理，目前仍处于初期阶段，商业化尚需时间。

推荐标的

• 中科曙光：X86芯片突破的领先者，与寒武纪深度合作，AI服务器和算力是未来增长点。
• 中科创达：华为麒麟970芯片人脸识别应用提供方，具备AI算法能力。
• 富瀚微：安防行业解码芯片领军，具备AI芯片应用潜力。

风险提示

• 中美IT合作受阻：政治因素可能影响技术交流与供应链稳定。

图表与数据支持

• 图1：深度学习是实现人工智能的一种算法。
• 图2：AI具有训练和执行两个过程。
• 图3：人工神经网络需要海量数据。
• 图4：传统结构已不能满足AI计算需求。
• 图5：AI三种专用芯片对比。
• 图6：GPU具有先天的运算能力。
• 图7：AI芯片的云端和终端应用场景。
• 图8：蒙代尔不可能三角帮助理解芯片的折中。
• 图9：英伟达V100加强AI能力。
• 图10：英伟达主导GPU市场。
• 图11：华为麒麟970芯片核心架构。

结论

随着深度学习算法的广泛应用，AI芯片需求持续增长。GPU在当前市场占据主导地位，但ASIC因性能和能效优势将成为未来AI芯片的核心。FPGA作为中间方案，适用于需要灵活性的场景。寒武纪的DIANNAO系列芯片在能效和性能上表现突出，成为AI芯片领域的重要参与者。投资建议关注中科曙光、中科创达和富瀚微等具备AI芯片研发和应用能力的公司。