2017-人工智能芯片：GPU正红，ASIC拥抱未来_21页

人工智能芯片的竞争：GPU正红，ASIC 拥抱未来

核心内容

人工智能芯片是人工智能技术发展的关键支撑，主要分为三类：GPU、FPGA 和 ASIC。随着深度学习算法的广泛应用，传统CPU的计算能力已无法满足海量数据处理的需求，因此，GPU、FPGA 和 ASIC 逐渐成为AI芯片市场的主流选择。

主要观点

1. GPU：成熟生态，最先受益

• 定义与优势：GPU 是图形处理器，专为并行计算设计，具备强大的浮点运算能力，是目前AI芯片市场的主要玩家。
• 发展现状：英伟达在GPU市场占据主导地位，自2006年起推出相关产品，支持深度学习框架，广泛应用于云平台和AI训练。
• 局限性：
  • 并行计算优势在深度学习应用中无法完全发挥；
  • 硬件结构固定，不具备可编程性；
  • 能效不如FPGA和ASIC。

2. FPGA：能效中等，灵活度高

• 定义与优势：FPGA 是现场可编程门阵列，用户可重复编程，具备较高的性能和较低的能耗。
• 应用场景：适用于工业互联网、工业机器人、安防等领域，特别是对可重配置需求较高的军工和工业电子。
• 局限性：
  • 基本单元计算能力有限；
  • 速度和功耗仍需提升；
  • 成本较高，适合企业级用户。

3. ASIC：能效顶级，未来主流

• 定义与优势：ASIC 是专用集成电路，专为特定任务设计，性能和能效优于GPU和FPGA。
• 代表产品：
  • Google 的 TPU（Tensor Processing Unit）性能是传统GPU的14-16倍；
  • 寒武纪的 DianNao 系列性能是GPU的118倍，能效更高。
• 未来发展：
  • ASIC 将成为未来AI芯片的核心；
  • 类脑芯片是ASIC的发展方向，具备低功耗、高能效和学习能力；
  • 寒武纪已发布对外应用指令集，具备竞争优势。

关键信息

AI芯片分类与性能对比

投资推荐

• 中科曙光：与寒武纪深度合作，推动AI服务器发展，X86芯片国产化有望提升市场份额和毛利率。
• 中科创达：为华为麒麟970提供人脸识别应用支持，具备AI算法应用能力。
• 富瀚微：安防行业解码芯片领军，具备一定的AI芯片研发能力。

技术趋势

• AI芯片需满足海量数据处理、低功耗、高性能等需求；
• ASIC 由于其定制化和高性能，被认为是未来AI芯片的核心；
• 寒武纪的指令集专利优势明显，具备较强的市场竞争力。

图表目录

• 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：传统结构已经不能满足计算的需求
• 图5：AI的三种专用芯片：GPU、ASIC、FPGA
• 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

表格目录

• 表1：CPU与GPU对比
• 表2：三类AI芯片各有优缺
• 表3：主要人工智能ASIC芯片对比
• 表4：科技巨头纷纷布局ASIC芯片
• 表5：各科技机构类脑芯片布局
• 表6：ASIC性能全面领先
• 表7：巨头公司采用英伟达GPU芯片
• 表8：行业重点公司估值表

风险提示

• 中美IT合作因政治原因受阻，可能影响技术交流与市场拓展。

总结

AI芯片市场正在快速发展，GPU凭借成熟的生态系统和强大的浮点运算能力，目前在深度学习训练和云端应用中占据主导地位。FPGA具备灵活性和能效优势，适用于工业和企业级应用。ASIC则因其高性能和低功耗，被认为是未来AI芯片的核心，寒武纪和Google的TPU是其中的代表。随着技术进步和市场需求增长，ASIC将在未来AI芯片市场中占据重要地位，而GPU和FPGA仍将发挥重要作用。