20171129-天风证券-人工智能芯片行业深度研究_人工智能立夏已至_AI芯片迎接蓝海；首推_英伟达GPU王者风范_Google_TPU破局科技_70页_7mb

报告摘要

人工智能芯片行业总结

核心内容

人工智能芯片行业正处于快速发展阶段，随着深度学习和强化学习算法的普及，AI芯片市场呈现出百花齐放、非零和博弈的格局。GPU、ASIC、FPGA 和 CPU 等芯片类型在不同应用场景中发挥各自优势，共同推动人工智能技术的落地。

主要观点

GPU 引领主流：在深度学习的上游训练端，GPU 是主流选择，尤其以英伟达为主导，因其强大的并行计算能力和成熟的开发生态（如 CUDA）。
ASIC 割据一地：针对特定算法深度优化的 ASIC 芯片（如谷歌的 TPU、寒武纪的 MLU）在推理端逐步崭露头角，特别是在确定性执行模型中表现突出。
FPGA 适用于开发周期短的应用：FPGA 由于其可编程性和电路级别的通用性，适用于 IoT 产品、传感器数据预处理等场景。
CPU 通用性强但效率不足：虽然 CPU 在通用性上占优势，但在人工智能的大规模并行计算中表现不如 GPU。
行业格局多元化：随着 AI 芯片市场增长，不同类型的芯片将各自占据细分市场，形成多元化的竞争格局。

关键信息

1. AI 芯片市场前景

AI 芯片市场将随着人工智能的发展而不断扩张，未来几年内，GPU、ASIC、FPGA 和 CPU 等芯片将共同推动市场增长。
数据中心是 AI 芯片的重要应用场景，GPU 的需求将大幅增长，预计 2020 年前全球服务器 GPU 渗透率将增长 4 倍。

2. 英伟达（NVIDIA）

GPU 市场龙头：英伟达在 GPU 市场占据主导地位，其数据中心业务预计在 2020 年前增长 4 倍。
Volta 架构升级：V100 GPU 采用 Volta 架构，性能提升显著，特别是在深度学习训练和推理方面。
自动驾驶布局：英伟达推出 Xavier 平台，作为车载超级电脑，助力自动驾驶发展。
估值与评级：给予英伟达 2018/19 年 EPS 分别为 5.42 和 6.61 美元，对应 PE 为 52x/42x，目标价上调至 280 美元，重申“买入”评级。

3. AMD

CPU+GPU 双剑合璧：AMD 是唯一拥有 GPU 和 x86 硅芯片技术的公司，有望通过异构计算技术在数据中心市场取得突破。
产品线扩展：AMD 推出 Vega GPU，重新布局高端市场，并借助开源生态（如 ROCm）提升竞争力。
估值与评级：2018 年 PS 为 2.3x，PE 为 45x，目标价维持 16 美元，重申“买入”评级。

4. Google TPU

自下而上构建 AI 帝国：Google 通过 TPU 实现深度优化，提高浮点运算精度，并以云服务形式销售，激活中小企业市场。
TPU 与 TensorFlow 深度结合：TPU 已能同时用于高性能计算和浮点计算，结合谷歌云服务提供云计算支持。
估值与评级：根据彭博一致预期，2018 年 EPS 为 41.46 美元，给予 31x PE，目标价上调至 1300 美元，重申“买入”评级。

5. 其他厂商与技术

英特尔：通过收购 Nervana 和 Mobileye，全面布局 AI 底层生态和自动驾驶领域。
Xilinx：FPGA 厂商，用于云计算和 AI 应用，如 Bing 搜索加速。
寒武纪：推出 MLU 系列芯片，应用于服务器级加速，其 NPU 被华为采用。
量子计算：作为新兴技术，量子计算在特定领域（如加密技术）具有独特优势，但目前仍处于早期阶段。

未来展望

AI 芯片市场将进入蓝海阶段：随着算法和芯片技术的不断进步，AI 芯片市场将呈现多元化发展趋势。
技术路线多样化：从 CPU、FPGA、GPU 到 ASIC、量子芯片，各类型芯片将在不同应用场景中发挥重要作用。
行业格局演变：英伟达、AMD 和 Google 将成为 AI 芯片市场的三大主要推动者，各自在不同领域占据主导地位。

风险提示

芯片开发周期较长，可能导致市场进入延迟。
市场需求可能不达预期，影响芯片销售和收入增长。

总结

人工智能芯片行业正迎来前所未有的发展机遇，GPU、ASIC、FPGA 和 CPU 等芯片类型将在不同场景中发挥各自优势。英伟达凭借其在 GPU 市场的领先地位和强大的生态系统，将继续引领 AI 芯片发展。AMD 通过异构计算和开源生态，有望在数据中心和 AI 领域取得突破。Google 通过 TPU 实现深度优化，构建 AI 云生态，成为 AI 芯片市场的另一重要力量。未来，随着 AI 算法和芯片技术的不断进步，行业将进入多元化竞争的新阶段。

展开完整摘要