计算机行业AI系列报告之一，智能计算芯片：人工智能产业硬件基础与第一桶金-20170921-华泰证券-42页-2mb

人工智能产业硬件基础与智能计算芯片投资价值分析

核心内容概述

人工智能产业正处于快速发展阶段，智能计算芯片作为其核心硬件基础，需求旺盛，具有显著的投资价值。本文主要分析了人工智能对计算能力的需求，以及CPU、GPU、FPGA和ASIC等不同类型的芯片在人工智能计算中的角色和市场前景。

主要观点

• 人工智能发展迅速：随着深度学习算法的成熟和大数据的普及，人工智能在多个领域实现突破，如语音识别、图像识别和围棋、德州扑克等游戏。
• 智能计算芯片需求旺盛：预计到2020年，全球人工智能计算芯片市场将达到100亿元，其中GPU市场占据重要位置。
• 国家政策支持：中国政府高度重视人工智能，将其写入政府工作报告，并出台多项规划推动其发展。
• CPU、GPU、FPGA和ASIC各有优势：CPU是传统计算核心，GPU在并行计算方面表现突出，FPGA具备灵活编程和低功耗特点，ASIC则是未来智能芯片的终极解决方案。
• 投资建议：重点推荐具备国产GPU技术的景嘉微，以及在人工智能领域有布局的中科曙光、科大讯飞和中科创达。

关键信息

人工智能发展现状

• 技术突破：深度学习算法使语音、图像识别准确率超过95%，在围棋和扑克等复杂领域取得突破。
• 行业应用：人工智能在安防、医疗、教育、金融、智能驾驶等领域逐步落地。
• 资本投入：全球人工智能投资额逐年增长，2016年达到50亿美元。

智能计算芯片市场

• 市场规模：预计2020年全球人工智能产业规模将达4000亿元，其中智能计算芯片市场规模预计达100亿元。
• 芯片类型：CPU、GPU、FPGA和ASIC在人工智能计算中各有优劣，GPU在当前主流应用中表现最佳。

国内与国外芯片对比

• 国产芯片薄弱：国内CPU、GPU市场主要由Intel、AMD和NVIDIA占据，高端FPGA市场亦被海外厂商主导。
• 海外技术限制：美国等国家对我国高端芯片进口和技术获取设置障碍，阻碍了国内芯片发展。
• AI芯片发展：华为麒麟970、苹果A11处理器等标志着AI芯片在移动端的实用化。

主要芯片公司分析

Intel

• 市场份额：全球数据中心服务器市场占有率超过90%。
• 产品布局：推出Nervana平台，支持深度学习和高性能计算，同时收购Mobileye以布局无人驾驶。
• 投资建议：公司拥有强大AI计算能力，未来在服务器CPU市场有较大发展潜力。

AMD

• 市场份额：在GPU市场占有率约30%，在PC端与Intel竞争激烈。
• 产品布局：推出Ryzen CPU和Vega GPU，性能表现优异，同时与Intel合作推出Kaby Lake-G处理器。
• 投资建议：在AI计算和高性能计算领域有良好前景。

NVIDIA

• 市场份额：在GPU市场占据主导地位，2017年市场份额超过50%。
• 产品布局：推出Tesla V100 GPU，性能远超前代产品，推动深度学习发展。
• 投资建议：在AI计算和智能驾驶领域表现突出，具有较高增长潜力。

景嘉微

• 技术优势：拥有成熟GPU产品，具备独立研发能力。
• 投资建议：重点推荐，未来在GPU市场有较大发展空间。

中科曙光

• 技术合作：与AMD合作，获得最新架构CPU授权，同时与寒武纪、英伟达战略合作。
• 投资建议：重点推荐，具备较强的技术和市场实力。

科大讯飞

• 技术合作：与寒武纪合作，推动AI算法和行业应用。
• 投资建议：重点关注，具有较强AI算法能力。

中科创达

• 技术合作：与华为深度合作，支持AI芯片开发。
• 投资建议：重点关注，具有良好的AI软硬生态支持。

风险提示

• 技术发展不及预期：国内智能芯片技术进步可能不达预期。
• 行业应用进展不达预期：AI在各行业的实际应用可能不如预期。

图表目录

• 图表1：CHIME语音识别竞赛历届冠军准确率
• 图表2：ImageNet图像识别竞赛历届冠军准确率
• 图表3：围棋人机大战
• 图表4：德州扑克人机大战
• 图表5：人工智能在众多行业领域应用进入落地阶段
• 图表6：全球人工智能投资额及投资笔数
• 图表7：2015年以来IT和互联网巨头AI领域布局
• 图表8：孙正义复活方程式
• 图表9：全球AI市场规模
• 图表10：中国AI市场规模
• 图表11：美国干预中国收购海外半导体企业
• 图表12：2016年全球数据中心AI应用统计
• 图表13：Intel 2017 年中报各业务营收
• 图表14：Intel人工智能NERVANA平台
• 图表15：Intel人工智能架构LakeCrest微结构
• 图表16：Intel全领域“端到端”方案
• 图表17：PC端CPU市场份额
• 图表18：AMD服务器端EPYC与IntelXeon芯片性能对比
• 图表19：AMD PC端Ryzen芯片与Intel I7芯片全面对比
• 图表20：集成显卡GPU市占率
• 图表21：独立显卡GPU市占率
• 图表22：CPU和GPU微结构对比
• 图表23：Nvidia Tesla V100相比于P100的性能提升
• 图表24：英伟达近十年来年报业绩表现
• 图表25：“Kaby Lake-G”处理器
• 图表26：AMD最新VegaGPU性能测试
• 图表27：AMD APU功能示意
• 图表28：ARM的Mali-G51 GPU
• 图表29：Imagination的Power VR系列
• 图表30：军用图形显控产品应用示意
• 图表31：主动防护雷达系统
• 图表32：FPGA架构图
• 图表33：CPU和FPGA协同工作
• 图表34：Xilinx近年来年报业绩表现（亿美元）
• 图表35：IBM神经网络处理器结构
• 图表36：Google TPU架构
• 图表37：ARM发布DynamIQ架构
• 图表38：mobileye EyeQ5芯片的电路系统块图
• 图表39：寒武纪芯片微结构
• 图表40：华为麒麟970芯片重要技术参数
• 图表41：华为麒麟970芯片内部架构
• 图表42：华为麒麟970芯片功能亮点
• 图表43：搭载NPU的华为麒麟970芯片图像识别领域的超强性能
• 图表44：华为端云协同AI移动战略
• 图表45：华为与中科创达共筑AI生态
• 图表46：苹果A11CPU性能提升
• 图表47：苹果A11GPU性能提升
• 图表48：百度发布DuerOS智慧芯片
• 图表49：中星微NPU

投资建议

• 重点推荐：景嘉微（GPU领域）、中科曙光（CPU与AI结合）、科大讯飞（AI算法与应用）、中科创达（AI生态建设）。
• 风险提示：技术发展和行业应用可能不达预期。

总结

人工智能产业正处于快速发展阶段，智能计算芯片作为其核心硬件，需求旺盛且具有较高投资价值。本文详细分析了CPU、GPU、FPGA和ASIC等不同类型的芯片在人工智能计算中的角色和市场前景，指出国内芯片产业虽薄弱，但随着国家政策支持和技术进步，未来有望突破瓶颈，成为AI产业生态中的重要一环。