20170905-浙商证券-人工智能行业专题报告_移动AIAI芯片来袭_嵌入式人工智能大有可为_16页_1mb

报告摘要

人工智能行业专题报告总结

核心内容

本报告聚焦于嵌入式人工智能的发展趋势，探讨其在移动终端、自动驾驶、智能家居等领域的应用前景，并分析了AI芯片技术，特别是**NPU（神经网络处理单元）**在推动嵌入式AI落地中的关键作用。报告指出，随着AI算法对并行计算能力的需求日益增长，传统CPU架构已无法满足要求，异构计算架构（GPU、FPGA、ASIC）成为AI芯片发展的新方向。

主要观点

嵌入式AI是AI落地的最后一公里解决方案
嵌入式AI能够在本地进行实时计算，解决云端AI存在的时延、隐私和网络依赖等问题，适用于自动驾驶、智能机器人、智能家居等对实时性和安全性要求高的场景。
NPU是嵌入式AI的核心技术
NPU作为专门用于深度学习算法的处理器，能够显著提升AI计算效率，降低能耗。目前主流的NPU实现路径包括GPU、FPGA、ASIC三种技术，各有其优势和适用场景。
AI芯片技术发展趋势
随着摩尔定律逐渐失效，AI芯片成为提升计算能力的新方向。GPU适用于云端大规模并行计算，FPGA适用于高性能、低功耗的可编程场景，ASIC则专注于特定应用，具有更低的功耗和更高的性能。
华为麒麟970是移动AI芯片的里程碑
华为在IFA2017上发布全球首款移动AI芯片麒麟970，集成了独立的NPU单元，支持本地AI计算，具备实时处理能力，标志着嵌入式AI在移动端的正式落地。
移动计算厂商加快布局嵌入式AI
ARM、Intel、NVIDIA、中星微、微软、苹果等公司纷纷布局AI芯片，推动AI在消费电子、自动驾驶、智能安防等领域的应用。

关键信息

1. AI芯片技术路径

GPU：擅长并行计算，广泛应用于云端AI，如NVIDIA的Tesla P100。
FPGA：具备可编程性，适用于高性能、低功耗的边缘计算场景，如Intel的Myriad2。
ASIC：专为特定AI算法设计，如Google的TPU，具有低功耗和高性能的优势。

2. 嵌入式AI与云端AI对比

项目	云端AI	嵌入式AI
优点	计算精准、可处理海量数据	实时性、安全性、低功耗、可脱机运行
缺点	能耗高、成本高、依赖网络	计算能力有限、技术难度大